前沿AI公司自研芯片背后原因深度剖析

7月7日，两条关于中国AI公司自研芯片的消息几乎同时引爆了行业讨论。

先是路透社独家爆料：DeepSeek正在研发自己的芯片。消息援引三位知情人士，称这枚芯片瞄准的是推理（inference）而非训练。报道提到，DeepSeek已在悄悄招募芯片设计工程师，且不走公开招聘渠道，同时与外部代工厂、存储厂商接触。DeepSeek未回应置评请求，这条消息目前也仅来自路透社单一信源，争议自然在所难免。

同一天，The Information又报道，另一家中国实验室智谱也在评估自研定制芯片。知情人士透露，原因是GLM-5.2需求暴增——这款模型在Vercel模型聚合平台上成为增长最快的模型，上线首周日均token消耗一度飙升27倍。智谱已与多家国内芯片设计公司初步接触，但尚未选定合作方，据称整个项目可能需要两年以上。消息一出，智谱在港股当日一度涨约9.9%。

当然，两条消息都还停留在早期评估阶段，没有实物，更没有定型的设计。

但DeepSeek和智谱并非孤例。把镜头拉远，你会发现，“AI公司想自己造芯片”这件事，在2026年已经从个别选择变成了行业的默认动作：从大洋彼岸的OpenAI、Anthropic，到国内的这两家前沿实验室，动作出奇地一致。答案其实不难找，核心原因有四个。

上个月，OpenAI已经把芯片端上了桌

如果说DeepSeek的消息还停留在传闻层面，OpenAI则已经把实物摆出来了。

6月24日，OpenAI与博通（Broadcom）联合发布了Jalapeño——这是OpenAI的第一枚自研芯片，同样是一枚专为大模型推理设计的ASIC（专用集成电路）。

OpenAI硬件负责人Richard Ho表示，这枚芯片“从零开始为LLM推理而设计”，团队围绕内核、内存搬运、网络和服务模式做了针对性优化。早期实验室测试显示，Jalapeño的每瓦性能“大幅优于当前业界最先进水平”。不过，该公司也承认最终性能仍在测量中，详细技术报告要等未来几个月才发布——这类厂商自述的性能优势，在第三方benchmark出来之前，只能算一面之词。

几个细节值得留意。据Tom's Hardware报道，这枚芯片从设计到流片（tape-out）只用了九个月，OpenAI称这可能是高性能先进半导体史上最快的ASIC开发周期。而加速这个周期的，正是OpenAI自己的模型：用AI来设计造AI的芯片。

Jalapeño计划在2026年底开始部署，锚定的是一份10 GW规模、要到2029年才完成的博通合作。据报道，微软预计会买下首批Jalapeño产能的约40%。

Anthropic在犹豫，但也已经动身

再看另一家前沿实验室Anthropic。今年4月，路透社率先报道称Anthropic也在权衡自研芯片，措辞很谨慎：计划处于早期阶段，公司甚至可能最终决定只买不造，尚未敲定设计，也没组建专门团队。

但到了7月初，事情有了新进展。据多家媒体报道，Anthropic已经开始和三星接触，探讨代工一枚定制芯片，据称瞄准的是三星的2纳米制程和先进封装。而且，Anthropic最近挖来了Clive Chan——他是OpenAI自研芯片团队的早期成员。

面对追问，Anthropic的回应是：由谷歌、亚马逊、英伟达芯片组成的“多元化硬件栈”仍将是其算力战略的核心，对三星合作“不予进一步置评”。

这句最新表态，恰恰点出了自研芯片浪潮里最真实的一层动机。据The Information的数据，英伟达握着全球约74%的AI芯片市场；而Anthropic至今没造过一颗自己的芯片，Claude的每一次调用，跑的都是从合作伙伴那里租来的芯片——而这些合作伙伴，同时也是它的竞争对手。

值得注意的是，Anthropic探索自研的时间点，和它收入的陡增几乎同步。据其自己披露，2026年运营收入年化已越过300亿美元，而2025年底还只有约90亿美元。规模一旦到了这个量级，自研芯片的经济账才算得过来。

推理！推理！推理！

把DeepSeek、智谱、OpenAI、Anthropic这些消息并排看，会发现一个共同点：它们要造的，全是推理芯片，而不是训练芯片。这不是巧合。

行业里一个正在发生的结构性转移是：算力消耗的重心，正从“训练模型”转向“运行模型”。训练是一次性成本，而把模型服务给成百上千万用户，是持续不断的开销。据Introl的行业分析，推理如今已经吃掉了全部AI算力的约三分之二。

而推理，恰恰是ASIC的主场。用《芯片战争》作者Chris Miller对CNBC的一个比喻来说：英伟达的GPU像一把瑞士军刀，什么并行计算都能干；而ASIC像一件单一用途的工具，很高效、很快，但被硬连线锁死只做一类活。训练阶段需要瑞士军刀的灵活，因为模型架构还在变；可一旦模型定型、要拿去服务海量请求，那把“单一用途的工具”反而更省电、更便宜。

智能体（Agent）的爆发，进一步放大了这笔账。MindCast AI的一篇分析提出了一个很有意思的区分：

传统推理是“查询成本”——一次提问、一次回答，结算完毕；智能体是“循环成本”——用户的一个目标，会触发几十甚至上百次推理调用，因为智能体要推理、规划、检索、执行。

当智能体大规模铺开，训练与推理之间的经济不对称，会以非线性的方式滚大。也因此，这家分析机构判断：推理经济学不是2028年才要操心的事，而是一个2026年就要做的采购决策。

一笔越来越算得过来的经济账

对于“为何要自己造”，业内其实已经有了相当具体的数字支撑。

最直观的一个案例来自AI图像平台Midjourney。据报道，Midjourney在把推理负载从英伟达GPU迁移到谷歌第七代TPU后，月度算力开销从约210万美元降到约70万美元，降幅65%。把这个比例放大到每天跑数十亿次查询的超大规模厂商身上，正如一位分析师所说，投入数十亿美元自研芯片，就变成了一道“直白的财务计算题”。

这道题的答案，正在改变整个市场。据TrendForce的预测，2026年定制ASIC的出货增速将达到44.6%，而商用GPU只有16.1%——这也是定制芯片增速首次超过GPU。Introl引用彭博行业研究的数字则更宏观：到2033年，整个AI翻跟斗市场预计达到6040亿美元，而定制硅片在其中的份额还在加速上升。

超大规模厂商早已用真金白银投了票。谷歌的TPU、亚马逊的Trainium、微软的Maia、Meta的MTIA……这些自研芯片各自服务着母公司内部的巨量推理负载。

据CNBC报道，Trainium首席架构师Ron Diamant称，亚马逊这款ASIC相比AWS上其他硬件供应商有30%到40%的性价比优势。

这些数字表明：当你的算力需求膨胀到超大规模，芯片不再是成本项，而是竞争壁垒本身。正如Oplexa的一篇分析所言，控制自己的硅片，意味着控制自己的性能路线图、成本结构和供应链——这三样是任何采购订单都换不来的。

摆脱英伟达，不只是省钱

如果说经济账是明面上的理由，那么“不想把命运交给一家公司”则是浪潮底下更深的那股暗流。

英伟达的强势，一部分来自芯片本身，更大一部分来自CUDA。而CUDA是一套积累了二十多年的软件生态。据Spheron的分析，几乎所有严肃的LLM推理优化，从FlashAttention到vLLM里的连续批处理，都只跑在CUDA上。这套生态与其说是英伟达的护城河，不如说是任何想换芯片的团队要付的“搬迁成本”。据估算，把服务栈从vLLM移植到亚马逊Neuron SDK，往往要花两到六周工程时间，某些模型架构甚至根本不被支持。

正因为这道墙又高又厚，绕过它的动机才格外强烈。对超大规模厂商和前沿实验室而言，每一份跑在自研芯片上的负载，都意味着更多利润留在自己口袋里，也意味着在和英伟达谈价时多一分底气。

TheStreet的判断颇为直白：正在改变的，是“AI实验室必须接受英伟达开出的任何价格和供货条件”这个默认假设。微软有Maia，亚马逊有Trainium，谷歌有TPU，而最新一批AI实验室，如今也想为自己攒出同样的筹码。

中国实验室还多面临一道枷锁

回到7月7日那两条消息。对DeepSeek和智谱而言，自研芯片除了上述所有理由，还共同面临着一个它们的美国同行没有的问题：出口管制。

另外值得一提的是，DeepSeek这次自研传闻，恰好和它首次接受外部融资的节点撞在一起：该公司完成一轮超500亿元融资，估值超3300亿元。造芯片很烧钱，钱和芯片这两件事同时发生，未必是巧合。

而智谱，则早在今年1月就已成为首家在港交所上市的中国AI实验室。两家都在为这场昂贵的豪赌，先把钱袋子准备好。

能成功吗？

把这些线索收拢，“为何AI公司都想自己造芯片”这个问题，答案其实是几股力量的合流：推理取代训练成为算力主战场，让专用ASIC有了用武之地；智能体爆发把推理成本推向非线性膨胀，让省下的每一分钱都被放大；而对英伟达的深度依赖，则让所有人都想为自己攒一份议价的筹码。对DeepSeek、智谱这样的中国公司，还要再加上出口管制问题。

但热潮之下，冷水也该泼一盆。自研芯片远非稳赢。设计周期动辄18到24个月，前期工程投入巨大，还需要工作负载足够稳定、可预测，才值得围绕一个固定架构去设计。对于还在试验模型架构的初创公司，或是任务五花八门的普通企业，英伟达GPU的灵活性反而是更划算的选择。

TechTimes说得清楚，那40%到65%的成本优势，只属于每天跑数十亿次查询的巨头；对每周只跑几万次查询的企业，这笔账是反过来的。

更值得追问的问题是：这场浪潮，究竟会削弱英伟达，还是只是给它“加了个补充位”？多数分析给出的答案偏向后者。据Oplexa，到2027年ASIC出货量或将在数量上超过GPU，但两个市场都会继续增长：AI基础设施正在分岔成两个不同的赛道——固定、高频、可预测的负载归ASIC，研究、多样、架构还在演进的负载归GPU。英伟达依然牢牢握着训练和绝大多数市场。

DeepSeek和智谱到底能否造出自己的芯片，眼下都还没有答案，毕竟两条消息本身也都还停留在早期评估阶段。

但它们在同一天落地，像两枚同时投进水面的石子，激起的涟漪照出了同一片焦虑：从旧金山到北京，在这个算力即权力的时代，没有一家想活到下一轮的AI公司，愿意把自己的命脉，永远租在别人手里。