為什么前沿AI公司都想自己造芯片？

編輯｜Panda

7 月 7 日這一天，有兩條關(guān)于中國 AI 公司自研芯片的消息成為熱點新聞。

先是路透社的獨家：DeepSeek 正在研發(fā)自己的芯片。消息援引三名知情人士，說這枚芯片瞄準的是推理（inference），而非訓(xùn)練。報道稱，DeepSeek 已經(jīng)在悄悄招募芯片設(shè)計工程師，且沒有走公開招聘渠道，同時在和外部代工廠、存儲廠商接觸。DeepSeek 沒有回應(yīng)置評請求，也有所爭議，因為這條消息目前只有路透社單一信源。

同一天，The Information 又報道稱，另一家中國實驗室智譜也在評估自研定制芯片。知情人士稱，原因是 GLM-5.2 需求的暴增。據(jù) The Information 與多家轉(zhuǎn)引，這款模型是 Vercel 模型聚合平臺上增長最快的模型，上線首周日均 token 消耗一度飆升達 27 倍。智譜已經(jīng)和多家國內(nèi)芯片設(shè)計公司做了初步接觸，但尚未選定合作方，據(jù)稱整個項目可能需要兩年以上。消息一出，智譜在港股當日一度漲約 9.9%。

當然，兩條消息都還停留在早期評估階段，都沒有實物、沒有定型的設(shè)計。

實際上，DeepSeek 和智譜也非孤例。把鏡頭拉遠，你會發(fā)現(xiàn)「AI 公司想自己造芯片」在 2026 年已經(jīng)從個別選擇變成了行業(yè)的默認動作：從大洋彼岸的 OpenAI、Anthropic，到國內(nèi)的這兩家前沿實驗室，動作出奇地一致。這篇文章想回答的是：為什么？

上個月，OpenAI 已經(jīng)把芯片端上了桌

如果說 DeepSeek 的消息還停留在傳聞層面，OpenAI 則已經(jīng)把實物擺出來了。

6 月 24 日，OpenAI 與博通（Broadcom）聯(lián)合發(fā)布了 Jalape?o，這是 OpenAI 的第一枚自研芯片，同樣是一枚專為大模型推理設(shè)計的 ASIC（專用集成電路）。

OpenAI 硬件負責(zé)人 Richard Ho 表示，這枚芯片「從零開始為 LLM 推理而設(shè)計」，團隊圍繞內(nèi)核、內(nèi)存搬運、網(wǎng)絡(luò)和服務(wù)模式做了針對性優(yōu)化。

據(jù) OpenAI 介紹，早期實驗室測試顯示，Jalape?o 的每瓦性能「大幅優(yōu)于當前業(yè)界最先進水平」。不過該公司也承認，最終性能仍在測量中，詳細技術(shù)報告要等未來幾個月才發(fā)布，這類廠商自述的性能優(yōu)勢，在第三方 benchmark 出來之前，只能算一面之詞。

幾個細節(jié)值得留意。據(jù) Tom's Hardware 報道，這枚芯片從設(shè)計到流片（tape-out）只用了九個月，OpenAI 稱這可能是高性能先進半導(dǎo)體史上最快的 ASIC 開發(fā)周期；而加速這個周期的，正是 OpenAI 自己的模型：用 AI 來設(shè)計造 AI 的芯片。

Jalape?o 計劃在 2026 年底開始部署，錨定的是一份 10 GW 規(guī)模、要到 2029 年才完成的博通合作。據(jù)報道，微軟預(yù)計會買下首批 Jalape?o 產(chǎn)能的約 40%。

Anthropic 在猶豫，但也已經(jīng)動身

再看另一家前沿實驗室 Anthropic。今年 4 月，路透社率先報道稱 Anthropic 也在權(quán)衡自研芯片，措辭很謹慎：計劃處于早期階段，公司甚至可能最終決定只買不造，尚未敲定設(shè)計，也沒組建專門團隊。

但到了 7 月初，事情有了新進展。據(jù)多家媒體報道，Anthropic 已經(jīng)開始和三星接觸，探討代工一枚定制芯片，據(jù)稱瞄準的是三星的 2 納米制程和先進封裝。

并且 Anthropic 最近挖來了 Clive Chan，而他是 OpenAI 自研芯片團隊的早期成員。

面對追問，Anthropic 的回應(yīng)是：由谷歌、亞馬遜、英偉達芯片組成的「多元化硬件棧」仍將是其算力戰(zhàn)略的核心，對三星合作「不予進一步置評」。

這句官方表態(tài)，恰恰點出了自研芯片浪潮里最真實的一層動機。據(jù) The Information 的數(shù)據(jù)，英偉達握著全球約 74% 的 AI 芯片市場；而 Anthropic 至今沒造過一顆自己的芯片，Claude 的每一次調(diào)用，跑的都是從合作伙伴那里租來的芯片；而這些合作伙伴，同時也是它的競爭對手。

值得注意的是，Anthropic 探索自研的時間點，和它收入的陡增幾乎同步。據(jù)其自己披露，2026 年運營收入年化已越過 300 億美元，而 2025 年底還只有約 90 億美元。規(guī)模一旦到了這個量級，自研芯片的經(jīng)濟賬才算得過來。

推理！推理！推理！

把 DeepSeek、智譜、OpenAI、Anthropic 這些消息并排看，會發(fā)現(xiàn)一個共同點：它們要造的，全是推理芯片，而不是訓(xùn)練芯片。這不是巧合。

行業(yè)里一個正在發(fā)生的結(jié)構(gòu)性轉(zhuǎn)移是：算力消耗的重心，正從「訓(xùn)練模型」轉(zhuǎn)向「運行模型」。訓(xùn)練是一次性成本，而把模型服務(wù)給成百上千萬用戶，是持續(xù)不斷的開銷。據(jù) Introl 的行業(yè)分析，推理如今已經(jīng)吃掉了全部 AI 算力的約三分之二。

https://introl.com/blog/custom-silicon-inflection-2026-hyperscaler-asics-nvidia-gpu

而推理，恰恰是 ASIC 的主場。用《芯片戰(zhàn)爭》作者 Chris Miller 對 CNBC 的一個比喻來說：英偉達的 GPU 像一把瑞士軍刀，什么并行計算都能干；而 ASIC 像一件單一用途的工具，很高效、很快，但被硬連線鎖死只做一類活。訓(xùn)練階段需要瑞士軍刀的靈活，因為模型架構(gòu)還在變；可一旦模型定型、要拿去服務(wù)海量請求，那把「單一用途的工具」反而更省電、更便宜。

https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/

智能體（Agent）的爆發(fā)，進一步放大了這筆賬。MindCast AI 的一篇分析提出了一個有意思的區(qū)分：

• 傳統(tǒng)推理是「查詢成本」：一次提問、一次回答，結(jié)算完畢；
• 智能體是「循環(huán)成本」：用戶的一個目標，會觸發(fā)幾十甚至上百次推理調(diào)用，因為智能體要推理、規(guī)劃、檢索、執(zhí)行。

圖片譯自 https://www.mindcast-ai.com/p/ai-inference-economy

當智能體大規(guī)模鋪開，訓(xùn)練與推理之間的經(jīng)濟不對稱，會以非線性的方式滾大。也因此，這家分析機構(gòu)判斷：推理經(jīng)濟學(xué)不是 2028 年才要操心的事，而是一個 2026 年就要做的采購決策。

一筆越來越算得過來的經(jīng)濟賬

對于「為何要自己造」，業(yè)內(nèi)其實已經(jīng)有了相當具體的數(shù)字支撐。

最直觀的一個案例來自 AI 圖像平臺 Midjourney。據(jù)報道，Midjourney 在把推理負載從英偉達 GPU 遷移到谷歌第七代 TPU 后，月度算力開銷從約 210 萬美元降到約 70 萬美元，降幅 65%。把這個比例放大到每天跑數(shù)十億次查詢的超大規(guī)模廠商身上，正如一位分析師所說，投入數(shù)十億美元自研芯片，就變成了一道「直白的財務(wù)計算題」。

這道題的答案，正在改變整個市場。據(jù) TrendForce 的預(yù)測，2026 年定制 ASIC 的出貨增速將達到 44.6%，而商用 GPU 只有 16.1%——這也是定制芯片增速首次超過 GPU。Introl 引用彭博行業(yè)研究的數(shù)字則更宏觀：到 2033 年，整個 AI 加速器市場預(yù)計達到 6040 億美元，而定制硅片在其中的份額還在加速上升。

超大規(guī)模廠商早已用真金白銀投了票。谷歌的 TPU、亞馬遜的 Trainium、微軟的 Maia、Meta 的 MTIA……這些自研芯片各自服務(wù)著母公司內(nèi)部的巨量推理負載。

https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/

據(jù) CNBC 報道，Trainium 首席架構(gòu)師 Ron Diamant 稱，亞馬遜這款 ASIC 相比 AWS 上其他硬件供應(yīng)商有 30% 到 40% 的性價比優(yōu)勢。

這些數(shù)字表明：當你的算力需求膨脹到超大規(guī)模，芯片不再是成本項，而是競爭壁壘本身。正如 Oplexa 的一篇分析所言，控制自己的硅片，意味著控制自己的性能路線圖、成本結(jié)構(gòu)和供應(yīng)鏈。這三樣是任何采購訂單都換不來的。

擺脫英偉達，不只是省錢

如果說經(jīng)濟賬是明面上的理由，那么「不想把命運交給一家公司」則是浪潮底下更深的那股暗流。

英偉達的強勢，一部分來自芯片本身，更大一部分來自CUDA。而 CUDA 是一套積累了二十多年的軟件生態(tài)。據(jù) Spheron 的分析，幾乎所有嚴肅的 LLM 推理優(yōu)化，從 FlashAttention 到 vLLM 里的連續(xù)批處理，都只跑在 CUDA 上。這套生態(tài)與其說是英偉達的護城河，不如說是任何想換芯片的團隊要付的「搬遷成本」。據(jù)估算，把服務(wù)棧從 vLLM 移植到亞馬遜 Neuron SDK，往往要花兩到六周工程時間，某些模型架構(gòu)甚至根本不被支持。

https://www.spheron.network/blog/hyperscaler-custom-ai-chips-2026-trainium-tpu-maia-mtia-vs-nvidia-gpu/

正因為這道墻又高又厚，繞過它的動機才格外強烈。對超大規(guī)模廠商和前沿實驗室而言，每一份跑在自研芯片上的負載，都意味著更多利潤留在自己口袋里，也意味著在和英偉達談價時多一分底氣。

TheStreet 的判斷頗為直白：正在改變的，是「AI 實驗室必須接受英偉達開出的任何價格和供貨條件」這個默認假設(shè)。微軟有 Maia，亞馬遜有 Trainium，谷歌有 TPU，而最新一批 AI 實驗室，如今也想為自己攢出同樣的籌碼。

中國實驗室還多面臨一道枷鎖

回到 7 月 7 日那兩條消息。對 DeepSeek 和智譜而言，自研芯片除了上述所有理由，還共同面臨著一個它們的美國同行沒有的問題：出口管制。

另外值得一提的是，DeepSeek 這次自研傳聞，恰好和它首次接受外部融資的節(jié)點撞在一起：該公司完成一輪超 500 億元融資，估值超 3300 億元。造芯片很燒錢，錢和芯片這兩件事同時發(fā)生，未必是巧合。

而智譜，則早在今年 1 月就已成為首家在港交所上市的中國 AI 實驗室。兩家都在為這場昂貴的豪賭，先把錢袋子準備好。

能成功嗎？

把這些線索收攏，「為何 AI 公司都想自己造芯片」這個問題，答案其實是幾股力量的合流：推理取代訓(xùn)練成為算力主戰(zhàn)場，讓專用 ASIC 有了用武之地；智能體爆發(fā)把推理成本推向非線性膨脹，讓省下的每一分錢都被放大；而對英偉達的深度依賴，則讓所有人都想為自己攢一份議價的籌碼。 對 DeepSeek、智譜這樣的中國公司，還要再加上出口管制問題。

但熱潮之下，冷水也該潑一盆。自研芯片遠非穩(wěn)贏。設(shè)計周期動輒 18 到 24 個月，前期工程投入巨大，還需要工作負載足夠穩(wěn)定、可預(yù)測，才值得圍繞一個固定架構(gòu)去設(shè)計。對于還在試驗?zāi)Ｐ图軜?gòu)的初創(chuàng)公司，或是任務(wù)五花八門的普通企業(yè)，英偉達 GPU 的靈活性反而是更劃算的選擇。

TechTimes 說得清楚，那 40% 到 65% 的成本優(yōu)勢，只屬于每天跑數(shù)十億次查詢的巨頭；對每周只跑幾萬次查詢的企業(yè)，這筆賬是反過來的。

更值得追問的一個問題是：這場浪潮，究竟會削弱英偉達，還是只是給它「加了個補充位」？多數(shù)分析給出的答案偏向后者。據(jù) Oplexa，到 2027 年 ASIC 出貨量或?qū)⒃跀?shù)量上超過 GPU，但兩個市場都會繼續(xù)增長：AI 基礎(chǔ)設(shè)施正在分岔成兩個不同的賽道：固定、高頻、可預(yù)測的負載歸 ASIC，研究、多樣、架構(gòu)還在演進的負載歸 GPU。英偉達依然牢牢握著訓(xùn)練和絕大多數(shù)市場。

https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/

DeepSeek 和智譜到底能否造出自己的芯片，眼下都還沒有答案，畢竟兩條消息本身也都還停留在早期評估階段。

但它們在同一天落地，像兩枚同時投進水面的石子，激起的漣漪照出了同一片焦慮：從舊金山到北京，在這個算力即權(quán)力的時代，沒有一家想活到下一輪的 AI 公司，愿意把自己的命脈，永遠租在別人手里。