市场关注的两家ASIC企业都发布了自家的财报。

博通2025财年第一季度财报显示，营收149.16亿美元，同比增长25%，净利润55.03亿美元，同比增长315%。其中，第一季度与AI有关的收入同比增长77%至41亿美元。

Marvell预计第一财季销售额约为18.8亿美元，芯片破解同比增长27%。其中，AI业务收入达7亿美元左右，主要是亚马逊等客户定制ASIC等产品需求增长的带动。

01ASIC，越发丰富

今年以来，大模型的更迭越发的激烈。DeepSeek研究团队再放大招，公开NSA算法。同日，马斯克发布Grok 3模型，号称拳打DeepSeek脚踢OpenAI。

DeepSeep之风正盛，将全球科技产业的重心从训练推向推理阶段。由于DeepSeek是MOE模型，能够实现更低的激活比。算力、内存、互联原有平衡发生剧变，新算力架构机会再次进入同一起跑线。

这种条件下，定制化芯片ASIC似乎越来越适合AI时代。

ASIC芯片的主要根据运算类型分为了TPU、DPU和NPU芯片，分别对应了不同的基础计算功能，也有不同的优势。

TPU

先来看TPU。TPU的核心是矩阵乘法单元，它采用脉动阵列架构，芯片破解这意味着数据以类似心脏跳动的方式在芯片内流动。这种架构允许高度并行的乘法和加法操作，使得TPU能够在每个时钟周期内处理大量的矩阵运算。

如果把TPU比作一个工厂，这个工厂的任务是把两堆数字（矩阵）相乘。每个工人（脉动阵列的小格子）只需要做简单的乘法和加法，然后把结果传给下一个工人。这样，整个工厂就能高效地完成任务，而且速度比普通的工厂（比如CPU或GPU）快很多。

TPU的优势是能够高效处理大规模矩阵运算，支持神经网络的训练和推理任务。所以，更加适合用在数据中心的AI训练和推理任务，如自然语言处理、计算机视觉和语音识别。

DPU

其次来看DPU。DPU能够处理大量的网络数据包，包括接收、分类、转发和过滤等。它通过硬件加速引擎（如网络处理引擎）来加速网络操作，减少CPU在网络处理上的负载。

DPU就像是一个快递中心，它负责接收包裹（数据），快速分拣，然后把包裹送到正确的地方。它有自己的小助手（加速器），这些小助手很擅长处理特定的任务，比如快速识别包裹的地址或者检查包裹是否完好。这样，DPU就能让整个快递系统（数据中心）运行得更高效。

DPU的优势是可以卸载CPU的部分任务，减少CPU的负担。优化了数据传输路径，从而提高系统的整体效率。所以，它的应用场景是数据中心的网络加速、存储管理、安全处理等。

NPU

再来看NPU。NPU是专门为神经网络计算设计的芯片，采用“数据驱动并行计算”的架构。它能够高效执行大规模矩阵运算，特别是卷积神经网络（CNN）中的卷积操作。

如果把NPU比作一个厨房，这个厨房有很多厨师（计算单元），芯片破解每个厨师都能同时做自己的菜（处理数据）。比如，一个厨师负责切菜，一个厨师负责炒菜，另一个厨师负责摆盘。这样，整个厨房就能同时处理很多道菜，效率非常高。NPU就是这样，通过并行处理，让神经网络的计算变得更快。

NPU的优势就是执行AI任务时功耗较低，适合边缘设备。并且，专为神经网络设计，适合处理深度学习任务。所以，NPU的应用场景是人脸识别、语音识别、自动驾驶、智能相机等需要进行深度学习任务的领域。

简而言之，TPU适合深度学习、DPU适合数据中心的数据管理、NPU通过并行计算快速完成神经网络任务，适合各种AI应用。