AI ASIC 是什麼？為什麼雲端巨頭讓晶片從 GPU 轉向它

AI ASIC 是為單一運算任務把電路刻死的客製晶片，用犧牲彈性換取比通用 GPU 更高的每瓦效能與更低的單位成本。雲端巨頭把愈來愈多推論工作搬去自研 ASIC，理由很直接：那些工作負載上線後就固定重複，用不到 GPU 保留的彈性，卻要為那份彈性付電費。這條路線分流的是特定推論負載，訓練與還在快速變動的工作負載，仍是 GPU 的地盤。

ASIC 是什麼？跟 GPU 差在架構

ASIC 全名 Application-Specific Integrated Circuit，中文常譯特殊應用積體電路。它的電路在設計階段就針對單一任務刻死，AI 領域最常見的矩陣乘法與向量運算，會占滿整片晶片的電晶體資源。imec 的比較整理指出，GPU 像一把瑞士刀，靠數以萬計可程式化的核心處理各種平行運算，訓練、推論、圖形運算都能扛；ASIC 像量身訂做的工具，把通用性拿掉、犧牲彈性，換取專注在核心矩陣運算上的極致效率。這個架構差異決定了兩者的取捨：GPU 留了彈性應付還在變動的模型，ASIC 拿掉彈性，把省下來的電晶體全部拿去衝算力密度。

為什麼推論階段特別適合 ASIC

一顆模型訓練完上線後，推論階段的運算模式已經固定，同一組矩陣乘法會被重複執行幾十億次，這正是 ASIC 吃得到甜頭的場景。imec 指出，ASIC 能在吞吐量、延遲、能源效率三項指標上同時超越 GPU，前提是工作負載要匹配它的專業化設計，且要有持續的資料供應把產能撐滿。訓練階段正好相反，模型架構還在快速迭代，這一輪跑的層數與參數配置，下一輪可能整個換掉，ASIC 的固定電路在這種場景反而綁手綁腳。這也是為什麼 Google TPU、亞馬遜 Trainium 這類超大規模自研晶片，幾乎都先從推論任務切入放量，訓練工作至今仍主要靠 GPU。

成本與能效：GPU 前期便宜，ASIC 量產才划算

GPU 的優勢在部署速度，一顆頂級 AI GPU 市價約 5 萬美元，買了就能上機架跑，但代價是硬體本身就占資料中心資本支出的四成到四成五。ASIC 反過來，前期開發成本極高，要靠量產把成本攤薄，所以只有出貨量夠大的固定工作負載才划算。這筆前期投資有多重：先進製程（3 奈米到 5 奈米級）流片一次，光罩費用落在 1 千萬到 2 千萬美元，晶圓成本每片 1 萬 6 到 2 萬 2 千美元，加上 EDA 工具年度授權 2 百萬到 5 百萬美元、IP 授權 5 百萬到 2 千萬美元，整體非經常性工程成本可以疊到 3 千萬到超過 1 億美元，設計團隊動輒 50 到 200 多名工程師，從規格定案到量產要跑 24 到 36 個月。業界的經驗法則是，這個等級的投資只有在年出貨量能衝上 10 萬顆以上時才站得住腳，台積電對這個等級的產能也會優先分配給最大客戶，交期可能拉到 50 週以上。這代表流片是重注，先砸一兩年時間跟數千萬美元進去，量產前完全看不到一毛錢回收，一步走錯，投資直接歸零。

台灣吃到哪一段：設計服務與先進封裝

雲端巨頭有架構想法、有訂單量，但不一定有能力把晶片從規格送進台積電產線、再做完先進封裝出貨，這道工序外包給誰做？創意電子（GUC）官方揭露，自己提供「從規格定案（Spec-in）、系統單晶片整合、實體設計、先進封裝技術到量產服務」的全流程 ASIC 設計服務，台積電持股 35% 是其最大股東，也是唯一的晶圓代工夥伴。世芯扮演類似角色，AI／HPC ASIC 已占其營收約八成。台灣吃到的是這道「把 CSP 的構想變成能量產晶片」的工序，晶片出貨後掛的是 CSP 自己的品牌，不是台灣設計服務商的名字。

封裝測試同樣分到一杯羹。日月光（ASE）先進封裝業務2026 年營收上修目標增加約 20 億美元，其中 CoWoS 相關業務 2026 年營收目標看到 3 億美元、2027 年預期再放大，資本支出年增二成、三分之二投入廠房與設施擴產。這條供應鏈上，台灣卡住的是設計服務與先進封裝這兩道別人短期繞不過的工序。我先前寫過小摩估算 ASIC 出貨在 2027 年超車 GPU、台灣 IC 設計族群被法人重估的市場動態，那篇談的是股價與訂單，這篇回到原理：為什麼會出現這個轉向。

什麼情況下仍該用 GPU

三種情境輪不到 ASIC。第一，模型架構還在快速迭代的研發與訓練階段，今天定案的電路，可能半年後模型改版就用不上，GPU 的可程式化才扛得住這種變動。第二，工作負載量體不夠大，前面算過，先進製程 ASIC 的開發成本要攤到 10 萬顆以上出貨才划算，中小型服務或還在驗證階段的產品，流片一次的錢可能比全年營收還高。第三，軟體生態與人才，CUDA 累積十幾年的工具鏈與熟悉的工程師，遠比自研晶片的客製工具鏈成熟，轉換成本本身就是一筆隱性開銷。市場現在的分工更像「輝達主攻通用訓練與彈性工作負載，自研 ASIC 主攻自家固定又大量的推論」，兩條線各自吃各自的份額。

常見問題

ASIC 跟 GPU 最根本的差異是什麼？
ASIC 是為單一任務把電路刻死的客製晶片，換取更高的每瓦效能與更低單位成本；GPU 是通用可程式化的平行運算器，用彈性換取能跑各種工作負載的能力。imec 的比較指出，ASIC 要贏過 GPU，前提是工作負載夠穩定、產能能被打滿。

為什麼雲端巨頭現在拚命做自己的 ASIC？
因為推論工作負載一旦上線就固定重複，用不到 GPU 保留的彈性，卻要為那份彈性付電費。一顆頂級 AI GPU 市價約 5 萬美元、占資料中心資本支出四成到四成五，大量重複的推論如果能用更省電的專用電路做，長期省下的電費遠比開發成本高。

做一顆 ASIC 要花多少錢、多久？
先進製程（3 到 5 奈米級）流片一次，光罩費用落在 1 千萬到 2 千萬美元，加計 IP 授權、EDA 工具與設計團隊人力，整體開發成本可疊到 3 千萬到超過 1 億美元，從規格定案到量產要跑 24 到 36 個月，業界經驗法則是年出貨量要衝上 10 萬顆以上才划算。

台灣公司在這波 ASIC 熱潮裡做什麼？
不是賣自己品牌的晶片，是接 CSP 的設計服務與封測訂單。創意電子提供從規格定案到量產的全流程 ASIC 設計服務，台積電是其最大股東與唯一晶圓代工夥伴；日月光的先進封裝業務同步吃到2026 年 CoWoS 相關營收目標 3 億美元的訂單潮。