全球大模型公司为何纷纷抛弃英伟达

最近几天，有几条新闻，看似各说各话，但放在一块儿，指向的趋势却出奇一致。

Meta宣布，9月就要开始量产第四代AI芯片Iris了，而且计划是每半年迭代一代；几乎同一时间，路透社那边爆出，DeepSeek已经秘密研发AI推理芯片快一年了，还在到处挖芯片设计工程师；紧接着，The Information又报道，智谱也在跟国内ASIC厂商接触，打算搞一款专用AI处理器；再往前看，OpenAI正式发布了自研推理芯片Jalapeño，Anthropic也开始从OpenAI的芯片团队挖人，准备自己下场。

把这些新闻串起来，一个问题，渐渐浮出水面：“为什么全球最优秀的大模型公司，都开始自己造芯片？”

答案其实很直接。过去三年，AI行业拼的是模型能力，到今天，竞争已经换了赛道。AI战争，正在从“模型战争”升级为“算力主权战争”。几乎所有头部AI公司，最终都走上了同一条路：模型+芯片+云的全栈战略。

而英伟达，这个全球AI芯片的绝对霸主，正前所未有地感受到“四面楚歌”。

英伟达真正的敌人，不再是AMD，而是自己的客户

过去二十年，英伟达的头号竞争对手一直是AMD。

今天，这个名单彻底变了。

7月9日，路透社披露的一份Meta内部备忘录震动了整个半导体行业：这家社交媒体巨头计划最早在今年9月量产代号为“Iris”的自研AI芯片。这款芯片完全针对Meta自身业务需求定制设计，由博通协助完成芯片设计，台积电负责制造。备忘录显示，Meta计划在2026年部署约7吉瓦AI算力基础设施，到2027年还要翻倍至14吉瓦。

OpenAI，一直是英伟达最大的GPU采购客户之一。今年6月，它与博通联合发布了首款定制推理芯片“Jalapeño”。博通CEO陈福阳在接受采访时直言，Jalapeño的性能与英伟达的Blackwell芯片和谷歌的TPU不相上下。

OpenAI总裁Brockman在Jalapeño发布声明中说：“世界正在迈向算力驱动的经济。”这句话，精准解释了所有人的动机——当算力成为核心生产资料，没有人愿意把命脉完全交给英伟达。

除此之外，谷歌十年前就布局了TPU，亚马逊推出了Trainium，微软也有Maia。海外科技巨头纷纷投向自研芯片。

在大洋彼岸，中国AI企业也在加速摆脱对英伟达的依赖。

7月7日，路透社援引三名知情人士消息称，DeepSeek已秘密启动自研AI芯片项目约一年，聚焦推理芯片，目标是降低对英伟达和华&为等外部供应商的依赖，并大幅压降算力成本。消息传出后，英伟达盘前股价跌了约1.6%。

几乎同时，智谱AI也被曝出正在权衡自研AI芯片的可能性。据The Information报道，智谱近期向一些中国芯片设计公司做了初步询问，讨论能否合作开发一款专为其模型运行优化的AI处理器。

这些曾经最依赖英伟达的人，如今正在成为它未来最大的竞争者——这在半导体历史上几乎从未发生过。

苹果当年虽然摆脱了Intel，但并没有改变整个PC产业。但今天，大模型公司自研芯片，正在重构整个AI计算生态。

原因其实很简单。不是英伟达不够优秀，而是它太优秀了。优秀到全球AI产业几乎全部建立在它之上。

CUDA变成行业标准，H100、Blackwell成为全球训练集群的默认配置，NVLink定义GPU互联，DGX成为AI超级计算机的标准形态——AI产业越发展，对英伟达的依赖就越深。

而任何一家真正希望成为AI基础设施的平台公司，都不可能接受这种依赖。

Forrester分析师Mike Gualtieri一句话点破了本质：“如果你依赖别人的芯片，就永远无法成为真正的AI巨头。”

这句话，比任何行业报告都来得直接。

为什么所有AI公司，都必须自己造芯？

如果说三年前，大模型竞争拼的是谁训练出更聪明的模型；那么今天，竞争已经变成了另一件事：

谁能把每一个Token的成本做得更便宜。

因为AI已经进入了推理时代。训练一个模型，只发生几次；而推理，每天发生几万亿次。每一次ChatGPT回答问题、AI Agent调用工具、代码生成，都在消耗GPU。

于是，一道新的数学题出现了。

如果一个Token成本是0.01美元，每天调用100亿次，一年就是365亿美元。把Token成本降一半，利润就能直接翻番。

所以今天最大的竞争，不是谁的模型排第一，而是谁的成本最低。而GPU，恰恰是最大的成本来源。

Meta预计今年AI基础设施投入高达1450亿美元。微软、谷歌、亚马逊也都维持着数百亿美元级的资本支出。

GPU采购现在已经成了AI公司最大的固定成本，而且——还在涨。

摩根士丹利甚至为此创造了一个新词：Chip Inflation（芯片通胀）。GPU、HBM、高速光模块、交换芯片、存储器……整个AI产业链的价格都在持续上涨。

AI正在经历属于自己的“能源危机”。于是，自研芯片变成了唯一的选择。

AI竞争，已经进入“全栈战争”

很多人仍然认为，大模型公司的核心竞争力就是模型。其实，这种理解已经过时了。

今天真正领先的AI企业，没有一家只做模型。

谷歌拥有Gemini，也拥有TPU、Google Cloud和全球最大的光纤网络；Meta拥有Llama，也拥有MTIA芯片、14GW数据中心和全球最大的社交网络；OpenAI不仅研发GPT，还布局Jalapeño芯片、Stargate数据中心，并且与Oracle、SoftBank联手构建新的算力联盟；DeepSeek、智谱也开始向芯片延伸。

为什么？

因为未来卖给客户的，不再是一个模型，而是一整套AI基础设施。模型只是应用层，真正决定成本和利润的，是底层架构。

未来的竞争，不再是谁拥有最大的参数，而是谁拥有：

模型；

芯片；

编译器；

软件栈；

云平台；

数据中心；

光互连；

能源系统。

AI正在复制苹果生态的成功路径。苹果之所以强大，不只是因为A系列芯片，而是因为芯片、iOS、App Store、开发者生态共同形成了一个闭环。

未来的AI也是如此。模型只是入口，芯片才是底座。未来比拼的不再是单项冠军，而是整个系统。

英伟达真正危险的，不是训练，而是推理

很多人看到AI公司自研芯片，会下意识以为：他们准备全面替代英伟达。

其实并不是。训练芯片，未来很多年仍然属于英伟达。真正发生变化的是推理，它对芯片的要求完全不同。训练需要极高精度、超大HBM、高带宽互联；而推理更关注的是：成本、功耗、延迟、部署效率。

ASIC天生就适合这个市场。

谷歌TPU、亚马逊Inferentia、OpenAI Jalapeño，以及DeepSeek，都已经证明了这一点。

未来，很可能会形成新的产业格局：训练继续使用Blackwell，推理则逐渐转向ASIC。

一旦推理市场完成迁移，英伟达未来最赚钱的那部分业务，就会慢慢被蚕食。这不会一夜之间发生，但会像云计算替代本地服务器一样，缓慢而不可逆转。

切走英伟达蛋糕的并不是某一个对手，而是来自四面八方的竞争：谷歌TPU、亚马逊Trainium、微软Maia、Meta MTIA、博通定制的XPU——还有刚加入的OpenAI。博通的定制AI芯片业务增速惊人，第二财季半导体营收达108亿美元，同比增长143%，使其成为超大规模供应链中英伟达的主要替代选择。

“去英伟达化”已经成为全球科技巨头的共识。荷兰国际集团的分析师指出，随着微软、Alphabet和亚马逊等主要客户开发自己的定制芯片以控制AI基础设施成本，英伟达维持利润率的能力存在不确定性，其定价权可能面临比近年来更激烈的竞争。

中国AI为什么必须走向自研芯片？

对于中国企业来说，自研芯片还有另一层意义。美国的出口限制已经让最先进的GPU难以进入中国。

CUDA生态受限，HBM供应受限，先进制程也受到约束。如果未来继续依赖海外GPU，中国AI的发展速度将始终受制于人。

因此，DeepSeek和智谱布局推理芯片，并不仅仅是为了降低成本，更是为了建立属于自己的算力主权。

DeepSeek过去一年不断优化国产芯片适配，其API价格远低于海外同行，却依然保持了优秀性能，背后正是软硬件协同优化的结果。

与此同时，华&为昇腾、寒武纪、沐曦、摩尔线程等国产芯片企业，也正在形成新的国产AI生态。

事实上，英伟达在中国的市场份额正在急剧萎缩。投资银&行伯恩斯坦预测，英伟达在中国AI半导体市场的份额将从2025年的约40%降至2026年的约8%。不到五年时间，英伟达就从占据绝对优势变成了边缘参与者。集邦咨询预测，以华&为和寒武纪为首的国产芯片供应商，2026年将合计占据中国AI服务器芯片市场近80%的份额。全球层面，虽然英伟达仍保持领先地位（集邦咨询预计2026年其全球AI芯片市场份额约为64%），但中国市场的结构性逆转已成定局。

国内格局的演变，意味着AI竞争，很可能不再只是模型能力的竞争，而是：

模型 + 国产芯片 + 国产云 + 国产数据中心的整体竞争。

真正决定未来的，不是谁拥有最多的GPU，而是谁拥有完整的AI基础设施体系。

结语：英伟达的十字路口

五年前，英伟达的GPU在AI训练领域几乎没有对手；今天，它的超级客户清单正在变成一份竞争对手名单。趋势已经明朗：AI算力正在从“单一供应商垄断”走向“多元化竞争”的新时代。

对于英伟达而言，真正的挑战不仅是技术上的——如何在保持GPU领先优势的同时应对ASIC的蚕食——更是商业模式上的：当你的客户不再仅仅是客户，而是潜在的竞争对手时，定价权、利润率、市场份额都将面临前所未有的压力。

英伟达的“四面楚歌”，才刚刚开始。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：全球大模型公司为何纷纷抛弃英伟达要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题