GPGPU与ASIC的算力芯片之争正成为AI基础设施领域最受关注的话题。东吴证券研究所最新研报从算力、存力、互连三大维度系统对比了英伟达、AMD、谷歌、亚马逊、微软等主流AI芯片的性能参数。英伟达NVLink 5.0互连速度达1.8TB/s，ASIC在能效比和算术强度上迭代快速。本文基于东吴证券研报，深入解析GPGPU与ASIC的性能差异与竞争格局。

ASIC主要聚焦于低精度领域（INT8、FP16等），与定位大模型训练相符，低精度数据类型足以满足大部分计算需求。但在低精度算力性能上仍难以与同时期GPGPU媲美——英伟达GB200 FP16达5000，远超同期ASIC数值。

能效比方面，ASIC因定制化设计在特定任务中功耗相对较低。微软Maia100能效比高达1.60，高于英伟达H200的1.41。但也有例外，英伟达A100能效比0.78高于同期谷歌TPUv4i的0.39，呈现出兼顾普适性与高效性的特点。ASIC在精度与能效的取舍中找到了差异化定位。

显存带宽和容量上ASIC与GPGPU仍有较大差距。GB200依靠HBM3e技术拥有16384GB/s带宽，处理大规模数据时更高效。ASIC则以高算力密度在特定任务凸显优势，谷歌TPUv6e算力密度约57.88，显存利用效率高。

算术强度（算力/显存带宽）方面，早期ASIC弱于GPU，但2022年后实现反超。Meta MTIAv2算术强度达885 FLOPs/Byte，是同期GB200算术强度的2.8倍。LPU采用230MB SRAM集成设计提供80TB/s峰值内存带宽，突破传统架构因频繁访问外部显存产生的时钟周期损耗，为低算术强度任务带来突破性性能。

英伟达NVLink Scale-up互连能力一骑绝尘。GB200的NVLink 5.0达1.8TB/s，而其他厂商Scale-up互连大多基于PCIe协议（PCIe5.0单通道双向8GB/s，16通道128GB/s），与NVLink差距悬殊。

挑战英伟达NVLink的难度较大。UALink初代V1.0标准将于2025Q1发布，而NVLink1.0早在2016年已应用于Pascal架构GPU，技术代差明显。英伟达凭借NVLink+CUDA+NVSwitch构建的完整互连生态形成了难以撼动的系统级壁垒，ASIC厂商短期内难以在Scale-up互连领域实现同等水平。

芯片公司支出包含员工薪资、EDA/IP费用、芯片制造、销售费用四方面。以Fabless模式计算，研发人员1176人、人均薪酬82.13万元，每年薪资约9.7亿元。一代产品2年研发周期、薪资占支出60%，总投入约32.3亿元。单卡售价1-1.5万美元、毛利率68.21%，约4.5-7万卡出货量可覆盖前期投入。

头部大厂万卡集群建设未曾停歇。Meta 2024年初部署2.5万张H100集群，xAI 10万卡集群已建成，计划扩展至100万卡。训练端单一集群需求量已超10万卡，英伟达FY2024数据中心40%收入来自推理业务。随着AI应用遍地开花，推理需求渗透空间更大，大厂完全有望覆盖自研ASIC的前期投入。

表1：主流AI芯片性能对比摘要

维度	GPGPU优势	ASIC优势
算力（FP16）	GB200 5000领先	能效比突出（Maia100 1.60）
存力带宽	GB200 16384GB/s	算术强度高（MTIAv2 885）
互连	NVLink 1.8TB/s	逐步追赶中