AI大模型公司，正在集體“造芯”

# AI大模型公司，正在集體“造芯”

半個月內，全球最頭部的四家AI大模型公司——OpenAI、Anthropic、DeepSeek、智譜AI——不約而同地將觸角伸向了芯片領域。這不是巧合，而是一場正在加速發生的產業變革。7月7日，路透社獨家報道稱，DeepSeek已秘密啟動自研AI推理芯片項目約一年，芯片定位專攻推理而非訓練，目的是降低對英偉達和華為等外部供應商的依賴。幾乎同一時間，The Information爆料稱智譜AI也在評估自研定製芯片，已向多家國內芯片設計公司進行初步詢問。

再往前推不到兩週，OpenAI剛剛發佈了與博通聯合開發的首款定製推理芯片Jalapeño，而Anthropic也被曝出正在與三星接洽，探討2納米制程的代工合作。這場集體“造芯”運動的背後，是一筆越來越難以忽視的算力賬單，以及AI行業對於算力自主權的深層焦慮。## DeepSeek的“第三條路”

據三位知情人士透露，DeepSeek的自研芯片項目大約在一年前就已秘密啟動，目前仍處於早期階段，公司已與芯片設計公司、晶圓代工廠及存儲廠商展開多輪接洽。值得注意的是，DeepSeek選擇的是一條“中間路線”——芯片定位既不是英偉達的GPU路線，也不是華為昇騰的國產替代路線，而是一條完全自研的推理芯片路線。長期以來，DeepSeek同時使用英偉達和華為芯片。其底層基礎模型曾在英偉達H800上完成訓練，美國對華實施芯片出口管制後，DeepSeek逐漸轉向華為昇騰芯片，今年4月發佈的DeepSeek-V4模型已全面適配華為昇騰架構。但即便如此，DeepSeek依然選擇自己造芯片。

最直接的答案，藏在DeepSeek剛剛完成的融資裡。2026年6月，DeepSeek完成了成立以來的首輪外部融資，籌集約510億元人民幣（約74億美元），投後估值在520億至590億美元之間。此前多年，DeepSeek一直拒絕外部投資，創始人梁文鋒多次表示“不缺錢”“不想被資本裹挾”。此次開放融資本身就是重大戰略轉向，而資金用途也很明確：擴建以國產芯片為主的算力中心、自研AI芯片、擴充全球頂尖人才團隊。但更深層的原因，是算力賬單已經到了無法忽視的地步。## 算力賬單：一個無法迴避的殘酷現實

大模型公司為什麼要自己造芯片？答案首先寫在賬單上。訓練一個前沿大模型動輒數億美元，但訓練是階段性的。推理卻不同，它發生在每一次用戶提問、每一次API調用、每一次Token生成之中。有機構數據顯示，在生產環境中，推理可佔模型生命週期計算成本的80%至90%。隨著AI應用大規模鋪開，行業算力消耗的重心正在從模型訓練轉向推理運行。英偉達的GPU毛利率長期維持在75%以上。一家公司能把毛利率做到這個水平，核心前提是買家別無選擇。但問題是：推理對芯片的需求和訓練完全不同。訓練階段需要處理海量參數的並行梯度計算，對算力密度、內存帶寬、互聯速度的要求極高。

但推理階段做的是給定一個輸入、跑一次前向傳播、輸出結果，計算圖相對固定，對通用性的要求低得多，對專用化的適配空間反而大得多。專用推理芯片（ASIC）剝離了所有冗餘電路，天生為特定算法的矩陣計算而生，具備遠超通用GPU的能效比和更低的量產成本。Trendforce預測，到2026年ASIC的增長率將達到44.6%，而GPU的增長率為16.1%。Google很早就驗證了這個邏輯。TPUv1在2016年上線時製程只有28納米，而英偉達同期的GPU已經在16納米，但谷歌的內部測試顯示，在推理任務上TPUv1比同期CPU和GPU實現了15到30倍的性能提升，能效提升達30到80倍。

一塊成熟製程的專用芯片，在固定任務上打敗了先進製程的通用GPU——這就是所有大模型公司都在算的一筆經濟賬。## 一個比一個急

DeepSeek不是第一個，也不會是最後一個。2026年6月24日，OpenAI與博通聯合發佈了首款定製推理芯片Jalapeño，同樣是一枚專為大語言模型推理設計的ASIC。幾個數字令人印象深刻：Jalapeño從設計到流片只用了九個月，OpenAI稱這可能是高性能先進半導體史上最快的ASIC開發週期。博通CEO陳福陽表示，Jalapeño相比典型的AI圖形處理單元，展現出約50%的成本節省。OpenAI的計劃不止於此。Jalapeño計劃在2026年底開始部署，錨定的是一份10GW規模、要到2029年才完成的博通合作。微軟預計會買下首批Jalapeño產能的約40%。

兩家公司已有未來芯片的路線圖，下一代計劃於2028年推出，隨後每年發佈一代。再看Anthropic。今年4月，路透社率先報道稱Anthropic也在權衡自研芯片。到了7月初，事情有了實質性進展。據多家媒體報道，Anthropic已經開始和三星接觸，探討代工一枚定製芯片，據稱瞄準的是三星的2納米制程和先進封裝。更耐人尋味的是，Anthropic最近挖來了Clive Chan——他是OpenAI自研芯片團隊的早期核心成員。為什麼Anthropic這麼急？答案依然還是賬本的原因。2025年底，Anthropic的年化運行收入約90億美元；2026年4月，超過300億；5月底，超過470億。

五個月，翻了五倍多。但這種增長也給基礎設施帶來了“不可避免的壓力”。Anthropic此前一直以“多平臺、不押單一硬件”為招牌，訓練和推理押在AWS Trainium、谷歌TPU和英偉達GPU三張牌上。但如今，它也想要一顆自己的芯片了。把鏡頭拉回國內。智譜AI同樣在行動。據The Information報道，智譜近期已向多家國內芯片設計公司發出初步諮詢，探討聯合開發專為GLM系列模型優化的定製AI處理器（ASIC）。直接導火索是GLM-5.2發佈後，其在Vercel等平臺的日均Token使用量單週暴漲27倍。與此同時，智譜已被列入美國實體清單，高端英偉達芯片的採購通道基本關閉。

從組建團隊、芯片設計、流片測試到軟件棧適配，整個項目週期預計超過兩年，但智譜必須走這條路——算力供給已成為制約業務拓展的關鍵瓶頸。## 英偉達的“四面楚歌”

當你的客戶開始自己造芯片，你的麻煩就來了。過去二十年，英偉達最大的競爭對手一直是AMD。今天，這個名單徹底變了。谷歌十年前就開始佈局TPU，亞馬遜推出Trainium，微軟推出Maia，Meta推出MTIA。現在，連OpenAI、Anthropic、DeepSeek、智譜這些曾經的“純客戶”也加入了造芯大軍。這些曾經最依賴英偉達的人，如今正在成為它未來最大的競爭者——這在半導體歷史上幾乎從未發生過。英偉達正在調整產品策略。

根據TrendForce集邦諮詢的研究，在大型雲端服務供應商加大自研芯片力度的情況下，英偉達在GTC 2026大會改為著重各領域的AI推理應用落地，有別於以往專注雲端AI訓練市場。同時，英偉達也在積極推動整合方案，Vera Rubin被定義為高度垂直整合的完整系統，涵蓋七款芯片和五款機櫃。此外，英偉達也在嘗試“打不過就加入”的策略。據The Information獨家消息，英偉達與AI芯片初創企業d-Matrix將融合雙方硬件，打造一套全新算力系統用於大模型推理。另一個AI服務器芯片廠商SambaNova也宣佈讓自家芯片可與英偉達GPU協同運行AI模型。

但一個無法迴避的事實是：英偉達的壟斷定價權正在鬆動。壟斷定價有一個脆弱點——它只在買家認為自己沒有退路時成立。哪怕退路還不成熟，哪怕還在流片階段，只要買家手裡多了一個選項，談判桌上的力量就徹底變了。正如一位分析師所說：“DeepSeek不需要造出最強的芯片，只需要在談判桌上多一個選項。”消息傳出當日，英偉達盤前股價下跌約1.6%——對一家萬億市值的巨頭而言，是上百億美元的蒸發。## 算力主權之爭

這場造芯運動的本質是什麼？是算力主權。 Forrester分析師Mike Gualtieri一句話點破了本質：“如果你依賴別人的芯片，就永遠無法成為真正的AI巨頭。”

過去三年，AI行業拼的是模型能力。今天，競爭已經悄然升級——AI戰爭正在從“模型戰爭”進入“算力主權戰爭”。幾乎所有頭部AI公司都在走向同一條道路：模型+芯片+雲的全棧戰略。大模型公司造芯，同時包含了三個層面的考量：Token成本賬、供應安全賬、地緣政治賬。成本賬我們已經算過了，自研推理芯片能將成本降低30%到50%。供應安全賬同樣殘酷——英偉達握著全球約74%的AI芯片市場，單一供應商的依賴風險、高端芯片供應緊張，迫使大模型公司向上遊硬件延伸。地緣政治賬更不必說。

從早期依賴英偉達H800訓練R1模型，到轉向華為昇騰部署V4，再到如今親自下場設計推理芯片，DeepSeek的算力路線變遷，幾乎就是中國AI產業算力自主化進程的微縮樣本。這條路能否走通？至少還需要兩到三年才能驗證。芯片從試產、製造到實際上線，預估至少需要2年時間。設計一款先進AI芯片的成本可能達到約5億美元。國內頂尖芯片設計人才本就稀缺，寒武紀、海光、壁仞等公司早已把人才市場“掃”過數輪。但方向已經很明確。頭部大模型公司正在撕下純算法公司的標籤，把戰火燒到了芯片這個最硬核的戰場。

OpenAI已經用Jalapeño證明了自研芯片的可行性；Anthropic正在追趕；DeepSeek和智譜已經扣動了扳機。這不是一場豪賭，而是一條必由之路。2024年，梁文鋒曾表示，DeepSeek“目前沒有短期融資計劃，我們真正的挑戰從來不是資金，而是高端芯片的出口禁令”。一年後的今天，他不僅打破了“不融資”的承諾，還親自下場造芯片。這不是妥協，而是覺醒。當一個AI大模型的日活用戶突破千萬量級，當每一次API調用都在燒錢，當芯片供應隨時可能被掐斷，當75%的毛利率成為別人的利潤——你只有兩個選擇：要麼繼續做英偉達的“租客”，要麼自己成為“房東”。所有頭部大模型公司，都選擇了後者。

因為在這個算力驅動的時代，誰掌握了芯片，誰就掌握了AI的命脈。