公募机构看衰AI半导体这门生意，觉得机会很大。因为人工智能的计算需求天天在涨，逼着整个半导体行业搞大改革。这改革不是说造芯片的技术光用进步了，其实是让芯片内部的功能模块重新排个座次，把重点放在哪里更重要。传统的中央处理器（CPU）讲究的是通用的处理能力和按顺序办事的本事，里边用了很多晶体管去干复杂的控制和缓存活。不过，人工智能特别是深度学习需要处理那么多数据的矩阵运算，直接把CPU那种设计的局限性给戳穿了。CPU在这种模式下太费电、效率太低。所以，为了对付特定的计算任务，专用芯片这路子就出来了。 沿着这条路往下走，图形处理器（GPU）第一个站了出来。GPU本来是为了画图的那种大规模并行架构设计的，结果发现跟神经网络训练需要大量数据并行处理的特点特别合得来。GPU不再光搞图形了，变成了现在搞人工智能训练的主力工具。它厉害的地方是通过成千上万个简单的计算单元，一起干活干重复的任务，这样在专门的领域处理速度就比CPU快很多。 但技术发展哪能停步？等到人工智能模型真正部署出去用的时候，也就是推理那个环节，对省电、低延迟和成本的要求就更苛刻了。这就把更细分的专用集成电路（ASIC）给推出来了。ASIC完全是为特定的算法或模型定制的，不要那些通用的单元了，直接把计算路径和内存访问都给优化好。这样在干活的时候效率就比GPU还高、还省电，当然也意味着灵活度就下降了。 从CPU到GPU再到ASIC，这就像是算力为了跟上算法的需求往不同方向深挖的过程。这种变化直接反映在产业链的价值分布上。设计环节变得特别复杂，得有懂算法的和懂设计的人配合才行。生产上也得用晶圆级封装或者芯粒（Chiplet）这些新的高级技术，好让芯片集成度更高又好散热。材料和设备这块儿也会有新要求。 公募机构之所以盯着这个方向，就是想找确定性强的技术趋势带来的长期价值转移机会。他们不是为了短期的热点瞎跟风，而是分析人工智能从研发到大规模用起来这一整套流程里会生出啥样的不同阶段硬件需求。做投资研究得看清楚各个企业能不能在技术和产业变化里建立起持续的竞争力和壁垒。不能光盯着一个产品看怎么改了。