台积电之所以在AI芯片领域表现出色，ASIC芯片成为了人工智能领域的理想选择。ASIC是一种为专门目的而设计的集成电路，功能特定的最优功耗AI芯片，专为特定目的而设计。不同于GPU和FPGA的灵活性，定制化的ASIC一旦制造完成将不能更改，所以初期成本高、开发周期长的使得进入门槛高。

目前，大多是具备AI算法又擅长芯片研发的巨头参与，如Google的TPU。根据富比士报导，当前可用于加速机器学习训练及深度神经网路的主要芯片技术包括ASIC芯片、绘图芯片(GPU)、现场可程式化逻辑闸阵列(FPGA)芯片以及中央处理器(CPU)等4种，这4类芯片技术在支援AI及机器学习上各有擅场及优劣势，其中GPU在技术上即为ASIC技术运用在处理绘图演算法上。

基本上GPU速度非常快且相对具弹性，而ASIC技术虽同样具备处理速度很快的优势，不过使用弹性相对较缺乏。在开发ASIC芯片上，要设计出一款ASIC芯片所需投入的大量资源及努力，不少可能必须耗资高达数千万甚或数亿美元，并需要组建一支成本不低的人员团队。此外， ASIC晶体管还将必须不断升级以跟上新技术及制程水平，加上由于其逻辑固定，因此若在快速发展中的AI领域有新想法出现，即无法对此快速做出反应；反观FPGA则可以进行再程式化以执行一项全新功能。

然而，未来看来，是不是应该期待一个新的突破？类脑chip正成为一个热点话题，它们借鉴了大脑信息处理方式，可以实时处理非结构化信息并具有学习能力，更接近人工智能目标。由于完美适用于神经网络相关算法，对性能和功耗都有显著提升，比如寒武纪发布了指令集预计将是未来AI chip的一个核心方向。但问题来了：谁能代工这些复杂设备？

先看代工厂这边，由于难度太高，只有几家公司能够生产这样的单封装系统，如台积电、三星和格罗方德。而哪些厂商真正擅长2.5D集成并拥有关键IP（比如HBM2物理层接口和高速SerDes）呢？这是模拟设计中非常苛刻挑战，从第三方那里购买IP可以把风险降至最低。而eSilicon就是这样的一家公司，他们从2011年以来一直在做2.5D集成，并被公认为这一领域领导者之一，同时也提供硅验证HBM2 PHY技术。

那么SerDes呢？到目前为止,eSilicon已经集成了第三方SerDes模块。如果仔细观察，你会发现情况还在发生变化，但已明确展现出了他们对于这个方向发展前景乐观的情绪。这意味着，在未来的某个时间点，我们可能会看到更多基于这种类型的人工智能解决方案被应用到实际业务中去，以实现更好的效率与效果。