---
title: AI 正在“矿机化”：成本降 10 倍，GPU 会被淘汰吗？
date: 2026-02-23T09:29:55Z
modified: 2026-02-23T09:34:41Z
permalink: "https://www.appinn.com/asicai-mining-machine-era-gpu-obsolete/"
type: post
status: publish
excerpt: ""
categories:
  - AI
tags:
  - AI
  - ASIC
  - 显卡
  - 比特币
  - 矿机
featured_image: "https://www.appinn.com/wp-content/uploads/2026/02/Copy-of-appinn-homework-67.jpg"
author: 青小蛙
timestamp: 2026-02-23T09:34:41Z
---

几天前，一家公司把大模型直接写入芯片（ASIC），推理速度为 17000 Token/s，相当于1秒生成30页A4纸的内容，但耗电量和使用成本比英伟达显卡降低 10 倍！
**比特币的故事，正在 AI 身上重演。**

![](https://www.appinn.com/wp-content/uploads/2026/02/Copy-of-appinn-homework-67.jpg)

## 比特币矿工的军备竞赛

2009 年，比特币刚诞生时，使用 CPU 挖矿，大家在同一起跑线。

很快，显卡挖矿软件出现，算力暴涨，CPU 被淘汰。

2012 年，第一批 ASIC 矿机问世，显卡矿工几乎一夜之间失去优势。

从此，CPU 与显卡从比特币挖矿市场退出，只剩下了 ASIC 矿机。

![](https://www.appinn.com/wp-content/uploads/2026/02/unwatermarked_Gemini_Generated_Image_s04bovs04bovs04b.avif)

---

## ASIC 到底是什么？

ASIC，全称是 Application-Specific Integrated Circuit——专用集成电路。

![](https://www.appinn.com/wp-content/uploads/2026/02/ChatGPT-Image-2026年2月23日-17_15_53.avif)

在原理上，他们的区别是这样的：

- CPU：告诉我怎么做，我一步步运行指令，**重复一万次**
- GPU：告诉我怎么做，我**把一条指令同时运行一万次**
- ASIC：不用告诉我怎么做，电流流过，结果自然产生

因为 ASIC 把“怎么做”这件事，直接刻进了芯片结构里。它只做一件事，也只能做一件事。它不再运行程序。它本身，就是程序。

就像 CPU 的加法器一样，当两个数字输入进去，电路自动给出结果。

---

## AI 大模型的 ASIC 时刻

![](https://www.appinn.com/wp-content/uploads/2026/02/Screenshot-2026-02-23-09.17.02@2x.avif)

比特币挖矿，从一开始就是一件高度重复、结构固定的计算任务。
而今天的大模型，本质上也是如此。

几天前，**[Taalas](https://taalas.com/)** 发布了一款能运行 **Llama 3.1 8B** 的 ASIC 芯片，他们没有让 GPU 去加载模型，而是直接将模型，变成了电路。

这就无需将大模型放入内存再去运行，因为它已经在芯片中了。

## 英伟达显卡如何处理大模型的数据？

以 **Llama 3.1 8B** 模型为例，它由 32 层处理流程叠起来，即 32 道工序处理用户输入的内容。

每一道工序，都在对输入内容做一次加工。当你输入一句话时，会先转换成一串数字（向量），然后这串数字要依次通过 32 道工序（读取参数、计算、写回内存，来回 32 次），最终输出结果。

这个过程就像美化照片：

- 第一步调亮度
- 第二步调对比度
- 第三步增强边缘

最终生成一张精修后的照片。

## Taalas 如何将大模型写入芯片？

![](https://www.appinn.com/wp-content/uploads/2026/02/Screenshot-2026-02-23-09.18.39@2x.avif)

如果这 32 道工序已经是固定的，能不能把它直接做成电路？

答案是可以。

Taalas 将 32 层 Llama 3.1 按顺序刻在芯片上，并发明了一种硬件方案：神奇乘法器（Magic Multiplier）。可以存储 4 位数据并使用单个晶体管执行与其相关的乘法。

现在，当用户输入时，它先转换为向量，并流入构成第 1 层的物理晶体管。它通过**神奇乘法器**进行乘法，而不用将结果保存在显存中。

电信号只是沿着物理线路流入第 2 层晶体管…直到生成最终的输出 Token。

## 模拟 DeepSeek R1-671B：单块芯片装不下怎么办？

对于像 DeepSeek R1-671B 这样的大模型，一块 ASIC 根本装不下。

为了解决这个问题，Taalas 设想用大约 30 块定制 ASIC，把模型参数按模块分布在不同芯片上协同推理。每块芯片依然是“硬连线”的专用设计，只负责模型的一部分。

模拟结果依然惊人：

- 单用户推理速度约 **12,000 token/秒**
- 每 100 万 token 成本约 **7.6 美分**
- 成本大约是同等 GPU 方案的一半

## 未来是 ASIC 的吗？

不一定。

ASIC 的代价，是极端专用。模型一旦升级，可能就要重新流片。

- GPU 可以运行任何模型。
- ASIC 只能运行被刻进去的那个模型

如果 AI 推理变成一个标准化、规模化的产品，那么未来可能是这样的：

用户应用层面，直接使用 ASIC 进行大模型输出，成本低廉、速度很快、能耗降低，堪称完美。

而开发层面，GPU 会重回训练、实验和通用计算领域，去训练新的大模型。

### 但有一件事可以确定：

当“智能”被刻进硅片，算力的战争，进入了新的阶段。

![](https://www.appinn.com/wp-content/uploads/2026/02/Screenshot-2026-02-23-09.26.21@2x.avif)

## 这到底是不是 AI 的矿机时刻？

当年显卡矿工不愿相信 ASIC 会赢，但利润足够大时，效率终究战胜通用性。

今天，大模型推理正在变成一种标准化、规模化的重复计算。

历史告诉我们：当计算足够标准化，它终究会被刻进硅片。

这一次，轮到 AI。

## 一连串的疑问？

如果模型被刻进芯片，那么：

- 算力会更集中吗？
- 小公司还能参与吗？
- 开源模型还有空间吗？
- 算力是否会再次集中到少数巨头手中？

---

原文链接：https://www.appinn.com/ai-mining-machine-era-gpu-obsolete/

参考内容：

1. [How Taalas “prints” LLM onto a chip?](https://www.anuragk.com/blog/posts/Taalas.html)
2. [Taalas Specializes to Extremes for Extraordinary Token Speed](https://www.eetimes.com/taalas-specializes-to-extremes-for-extraordinary-token-speed/)

## Topics

**分类目录:** [AI](https://www.appinn.com/category/ai/?output_format=md)

**标签:** [ASIC](https://www.appinn.com/tag/asic/?output_format=md), [显卡](https://www.appinn.com/tag/%e6%98%be%e5%8d%a1/?output_format=md), [比特币](https://www.appinn.com/tag/%e6%af%94%e7%89%b9%e5%b8%81/?output_format=md), [矿机](https://www.appinn.com/tag/%e7%9f%bf%e6%9c%ba/?output_format=md)