熟悉3C产品的读者应该知道，手机正常运行是离不开SoC（System-on-Chip，系统级芯片)的，它是一种将多个电子组件集成到单个芯片上的集成电路设计。SoC虽然只有指甲盖那么大，但是“五脏俱全”，集成于此的各个模块支撑着手机所有功能的正常运作，比如负责手机应用流畅切换的CPU、支持游戏画面快速加载的GPU，以及专门负责实现AI运算和Al应用运行的NPU。
CPU是计算机的通用“大脑”，可处理各种任务，但是不专也不精；GPU功能多样、能力强大，不仅擅长图像处理，还因为出众的并行运算能力，成为AI时代各家必争之物。而NPU（Neural Processing Unit，神经网络处理器）之所以可以直接影响3C产品AI能力的强弱，是因为它模仿人的神经网络，专门为执行机器学习算法而生，这种专业化的出身，使其能够为AI工作任务提供比GPU更高的性能。
这就是ASIC（Application Specific Integrated Circuit，独特应用芯片）技术的魅力。为特定用途而定制的集成电路芯片即为ASIC芯片，这种芯片的特点就是电路逻辑不可编程，在被设计、制作出来后只能跑一种算法、干一种活，最典型的例子就是矿机芯片。
高确定性换来的是高效率以及性能的优化：由于是为特定应用程序设计的，其电路也可以高度优化，因此最大程度地减少功耗。在AI应用领域，AI加速芯片可以分为GPU、FPGA、ASIC三种技术路线，同时芯片算力水平也依次递增。
博通ASIC芯片设计制造能力从一次次收购中而来
回到现实，在当下的AI浪潮中，英伟达已经凭借高端GPU稳坐“卖铲人”第一把交椅，但它并不是唯一一个受益者。之前的文章中我们曾提及，半导体领域的老牌龙头博通能够“挑战”英伟达，是因为通过收购押中了AI软件这一未来技术风向标，其实更重要的还是其在算力硬件层的设计能力，这一点吸引了诸多想要打破英伟达垄断的大客户。
02
被“抬”到前台的设计厂商
虽然英伟达GPU占尽了风头，但国内外诸多AI科技企业都没有放弃过自研芯片。
亚马逊AWS团队对自研芯片的评价，或许可以代表部分AI企业的心声：由于AI深度学习使用量增加，开发团队受到固定运算限制，连带影响其模型、应用程式开发，“通过投入自制芯片，能降低训练成本”。
头部科技企业的AI自研芯片
亚马逊AWS第一代自制AI训练芯片Trainium相较于同等级的其他芯片，不仅能节省50%的训练成本，效能也显著提升。去年年末发布的训练芯片Trainium 2相较于第一代，速度提升至4倍，并且能够部署在多达10万个芯片的计算集群中，大幅降低了训练模型的时间，同时提高至2倍的能效表现。
当这些大公司纷纷开始自研芯片的时候，最大的受益者就是ASIC服务商，博通是个典型但并非唯一。
博通虽然会因为看重云端集成软件解决方案，而斥资690亿美元收购全球虚拟化和云计算基础架构的头部企业VMware，但AI软件服务只能算是有预见性的未来投注，并不是让博通一跃成为仅此于英伟达的AI芯片厂商的契机——真正的机会来自于其擅长的ASIC设计服务。
通过ASIC技术自研AI训练芯片是最节省成本的方式，这在上一波由Alpha GO掀起的AI浪潮中就已经被证明，谷歌的TPU（张量处理单元）也是最典型的代表。2016年，谷歌为深度学习专门打造了TPU，专门为其机器学习框架TensorFlow设计，曾应用于AlphaGo，现在已经更迭至第四代，大部分部署于谷歌云平台，还有一部分Tensor芯片今年搭载到了谷歌旗下的Pixel 9系列手机上，直接在本地设备上处理AI计算任务。
而谷歌的TPU芯片设计正是由博通来做的。据业内人士透露，博通作为通信巨头拥有提升信号传输效率的关键工具——SerDes(串行器/解串器) 通信技术。值得一提的是，这个技术也是通过收购获得的。2013年，博通以66亿美元的价格收购了LSI旗下的SerDes部门。
简单介绍一下年轻读者比较陌生的LSI。成立于1981年的LSI logic，在上世纪90年代已经是当时最大的ASIC企业，也是ASIC行业的先驱之一。基于丰富的IP核心技术，它拥有强大的ASIC设计和制造能力，可以为客户提供高性能、低功耗且完整的ASIC解决方案以及产品。当时的商业模式和现在也差不多，就是给那些自己没有能力设计ASIC芯片的公司，提供设计服务；设计方案通过后，这些公司再下单采购ASIC芯片。
SerDes通信技术对于ASIC芯片的帮助在于能解决一个关键问题，即芯片之间的通信，这让谷歌很是心动。