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），而非訓練。報道稱，DeepSeek 已經在悄悄招募芯片設計工程師，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 The Information 與多家轉引，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。智譜已經和多家國內芯片設計公司做了初步接觸，但尚未選定合作方，據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、沒有定型的設計。

實際上，DeepSeek 和智譜也非孤例。把鏡頭拉遠，你會發現「AI 公司想自己造芯片」在 2026 年已經從個別選擇變成了行業的默認動作：從大洋彼岸的 OpenAI、Anthropic，到國內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 則已經把實物擺出來了。

6 月 24 日，OpenAI 與博通（Broadcom）聯合發布了 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計的 ASIC（專用集成電路）。

OpenAI 硬件負責人 Richard Ho 表示，這枚芯片「從零開始為 LLM 推理而設計」，團隊圍繞內核、內存搬運、網絡和服務模式做了針對性優化。

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

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

Jalape?o 計劃在 2026 年底開始部署，錨定的是一份 10 GW 規模、要到 2029 年才完成的博通合作。據報道，微軟預計會買下首批 Jalape?o 產能的約 40%。

Anthropic 在猶豫，但也已經動身

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，尚未敲定設計，也沒組建專門團隊。

但到了 7 月初，事情有了新進展。據多家媒體報道，Anthropic 已經開始和三星接觸，探討代工一枚定制芯片，據稱瞄準的是三星的 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」仍將是其算力戰略的核心，對三星合作「不予進一步置評」。

這句官方表態，恰恰點出了自研芯片浪潮里最真實的一層動機。據 The Information 的數據，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。規模一旦到了這個量級，自研芯片的經濟賬才算得過來。

推理！推理！推理！

把 DeepSeek、智譜、OpenAI、Anthropic 這些消息并排看，會發現一個共同點：它們要造的，全是推理芯片，而不是訓練芯片。這不是巧合。

行業里一個正在發生的結構性轉移是：算力消耗的重心，正從「訓練模型」轉向「運行模型」。訓練是一次性成本，而把模型服務給成百上千萬用戶，是持續不斷的開銷。據 Introl 的行業分析，推理如今已經吃掉了全部 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。訓練階段需要瑞士軍刀的靈活，因為模型架構還在變；可一旦模型定型、要拿去服務海量請求，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，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分：

• 傳統推理是「查詢成本」：一次提問、一次回答，結算完畢；
• 智能體是「循環成本」：用戶的一個目標，會觸發幾十甚至上百次推理調用，因為智能體要推理、規劃、檢索、執行。

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

當智能體大規模鋪開，訓練與推理之間的經濟不對稱，會以非線性的方式滾大。也因此，這家分析機構判斷：推理經濟學不是 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濟賬

對于「為何要自己造」，業內其實已經有了相當具體的數字支撐。

最直觀的一個案例來自 AI 圖像平臺 Midjourney。據報道，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十億次查詢的超大規模廠商身上，正如一位分析師所說，投入數十億美元自研芯片，就變成了一道「直白的財務計算題」。

這道題的答案，正在改變整個市場。據 TrendForce 的預測，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 引用彭博行業研究的數字則更宏觀：到 2033 年，整個 AI 加速器市場預計達到 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著母公司內部的巨量推理負載。

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

據 CNBC 報道，Trainium 首席架構師 Ron Diamant 稱，亞馬遜這款 ASIC 相比 AWS 上其他硬件供應商有 30% 到 40% 的性價比優勢。

這些數字表明：當你的算力需求膨脹到超大規模，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、成本結構和供應鏈。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。據 Spheron 的分析，幾乎所有嚴肅的 LLM 推理優化，從 FlashAttention 到 vLLM 里的連續批處理，都只跑在 CUDA 上。這套生態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」。據估算，把服務棧從 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。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：推理取代訓練成為算力主戰場，讓專用 ASIC 有了用武之地；智能體爆發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。自研芯片遠非穩贏。設計周期動輒 18 到 24 個月，前期工程投入巨大，還需要工作負載足夠穩定、可預測，才值得圍繞一個固定架構去設計。對于還在試驗模型架構的初創公司，或是任務五花八門的普通企業，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% 的成本優勢，只屬于每天跑數十億次查詢的巨頭；對每周只跑幾萬次查詢的企業，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」？多數分析給出的答案偏向后者。據 Oplexa，到 2027 年 ASIC 出貨量或將在數量上超過 GPU，但兩個市場都會繼續增長：AI 基礎設施正在分岔成兩個不同的賽道：固定、高頻、可預測的負載歸 ASIC，研究、多樣、架構還在演進的負載歸 GPU。英偉達依然牢牢握著訓練和絕大多數市場。

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。