ChatGPT 秒回复杂问题、自动驾驶精准识别路况的背后是万亿次/秒的算力在支撑。AI算力是集信息计算力、网络运载力、数据存储力于一体的新型生产力，涵盖“算力芯片-服务器-光模块-PCB（印刷电路板）-液冷-AIDC（人工智能数据中心）-算力网络”等核心环节，协同支撑AI算力的高效输出。我们以AI算力产业链的视角展开，带大家一起梳理一下。
算力产业包括上游的芯片及元器件，中游的服务器与网络设备，下游的数据中心及云服务三部分构成。
本期，我们聚焦算力产业链的上游——芯片，主要负责数据的计算，包括CPU、GPU、ASIC、FPGA等。它们有的擅长“多面手”工作，能处理各种复杂任务，有的专攻单一领域，把一件事做到极致。先看一张对比表，快速get核心差异：
我们用职场分工来做个比喻，帮助大家更好地理解它们的核心定位和区别。
CPU（中央处理器）——“全能经理”，啥活都能扛但不偏科
CPU相当于“全能经理”，比如你用电脑写文档，CPU要同时处理文字输入、自动保存、后台杀毒等多个任务，擅长把复杂逻辑梳理得井井有条。小到手机、笔记本，大到服务器、超级计算机，都离不开 CPU，但如果让它去算1000万道加减法，效率就不如专门的“数据团队”GPU了。
GPU（图形处理器）：“数据团队”，海量任务并行干
GPU原本是为处理图形设计的，但是它的并行计算能力也特别强，擅长处理海量简单的任务。比如训练 AI 大模型时，需要对 “上亿个参数” 反复计算，CPU 单独干可能要很久，而 GPU 靠 “数千个轻量计算核心” 同时运算，时间就会大大缩短。
ASIC（专用集成电路）：“专项专家”，把一件事做到极致
ASIC是为单一任务量身定做的芯片，相当于一个专项业务专家，只负责某一件事，但能把这件事做到极致，比如手机里的 “基带芯片”，专门处理通信信号，也是 ASIC 的一种。但是ASIC有一个缺点，一旦设计生产，就没办法改变功能，如果任务变了，这个芯片就没用了。
FPGA（现场可编程门阵列）：“灵活项目组”，随时调整任务
FPGA有点像芯片里的“变形金刚”，它的内部有大量可适配逻辑单元，可以根据不同任务随时调整分工，不需要重新生产芯片。比如 5G 基站在不同地区需要支持 “不同频段信号”，用 FPGA 就能通过 “重新编程” 快速适配，不用换芯片；再比如芯片公司研发新产品时，会先用 FPGA 做 “原型验证”—— 先测试功能是否可行，再决定要不要量产 ASIC，大大降低研发风险。
总的来说，每类芯片都有对应的下游应用和技术路线，其中目前GPU市场最为成熟且应用广泛。据Statista数据显示，2023年，全球GPU市场规模高达436亿美元，预计2029年达到2742亿美元。
而我国目前也有不少公司能够自主研发AI芯片。IDC数据显示，2024年，我国本土AI芯片品牌渗透率约30%，出货量达82万张。《中国规划2025》提出，到2025年，70%的核心基础零部件、关键基础材料实现自主保障。
芯片作为AI算力的基石，为AI服务器提供算力的底层支撑，无论是全球巨头主导的成熟赛道，还是国产厂商突围的创新领域，芯片的技术突破与产能落地，都将影响着 AI 算力从 “够用” 到 “好用” 的跨越，成为支撑其发展的核心引擎。
声明：本资料仅用于投资者教育，不构成任何投资建议。我们力求本资料信息准确可靠，但对这些信息的准确性、完整性或及时性不作保证，亦不对因使用该等信息而引发的损失承担任何责任，投资者不应以该等信息取代其独立判断或仅根据该等信息做出决策。基金有风险，投资须谨慎。
来源：易方达投资者教育基地
睿迎网提示：文章来自网络，不代表本站观点。
