在瑞士银行（UBS）的年度全球技术大会上，AMD 掌门人苏姿丰（Lisa Su）面对 Google TPU 的强势崛起，给出了一个看似保守实则犀利的判断：未来五年，ASIC（专用芯片）的市场份额约为 20%-25%，而 GPU 仍将占据统治地位。

这一论断在资本市场引发了激烈的讨论。作为英伟达唯一的挑战者，AMD 捍卫通用 GPU 的地位无可厚非。

但如果我们将视线拉长，跳出苏姿丰划定的“五年”窗口，结合当下 AI 巨头们面临的“变现焦虑”，我们会发现这并非一场零和博弈，而是一场极其复杂的双轨接力赛。

我们正处于一个算力范式转移的微妙时刻：一方面，摩尔定律的放缓要求我们追求极致效率（ASIC）；另一方面，算法大爆发又要求我们保持极致弹性（GPU）。

苏姿丰的核心观点——“你无法预知该在芯片里硬编码什么”——精准地概括了当下 AI 行业的现状。

这也是为什么我们认为，在产业初期，GPU 的需求不仅不会降低，反而会持续井喷。

目前的AI 行业，本质上还处于“炼金术”阶段。

从 Transformer 到 MoE（混合专家模型），再到最近基于思维链（Chain of Thought）的推理模型，算法架构每6个月就会发生一次剧变。在这种不确定性中，灵活性就是最高的效率。

对于开发者而言，针对TPU 或 AWS Trainium 编写特定算子（Kernel）是一场赌博。

如果下个月算法变了，原本针对特定矩阵运算优化的 ASIC 电路就可能沦为昂贵的“电子垃圾”。

相比之下，GPU 就像是一把瑞士军刀，虽然它切牛排不如专用牛排刀快，但它能锯木头、开罐头、拧螺丝。

在“寻找圣杯”的探索期，冗余是必要的代价。

企业宁愿多付电费，多买昂贵的H100 或 MI300，也要确保自己不会因为硬件架构的局限而错失下一个GPT-4 级别的突破。

这就是为什么在未来3到5年内，GPU的霸权难以撼动——因为我们在为“可能性”买单，而不是为“确定性”买单。

然而，必须指出的是，苏姿丰的“GPU 统治论”更多是基于训练（Training）和早期推理的视角。如果我们引入“商业变现”这一变量，逻辑将变得更加立体。

目前，行业的发展趋势是GPU 训练与 ASIC 变现的“双轨并行”。AI 巨头陷入了一个巨大的 CAPEX（资本支出）黑洞。

OpenAI、Google、Meta 动辄投入数百亿美元购买 GPU 集群。这些巨额投入必须转化为收入，否则华尔街的耐心会迅速耗尽。

这导致了一个有趣的现象：

1、左手训练（烧钱）： 为了追求AGI（通用人工智能），模型训练不会停，参数量还在指数级增长。这部分工作必须依赖 GPU 集群，因为这是前沿探索，没有现成的路。

2、右手变现（省钱）：与此同时，为了让财报好看，必须大规模通过API 变现现有的成熟模型（如 GPT-4o 或 Llama 3）。

这就引出了ASIC 的“中后期统治力”。

当一个模型从“探索品”变成“标准品”后，算力成本的控制就成了生死线。

如果ChatGPT的每一次对话都完全依赖昂贵的H100运行，其边际成本将高到无法普及。

一旦算法结构相对稳定（比如 Transformer 架构在未来几年内不再被彻底颠覆），ASIC 的机会就来了。

就像比特币挖矿的历史一样：最早大家用CPU 挖，后来发现 GPU 更快，最后当 SHA-256 算法固定不变时，ASIC 矿机（蚂蚁矿机）彻底清场了 GPU。

在AI 应用的中后期阶段，当某个垂直领域的模型（比如医疗影像诊断、自动驾驶感知、法律文书生成）固化下来，不再需要频繁修改底层架构时，针对该模型定制的ASIC将在能效比和单位成本上对 GPU 形成降维打击。

那时，ASIC的市场份额极有可能突破苏姿丰所说的25%，甚至在推理端占据半壁江山。

因此，未来五到十年的芯片格局，不会是简单的“谁吃掉谁”，而是形成明确的阶级分层：

顶层（探索层）：也就是苏姿丰强调的这五年。这是最前沿的实验室，是OpenAI 训练 GPT-6、GPT-7 的地方。这里依然是 GPU 的绝对领地。AMD 和英伟达将在这里展开刺刀见红的性能军备竞赛，因为这里卖的是“未来”。

中层（规模层）： 也就是Google TPU、亚马逊AWS Trainium 所在的区域。这里运行着已经验证过的、拥有十亿级用户的超级应用（如搜索、推荐流）。为了节省 1% 的电费和硬件成本，巨头们有足够的动力去自研芯片。

底层（端侧与边缘）： 这是一个正在爆发的市场。手机、汽车、PC 里的 NPU（神经网络处理器）本质上都是ASIC。随着 AI 落地到终端，这部分的量级将是巨大的。

苏姿丰之所以坚持20%～25%的ASIC份额，或许是因为她站在“高性能计算供应商”的角度，看到的是数据中心里那部分最高价值的增量。

但如果算上广义的推理应用，随着应用场景的成熟，ASIC的渗透率必然会随着算法的“结晶化”而不断攀升。

Lisa Su 在 UBS 的发言，展现了一位顶级半导体领袖的务实与狡黠。她承认了 Google TPU 的优秀，但用“灵活性”这一无法反驳的逻辑，锁死了 GPU 在创新早期的核心地位。

但作为观察者，我们必须看到硬币的另一面：并没有哪家公司能永远靠“早期的红利”活着。

GPU 就像是拓荒时代的万能吉普车，在这个充满未知的 AI 西部世界里，它是最可靠的伙伴。

但随着城镇建立、道路铺平（算法固化、应用成熟），追求极致运力的高铁（ASIC）必然会接管大宗物流。