為什麼前沿AI公司都想自己造芯片？

# 為什麼前沿AI公司都想自己造芯片？2026年7月7日，兩則來自不同中國AI實驗室的消息幾乎同時引爆行業關注。路透社獨家報導指出，DeepSeek正在秘密研發自研芯片，目標鎖定推理場景而非訓練，並已低調招募芯片設計工程師，與代工廠及存儲廠商展開接觸。同日，The Information披露，智譜也在評估自研定製芯片的可能性，原因在於其GLM-5.2模型需求暴增，上線首週日均token消耗一度飆升27倍，促使公司與多家國內芯片設計公司初步洽談。

儘管兩者皆處於早期評估階段，尚無實物或定型設計，但這兩條消息共同指向一個正在加速成形的行業趨勢：前沿AI公司不再滿足於向英偉達採購現成芯片，而是決心自己動手。這股浪潮並非僅限於中國。將鏡頭拉遠，從大洋彼岸的OpenAI、Anthropic，到中國的DeepSeek與智譜，動作出奇一致。OpenAI已率先從傳聞走向現實。6月24日，它與博通聯合發布了首枚自研芯片Jalapeño，這是一款專為大型語言模型推理設計的ASIC。

OpenAI硬體負責人Richard Ho表示，該芯片從零開始為LLM推理量身打造，針對內核、內存搬運、網絡及服務模式進行了深度優化，實驗室測試顯示每瓦性能大幅優於當前業界最先進水平。從設計到流片僅耗時九個月，OpenAI自稱這可能是高性能半導體史上最快的ASIC開發週期，而加速這一過程的正是AI本身——用模型來設計製造AI的芯片。Jalapeño預計於2026年底開始部署，微軟據稱將買下首批產能的約40%。Anthropic同樣在猶豫中前行。今年4月，路透社率先報導其權衡自研芯片，但措辭謹慎，計畫仍處於早期階段，甚至可能最終決定只買不造。

然而到了7月初，事情出現實質進展：Anthropic開始與三星接觸，探討代工一枚定製芯片，目標鎖定三星的2納米製程與先進封裝。它還從OpenAI挖來了自研芯片團隊早期成員Clive Chan。儘管官方回應稱，由谷歌、亞馬遜與英偉達芯片組成的多元化硬體棧仍是算力戰略核心，對三星合作不予置評，但這恰恰點出了自研浪潮最真實的動機之一。據The Information數據，英偉達握有全球約74%的AI芯片市場，而Anthropic至今未造一顆芯片，每次Claude調用都跑在租來的芯片上，這些合作伙伴同時也是競爭對手。

值得注意的是，Anthropic探索自研的時間點與其收入陡增幾乎同步——2026年運營收入年化已越過300億美元，而2025年底還僅約90億美元。規模一旦達到這個量級，自研芯片的經濟賬才算得過來。將這些案例並排審視，一個共同點清晰浮現：它們要造的統統是推理芯片，而非訓練芯片。這絕非巧合。行業正在經歷一場結構性轉移：算力消耗的重心從訓練模型轉向運行模型。訓練是一次性成本，而將模型服務於數百萬用戶是持續性開銷。據Introl分析，推理如今已吃掉全部AI算力的約三分之二。推理正是ASIC的主場。

《芯片戰爭》作者Chris Miller用一個生動比喻解釋：英偉達GPU像一把瑞士軍刀，什麼並行計算都能幹；而ASIC像單一用途的工具，高效快速卻被鎖死只做一類活。訓練階段需要瑞士軍刀的靈活性，因為模型架構還在變；一旦模型定型並服務海量請求，這把單一工具反而更省電、更便宜。智能體的爆發進一步放大了這筆經濟賬。傳統推理是查詢成本：一次提問、一次回答，結算完畢。智能體則是循環成本：用戶一個目標可能觸發幾十甚至上百次推理調用，因為它要推理、規劃、檢索、執行。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方式滾大。推理經濟學不再是2028年才需操心的事，而是2026年就必須做出的採購決策。

對於為何自己造芯片，業內已有具體數字支撐。AI圖像平台Midjourney將推理負載從英偉達GPU遷移至谷歌第七代TPU後，月度算力開銷從約210萬美元降至約70萬美元，降幅高達65%。將這個比例放大至每天處理數十億次查詢的超大規模廠商，投入數十億美元自研芯片變成一道直白的財務計算題。據TrendForce預測，2026年定製ASIC出貨增速將達44.6%，而商用GPU僅為16.1%，定製芯片增速首次超越GPU。Introl引用彭博行業研究的數字指出，到2033年整個AI加速器市場預計達6040億美元，定製矽片佔比正加速上升。

超大規模廠商早已用真金白銀投票：谷歌TPU、亞馬遜Trainium、微軟Maia、Meta MTIA，各自服務著內部巨量推理負載。Trainium首席架構師Ron Diamant稱，該ASIC相比AWS上其他硬體供應商有30%至40%的性價比優勢。當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——控制自己的矽片意味著控制性能路線圖、成本結構與供應鏈。如果說經濟賬是明面上的理由，那麼不想把命運交給一家公司則是更深層的暗流。英偉達的強勢不僅來自芯片本身，更大程度上來自CUDA這套積累二十多年的軟體生態。

幾乎所有嚴肅的LLM推理優化，從FlashAttention到vLLM的連續批處理，都只跑在CUDA上。這套生態既是護城河，也是任何想換芯片的團隊需要支付的搬遷成本。據估算，將服務棧從vLLM移植到亞馬遜Neuron SDK往往需要兩到六週工程時間，部分模型架構甚至不被支援。正因這道牆既高又厚，繞過它的動機才格外強烈。對超大規模廠商與前沿實驗室而言，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，同時在與英偉達談價時多一分底氣。正在改變的，是AI實驗室必須接受英偉達任何價格與供貨條件這個默認假設。

回到7月7日的兩條消息，對DeepSeek與智譜而言，自研芯片除了上述所有理由，還共同面臨美國同行沒有的問題：出口管制。值得一提的是，DeepSeek這次自研傳聞恰好與其首次接受外部融資的節點重疊——公司完成超500億元融資，估值超3300億元。造芯片極度燒錢，錢與芯片這兩件事同時發生未必是巧合。智譜則早在今年1月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提前準備資金。

將這些線索收攏，AI公司為何都想自己造芯片的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；智能體爆發將推理成本推向非線性膨脹，使每一分節省都被放大；對英偉達的深度依賴則讓所有人都想為自己攢一份議價籌碼。對DeepSeek與智譜這樣的中國公司，還要加上出口管制問題。然而熱潮之下，冷水也該潑一盆。自研芯片遠非穩贏：設計週期動輒18到24個月，前期工程投入巨大，且需要工作負載足夠穩定與可預測，才值得圍繞固定架構去設計。對於仍在試驗模型架構的初創公司或任務五花八門的普通企業，英偉達GPU的靈活性反而是更划算的選擇。

那40%到65%的成本優勢只屬於每天處理數十億次查詢的巨頭；對每週僅跑幾萬次查詢的企業，這筆賬是反過來的。更值得追問的問題是：這場浪潮究竟會削弱英偉達，還是僅僅給它加了個補充位？多數分析傾向後者。到2027年ASIC出貨量可能在數量上超越GPU，但兩個市場都會繼續增長。AI基礎設施正在分岔成兩個賽道：固定、高頻、可預測的負載歸ASIC；研究、多樣、架構仍在演進的負載歸GPU。英偉達依然牢牢握著訓練與絕大多數市場。DeepSeek與智譜能否造出自己的芯片，眼下尚無答案，畢竟兩條消息還停留在早期評估階段。

但它們在同一天落地，像兩枚同時投入水面的石子，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，願意把自己的命脈永遠租在別人手裡。