ASIC 芯片技術、政策與資金優勢明顯，特定場景應用需求高漲。如需最大限度地提高性能功耗比，相較于 GPU、FPGA 等，標準單元 ASIC 是最佳選擇；而如果項目需要重視開發成本，結構化 ASIC（相比于標準單元 ASIC 設計流程，設計人員可以跳過多個步驟，只需專注于實現所需的定制功能）表現優秀，可以在產量較低的情況下成為節省成本和功耗的經濟方法。上述優勢決定了 ASIC 芯片在 AI 訓練、AI 推理、通信、物聯網等領域具有極大定制化應用價值。如谷歌的 TPU（張量處理單元）系列芯片是 Google 專為神經網絡設計的 ASIC，具有專用功能如矩陣乘法單元（MXU）和專有的互連拓撲，非常適用于加快 AI 訓練和推理速度。24 年 Q4 對 TPU v6 的采用提供了比 TPU v5 四倍的訓練性能和三倍的推理吞吐量，定價具有吸引力同時所提供的架構可以很好地創造和提升效率。政策與資金層面，美國《芯片與科學法案》對本土芯片研發具有高額補貼，加速商業化落地。