出品 | 搜狐科技

作者 | 梁昌均

在AI芯片成为硬通货、行业供需失衡的情况下，越来越多的大模型企业开始踏入这一赛道。

前有国外的OpenAI、Anthropic、SpaceX（xAI）等大模型企业，国内的DeepSeek、智谱也被爆出打上了芯片的主意。

毫无意外地，它们都选择了相同的方向——AI推理芯片，而非训练芯片。业内多位人士对搜狐科技表示，这是基于成本、供应链、估值等多重考虑。

随着AI算力需求从训练加速转向推理，在大厂之外，越来越多的大模型公司开始自研芯片，英伟达牢牢统治的AI算力江湖可能要变天了。

头部大模型公司造芯，OpenAI领跑

从目前进展来看，OpenAI造芯暂时跑在了前面。半个月前，OpenAI宣布推出首款AI芯片Jalapeño。

这款采用台积电3nm工艺的芯片计划在今年年底开始部署，先服务OpenAI内部需求，随后将逐步扩展到微软等合作伙伴的数据中心。

随后，OpenAI的对头Anthropic也被爆出与多家芯片设计公司接洽，并计划采用三星2nm工艺，还挖来了OpenAI初代自研芯片团队核心成员。

马斯克旗下的xAI去年就被爆出计划在今年量产自研芯片，但随着xAI并入SpaceX，团队解散，这款芯片能否最终面世，存在变数。

最新传出入局造芯的则是国内大模型公司DeepSeek和智谱。

媒体报道称，DeepSeek自研芯片项目一年前就已启动，正与芯片设计、晶圆代工和存储公司讨论，目标芯片主要用于AI推理，并开启芯片人才的非公开招聘。

随后智谱也被爆出正与国内芯片设计厂商接洽，评估定制化AI芯片方案。这两家公司均未对此有所回应，但显然还处于早期阶段。

快思慢想研究院院长田丰认为，多家大模型公司造芯，主要是因为大规模推理成本逼出来的生存选择。

从OpenAI来看，去年净亏损高达385亿美元，总成本340亿美元中，仅研发就花了192亿美元，比全年收入还高出60多亿美元。更关键的是，营收成本（即推理计算成本）同样涨了近三倍，意味着用户规模与亏损在同步扩张。

Anthropic探索自研芯片的时间点，同样是在收入加速爆发之际，其最新年化ARR已超过600亿美元，半年内增长近六倍。

媒体报道称，智谱自研芯片的考虑则出于GLM-5.2 需求的暴增，其年底ARR指引达10亿美元，相比年初增长15倍。DeepSeek在发布V4模型后，调用量同样迎来暴增。

同时，田丰认为，这也是为了降低供应商依赖风险，但中美公司情况有所差异。

美国大模型公司面对的是供应商定价权与算力资源分配权。“算力供货权由英伟达掌握，OpenAI、Anthropic再有钱，也无法绕过英伟达排队。”

中国大模型公司是另一种约束——高端芯片受限，英伟达自去年逐渐退出中国市场。DeepSeek此前则发布针对华为昇腾硬件优化的V4模型，其和智谱等也纷纷适配国产芯片。

“DeepSeek自研芯片的目标，是同时减少对华为和英伟达的双重供给依赖。”田丰认为，国内大模型公司造芯，是把供应链风险降到最低的唯一路径，而非纯粹的商业选择。

华芯资本合伙人梁东健也对搜狐科技表示，国内外大模型公司自研芯片的共同需求是降本，推理成本太吃利润。

“但国外是‘锦上添花’——英伟达芯片管够，自研是为了效率壁垒和差异化；国内是‘雪中送炭’——高端GPU受限，自研是必选项，有着自主可控的现实诉求。”

他还认为，这一定程度也有估值考虑。“芯片很热，自研能讲故事。但芯片是十年长跑，不是PPT概念，估值支撑还是靠技术和产品竞争力，而不是自研标签。”

这也意味着，新一轮的AI竞争已从模型层下沉到基础设施层。“掌握芯片定义权就等于掌握了下一代产品迭代的主动权。”田丰说。

瞄准专用推理芯片，这事划算吗？

值得注意的是，这些大模型企业造芯都瞄向了同一个目标——AI推理芯片。

OpenAI发布的Jalapeño明确定位于大模型推理芯片，更准确地说，这是一款面向推理的ASIC（专用集成电路），非通用GPU，也非训练加速器。

ASIC是面向特定任务的定制化芯片，相比通用芯片在特定任务中具备更强性能、更低功耗。从其他大模型目前爆出的信息看，它们的芯片计划同样聚焦推理，而非训练。

这背后则是大模型算力成本正从训练向推理转移的趋势。今年，AI算力市场格局迎来翻转，随着模型部署应用加速，推理需求首次超过训练需求，成为增长主引擎。

“训练是一次性投入，属于资本支出，而推理是天天烧钱，属于运营成本，调用量高的模型的推理成本将会是训练的数倍。”梁东健称。

业内预测，未来AI推理算力需求将提升到70%甚至更多。换句话说，相比训练，推理将是大模型公司更重、更持续的成本负担。

这种趋势，使得大模型选择推理芯片成为自然的战略选择，而选择ASIC专用架构而非通用GPU，选择和设计企业合作而非从零自建研发团队，则是更为合理的战术。

梁东健表示，训练芯片要高精度浮点、大带宽、强并行，GPU最适配，而推理硬件要求低延迟、高吞吐、高能效，精度可以降（INT8/INT4），更适合专用架构。

田丰也解释称，训练和推理的计算物理特性完全不同，前者是算力越快越好，后者是数据搬运越省越好，这决定了两者的硬件设计必然分化。

同时，推理面对的是训练完成、长期运行的模型，工作负载更稳定，ASIC定制更容易围绕固定算子、内存访问和Token生成过程做定向优化，由此实现推理的能耗与成本优化。

更关键的是，借助模型和芯片的软硬件协同设计，可以降低通用GPU的冗余控制单元，减少非必要的数据搬运，并实现精度优化，有效实现推理成本降低。

不过，虽然专用推理芯片的优势突出，劣势同样明显。梁东健就提到，ASIC灵活性差，模型迭代快，架构易过时，且基本没有生态护城河，同时规模门槛高，如果量不够反而更贵。

那么，大模型公司做这件事到底值吗？ROI算得过来吗？

田丰提到，在成本层面，专用推理芯片可比GPU集群便宜40%到60%。梁东健分享到，ASIC能效比要比GPU高30%-50%，研发成本可以低到GPU的1/5-1/10，ROI更清晰。

测试显示，OpenAI的Jalapeño的推理成本比当前主流AI图形处理器低约50%，而性能与英伟达Blackwell芯片相当。

不过，芯片设计也需要前期巨额的固定成本，包括设计团队、EDA授权、流片费用，以及3-5年的市场迭代周期。

“这些固定成本只有在推理请求量足够大时才能被边际效益覆盖。”田丰的判断是，只有模型Token日产量达到百亿级别，芯片定制化才从可选项变为必选项。

他认为，对OpenAI、Anthropic这类日均数以百亿计Token的公司，自研芯片ROI计算合理。但对规模还在数十亿Token级别的公司，自研的固定成本可能摊薄不足，ROI存疑。

梁东健从成本角度分析称，自研芯片全周期需1-3亿美金，年推理成本超10亿美金、模型架构稳定的头部公司，降本50%基本半年可回本，自研划算，中小公司还是适合用云服务。

此外，这些大模型公司造芯还选择了相同模式——和芯片设计企业合作。Jalapeño就是由OpenAI与博通合作开发，从设计到流片用时9个月，若自建团队从零做起则需要两三年。

“OpenAI定义架构和需求，博通做物理设计和流片。好处是快、风险低、不用养大团队，代价是核心IP不在自己手里。算自研，但不算全栈自研。”

梁东健认为，这种模式会成为大模型公司造芯的主流，因为人才稀缺、供应链复杂、流片风险高，联合设计是务实选择。

他还进一步判断，未来AI企业造芯布局会形成三层格局：头部科技巨头走向全栈自研（如谷歌）、腰部公司联合设计（OpenAI+博通）、尾部企业直接采购云厂商服务。

摆脱英伟达依赖，AI算力江湖变天？

实际上，在OpenAI、Anthropic等大模型造芯前，多家科技巨头，包括本身就在做大模型的大厂，都在通过自建团队或合作模式入局，如谷歌、亚马逊、华为、百度、阿里等。

最近，与博通合作的Meta自研芯片也迎来新进展，计划秋季量产一款AI芯片，这将帮助其部署的算力规模翻倍。扎克伯格也明确否认算力过剩论，表示将加速算力部署。

随着越来越多的玩家进场，全球AI算力江湖格局也有望迎来新变化。

目前，无论是训练侧，还是推理侧，英伟达都处于统治地位。而这些入场造芯的企业，除了降本需求，还想降低对供应商尤其是英伟达的高度依赖。

至少，目前多家大模型公司想在推理侧撕开一道口子。这些公司还在通过一级市场或上市疯狂融资，造芯的弹药也不缺。

田丰认为，大模型公司自研芯片的隐性价值在于，可以让模型和芯片之间实现协同进化，这是英伟达无法给予的价值。

“英伟达需要服务所有客户，设计要兼顾通用性。自研芯片让模型公司把自身独特的推理模式（长上下文、多步推理等）适配到芯片逻辑中，这是差异化护城河，而不只是降本。”

他认为，自研芯片给了大模型公司供应链议价的底牌，本质上是在购买未来竞争力的期权，而不是立即参与芯片市场竞争。“目前看更多是补充，而非要全面替代英伟达。”

但正如梁东健所言，对英伟达而言，风险不是某家对手，而是去英伟达化的集体趋势。“英伟达的防线是让替代成本始终高于依赖成本，目前做得还行，但窗口也在不断缩小。”

从训练侧看，业内普遍认为，英伟达的护城河壁垒短期无人可以撼动，GPU架构所组成的超算集群仍然是无可替代的算力基础设施。

“但由于模型架构优化、预训练趋于收敛，后训练/微调需求结构会变，英伟达在训练端的中长期增速将会放缓。”梁东健判断。

田丰认为，英伟达未来真正的风险在于训练范式出现根本性变革，但当前尚未发生。

在推理侧，随着调用量指数增长，场景碎片化，算力格局将呈现多极化。“未来3-5年，谷歌TPU、亚马逊Trainium，以及模型公司自研芯片会吃掉部分推理份额。”梁东健表示。

田丰也认为，每一家自研推理ASIC的公司未来都将减少对英伟达的采购。“英伟达在推理端正在从唯一选择变成默认选择之一，议价权将逐步下降。”

目前，ASIC市场正迎来快速增长。据TrendForce预计，今年定制ASIC市场规模将增长45%，首次超过通用GPU的16%，而ASIC制造的AI服务器份额预计将达到27.8%。

科技机构Byteiota甚至大胆预测，2028年英伟达在推理市场的份额可能会被ASIC蚕食，从当前的80%左右下降至20%-30%区间。

不过，英伟达也在加速布局，此前斥资200亿美元收购了推理芯片研发公司Groq，新一代芯片架构也在推理层面进行了优化设计，以此希望抓住智能体浪潮。

“对英伟达来说，短期无忧，中期承压，长期看转型。”梁东健总结称。