B体育ASIC (Application Specific Integrated Circuit )芯片是专用集成电路，是针对用户对特定电子系统的需求，从根级设计、制造的专有应用程序芯片，其计算能力和计算效率可根据算法需要进行定制，是固定算法最优化设计的产物。ASIC 芯片模块可广泛应用于人工智能设备、虚拟货币挖矿设备、耗材打印设备、军事国防设备等智慧终端。
在硬件层面，ASIC 芯片由基本硅材料、磷化镓、砷化镓、氮化镓等材料构成。在物理结构层面，ASIC 芯片模块由外挂存储单元、电源管理器、音频画面处理器B体育、网络电路等IP核拼凑而成。同一芯片模组可搭载一个或几个功能相同或不同的ASIC 芯片，以满足一种或多种特定需求。
(1) 根据定制程度不同，ASIC 芯片可被分为全定制ASIC 芯片、半定制ASIC 芯片及可编程ASIC芯片。
全定制ASIC 芯片是定制程度最高的芯片之一，研发人员基于不同电路结构设计针对不同功能的逻辑单元，于芯片板搭建模拟电路、存储单元、机械结构。逻辑单元之间由掩模版连接，ASIC 芯片掩模版也具备高度定制化特点。
全定制化ASIC 芯片设计成本较高，平均每单位芯片模块设计时间超过9 周。该类芯片通常用于高级应用程序。
相对半定制化ASIC 芯片，全定制化ASIC 芯片在性能、功耗等方面表现优秀。如应对相同功能B体育，在同种工艺前提下，全定制化ASIC 芯片平均算力输出约为半定制化ASIC 芯片平均算力输出的8 倍，采用24 纳米制程的全定制化ASIC 芯片在性能上优于采用5 纳米制程的半定制化ASIC 芯片。
构成半定制ASIC 芯片的逻辑单元大部分取自标准逻辑单元库，部分根据特定需求做自定义设计。相对全定制ASIC 芯片设计成本较低，灵活度较高。
根据标准逻辑单元和自定义逻辑单元数量搭配模式不同，半定制ASIC 芯片可细分为门阵列芯片和标准单元芯片。
门阵列ASIC 芯片包括有信道门阵列、无信道门阵列和结构化门阵列。门阵列ASIC 芯片结构中硅晶片上预定晶体管位置不可改变，设计人员多通过改变芯片底端金属层等方式调整逻辑单元互连结构。
有信道门阵列ASIC 芯片：该类芯片晶体管位置高度固定，设计人员可在晶体管行之间预定义的空白空间进行电路布局;
无信道门阵列ASIC 芯片：无信道结构下，晶体管行之间不存在电路布局空间，设计人员通常于门阵列单元上方进行布线;
结构化门阵列ASIC 芯片：该结构包括基本门阵列行及嵌入块。嵌入块可提高线路布局灵活度，但对芯片体积构成限制。该结构下，线路布局面积使用效率较高，设计成本较低，周转时间较短。
该类ASIC 芯片由选自标准单元库的逻辑单元构成。设计人员可按算法需求自行布置标准单元。除标准单元外，微控制器、微处理器等固定块也可用于标准单元ASIC 芯片架构。
广义而言，可编程ASIC 芯片可分为FPGA 芯片和PLD 芯片。在实际生产过程中，将FPGA 芯片列为不同于ASIC 芯片的研究机构和企业数量不断增加，故本报告仅将PLD(Programmable Logic Device)视为可编程ASIC 芯片子类别。
PLD 亦称可编程逻辑器件，在结构上包括基础逻辑单元矩阵、触发器、锁存器等，其互连部分作为单个模块存在。设计人员通过对PLD 进行编程以满足部分定制应用程序需求B体育。
(2) ASIC 芯片可根据终端功能不同分类为TPU 芯片、BPU 芯片和NPU 芯片。
① TPU 为张量处理器，专用于机器学习。如Google 于2016 年5 月研发针对
Tensorflow 平台的可编程AI 加速器，其内部指令集在Tensorflow 程序变化或更新算法时可运行。
② BPU 是大脑处理器，是由地平线科技提出的嵌入式人工智能处理器架构。
③ NPU 是神经网络处理器，在电路层模拟人类神经元和突触，并用深度学习指令集直接处理大规模电子神经元和突触数据。
CPU 等传统芯片通过读取、执行外部程序代码指令而生成结果，相对而言B体育，ASIC 芯片读取原始输入数据信号，并经内部逻辑电路运算后直接生成输出信号。
相对CPU、GPU、FPGA 等类型芯片，ASIC 芯片在专用系统应用方面具备多元优势，具体表现在如下几方面。
① 面积优势：ASIC 芯片在设计时避免冗余逻辑单元、处理单元、寄存器、存储单元等架构，以纯粹数字逻辑电路形式构建，有利于缩小芯片面积。应对小面积芯片，同等规格晶圆可被切割出更多数量芯片，有助于企业降低晶圆成本。
② 能耗优势：ASIC 芯片单位算力能耗相对CPU、GPU、FPGA 较低，如GPU 每算力平均约消耗0.4 瓦电力，ASIC 单位算力平均消耗约0.2 瓦电力，更能满足新型智能家电对能耗的限制。
③ 集成优势：因采用定制化设计，ASIC 芯片系统、电路、工艺高度一体化，有助于客户获得高性能集成电路。
④ 价格优势：受到体积小、运行速度高、功耗低等特点影响，ASIC 芯片价格远低于CPU、GPU、FPGA 芯片。当前全球市场ASIC 芯片平均价格约为3 美元，远期若达到量产规模，ASIC 芯片价格有望保持持续下降态势。
① ASIC 芯片定制化程度较高，设计开发周期长，成品需要做物理设计和可靠性验证，面市时间较慢。
② ASIC 芯片对算法依赖性较高。人工智能算法高速更新迭代，导致ASIC 芯片更新频率较高。
③ 因ASIC 芯片定制化程度较高，研发周期相对漫长，扩大了ASIC 成品被市场淘汰的风险。
① 谷歌于2016 年推出TPU，谷歌旗下2017 版AlphaGo 物理处理器中镶嵌4 个TPU，可支持谷歌云TPU 平台和机器学习超级计算机B体育。
② IBM 通过模拟大脑结构于2014 年8 月推出制程为28 纳米的第二代TrueNorth芯片，可应用于实时视频处理。
③ 英特尔于2017 年推出Xeon 系列ASIC 芯片。该系列芯片可独立充当处理器，无需附加主机处理器和辅助处理器，可应用于机器深度学习。
④ 斯坦福大学推出基于新神经形态计算架构的ASIC 芯片运算速度为普通电脑9,000倍，可模拟约100 万个大脑神经元、几十亿个突触连接。
⑤ 新兴科创企业将ASIC 芯片应用拓展至安防、辅助驾驶、传统家电、智慧医疗等领域。
② 移动通信设备、头显设备(AR、VR、MR)、平板电脑、无人机、智能家居设备等消费性电子产品将成为 ASIC 芯片产品集中应用领域。
③ 以图形架构为基础的深度学习处理器盛行，ASIC 更适用于图形架构运算环境。
④ 预计 2022 年前后，能够同时进行训练和推理的人工智能终端设备将更加普及，ASIC芯片将被大量导入该类设备。
DCIM全称DataCenterInfrastructureManagement，即数据中心基础设施管理。DCIM是近两年在数据中心管理领域兴起的一个热点话题,旨在采用统一的平台同时管理关键基础设施如UPS、空调以及IT基础架构如服务器，并通过数据的分析和聚合，最大化数据中心的运营效率，提高可靠性。
