两条看似无关的新闻，，，在6月最后一周先后落地。。

6月25日，，，OpenAI宣布首款自研AI推理芯片Jalape?o，，，与博通联手仅用9个月完成从设计到流片——这家全球最大的GPU买家，，，最先自己造芯片了。。

6月30日，，，半导体研究机构SemiAnalysis在社交平台果真宣布：英伟达原版4芯片Rubin Ultra已在GTC 2026宣布仅三个月后遭作废，，，新版性能缩水近半。。"这一切爆发的配景是，，，"该机构增补道，，，"英伟达的市场份额正在被侵蚀。。"

而早在去年，，，媒体爆出Anthropic的年化营收已迫近70亿美元，，，旗下Claude Code在推出两个月内创立了5亿美元年化收入。。而驱动这一切的算力底座，，，已经不再只有英伟达——谷歌TPU肩负训练、亚马逊Trainium认真推理、英伟达GPU退居为"研究探索"的第三选项。。

三条新闻，，，指向统一个问题：CUDA护城河——英伟达最结实也最被神话的竞争壁垒——正在泛起裂痕。。

87%到75%，，，英伟达的"不可替换"正在瓦解

先看一组数字。。

据Silicon Analysts基于英伟达/AMD财报及台积电产能分配数据的估算，，，英伟达在AI加速器市。。ò词杖爰疲┑姆荻罟旒Ｈ缦拢

可以看到，，， 英伟达的收入仍在增添——从150亿到1500亿，，，四年十倍。。但份额从87%岑岭滑向75%，，，意味着增量市场中有越来越大的一块被切走了。。

切走这块蛋糕的，，，不是某一个敌手，，，而是来自周围八方的竞争：谷歌TPU、亚马逊Trainium、微软Maia、Meta MTIA、博通定制的XPU——尚有刚加入的OpenAI。。

博通CEO陈福阳在2026财年一季报电话会上透露了一个此前未果真的数字：博通AI半导体收入已抵达84亿年化运行率，，，同比增添10684亿年化运行率，，，同比增添106400-500亿的年度轨迹冲刺。。这家公司已经签下了六个超大规模浚浚？？突涠ㄖ艫I芯片，，，OpenAI是第六个。。

换句话说，，，全球最大的几家云盘算公司和AI公司，，，不约而同地选择了统一个偏向：自己造芯片。。

Anthropic的选择

若是说市场份额数据是酷寒的统计，，，那Anthropic的案例就是一个活生生的"去英伟达化"教科书。。

Anthropic是现在全球增添最快的AI公司之一。。 年化营收迫近70亿美元（2025年同期仅约10亿），，，服务凌驾30万家企业客户，，，大客户数目同比增添近7倍。。Claude Code在推出两个月内创立了5亿美元年化收入，，，Anthropic称其为"史上增添最快的产品"。。

而驱动这一切的算力底座，，，是一种被Anthropic CFO Krishna Rao称为"奇异盘算战略"的三平台架构：

注重最后一列。。英伟达GPU排第三，，，不是并列，，，不是"备选"，，，是三个选项里规模最小的谁人。。

这不是一个缺钱的小公司在用廉价替换品拼集。。这是全球第二大AI公司，，，在生产情形中，，，用非英伟达芯片驱动其增添最快的产品。。

SemiAnalysis在6月30日的帖子中特殊点出了这一点："Claude Code的推理事情有相当大一部分运行在Trainium上，，，Claude的训练在TPU上完成。。就在一年前，，，TPU和Trainium能增添到这种规模，，，同时CUDA护城河被缓慢侵蚀，，，照旧难以想象的事。。"

Anthropic为什么要这样做？？？？？不是由于TPU和Trainium比H100更强——在绝对性能上它们可能仍有差别。。而是由于特定场景下，，，专有芯片的性价比远超通用GPU。。训练用TPU，，，由于谷歌给了几百亿美元的条约和百万颗芯片的供应允许。。推理用Trainium，，，由于AWS是其主要云服务商、已投资80亿美元，，，Project Rainier超算集群完全跑在Trainium 2上，，，没有GPU溢价。。

亚马逊在Trainium上赌得很大。。据其2026年一季报披露，，，Trainium产品线已获得凌驾2250亿美元的收入允许，，，客户包括OpenAI和Anthropic。。AWS的AI收入运行率已凌驾150亿美元，，，Bedrock推理服务大部分跑在Trainium上。。

这里的要害词不是"性能"，，，是"本钱"。。推理是天天都在烧钱的事。。ChatGPT每次回覆问题、API每次返回代码，，，背后都是GPU在跑电。。Anthropic用Trainium替换GPU做推理，，，不是为了跑得更快，，，是为了每花一美元算更多次。。

三道侵蚀切口：CUDA护城河从那里裂开

CUDA之以是被视为英伟达最结实的护城河，，，是由于它构建了一个"硬件-软件-开发者"的关闭生态：

20年积累，，，400万+开发者所有主流ML框架优先为CUDA优化cuDNN、TensorRT、NCCL等优化库形成深度绑定切换本钱以年计，，，以亿美元权衡

但2026年的AI芯片竞争，，，不再是"做一个比H100快10%的GPU"——那是正面进攻，，，无人能赢。。侵蚀来自三个侧面：

侵蚀路径一：自研ASIC——不打全战场，，，只切最肥的推理蛋糕

这是最致命的路径。。它的逻辑不是"我能做得比英伟达好"，，，而是"我不需要GPU的所有功效，，，我只需要推理"。。

一块英伟达H100要做的事：图形渲染、科学盘算、AI训练、AI推理、视频编解码……一块Jalape?o只做一件事：运行OpenAI自己的模子举行推理。。前者是瑞士军刀，，，后者是一把专砍一种木头的斧头——在特定使命上，，，斧头比军刀好用得多，，，也自制得多。。

OpenAI Jalape?o的定位极其精准： 反面英伟达比万能，，，只在推理——这个天天消耗数十亿次API挪用、每年燃烧数亿美元本钱的场景——做到极致。。OpenAI官方目的是降低30-50%的推理本钱。。在天天烧掉数百万美元推理用度的体量下，，，这意味着每年节约数亿美元的纯利润。。

并且OpenAI不是第一家。。 微软Maia 200（2026年1月宣布）、谷歌TPU Ironwood（第七代，，，首款专为推理设计）、亚马逊Trainium 3——四大云厂商所有亮出了自研推理芯片。。再加上Meta MTIA和苹果的定制芯片，，，全球前七大科技公司中，，，只有一家还在"只买不造"——而它也在路上了。。

侵蚀路径二：AMD——从"保存"到"可信替换"

AMD的AI GPU收入从2022年的不到10亿美元飙升至2026年预计的150亿美元以上，，，四年凌驾15倍增添。。

这背后的要害转折点是MI400系列。。唬唬唬基于CDNA5架构、432GB HBM4内存、19.6 TB/s带宽，，，预计2026年下半年量产。。S&P Global展望MI400单系列将孝顺72亿美元收入，，，占AMD数据中心营业的25%。。

更主要的是客户端的信号。。Meta已与AMD签署了高达6吉瓦的采购允许——这不但是AMD历史上最大的AI芯片订单，，，也是一个明确的信号：超大规模浚浚？？突г谧龆喙┯ι探峁。。

AMD的局限同样显着：台积电CoWoS产能分配仅约11%，，，而英伟达占有60%以上。。产能天花板决议了AMD短期内无法对英伟达形成数目级攻击。。但"可信的第二供应商"这个定位自己，，，就已经拆掉了"非英伟达不可"的叙事墙角。。

侵蚀路径三：软件层解耦——Triton、JAX和"CUDA-Free"的未来

这是最容易被忽略、但恒久最危险的一条路径。。

CUDA的绑定依赖于一个简朴事实：AI研究员写代码用PyTorch，，，PyTorch底层跑在CUDA上。。但若是PyTorch底层不再依赖CUDA呢？？？？？

这正在爆发。。 PyTorch团队已履历证了使用Triton编译器可以实现"CUDA-Free"推理——在H100和A100上运行Llama 3模子，，，Triton内核天生的token吞吐量可与CUDA媲美。。2026年2月，，，Triton推出了新的多后端支持，，，允许统一套代码编译赴任别硬件上——AMD GPU、英特尔GPU、甚至种种ASIC。。

谷歌的JAX框架走得更远。。它从一最先就设计为硬件无关——同样的代码可以在TPU、GPU甚至CPU上运行。。Anthropic选择TPU举行训练，，，很洪流平上就是由于JAX让它们可以在不重写模子代码的条件下迁徙算力平台。。

软件层的解耦意味着什么？？？？？ 意味着新一代AI研究员可能在从未写过一行CUDA代码的情形下，，，训练出最先进的模子。。当开发者不再被锁定在CUDA生态中，，，"必需买英伟达"的硬逻辑就酿成了"可以买英伟达"的软选择。。

Rubin Ultra作废：物理极限的分水岭

回到开篇的新闻。。英伟达4芯片Rubin Ultra在宣布三个月后遭作废，，，被SemiAnalysis视为"制造执行层面的问题正在让更多市场份额流失"。。

手艺原因并不重大。。原版Rubin Ultra妄想将4颗盘算芯片+16个HBM4E内存模浚浚？？榧稍诩虻シ庾澳，，，接纳台积电CoWoS-L工艺。。但据Global Semi Research，，，4芯片设置下泛起了封装基板翘曲——基板向多个偏向弯曲，，，导致盘算芯片无法与基板完全接触。。信号传输失效，，，芯片基础无法事情。。

台积电的备选方案CoPoS（面板级封装）要到2028年底才宇量产。。英伟达等不起——以是新版Rubin Ultra回退到2芯片设计，，，性能缩水近半。。

这件事的象征意义大于现实营业影响。。

英伟达仍然会卖掉它能生产的每一块Rubin Ultra。。但"从4芯片回退到2芯片"袒露了一个更深层的问题：英伟达的产品迭代速率，，，正在撞上物理极限的墙。。 更大的芯片→更重大的封装→更高的缺陷率→要么延迟、要么缩水。。这是一条不可无限延伸的曲线。。

而与此同时，，，竞争敌手们正在用另一种方式绕过这面墙：不做更大的芯片，，，做更专用的芯片。。

定价权的裂痕

英伟达的护城河真正不可撼动的部分，，，不是CUDA软件生态，，，是制造端。。台积电60%的CoWoS先进封装产能握在它手里。。这是物理壁垒，，，不是软件壁垒。。竞争敌手可以写出更好的框架、设计出更高效的ASIC——但在出货量上追赶英伟达，，，首先要过台积电产能这一关。。

但问题也就在这里：制造壁垒依赖的是一家第三方晶圆厂。。它不是英伟达自己能控制的资产。。

而英伟达88%的毛利率——H100本钱3320美元、售价28000美元——建设在一个条件上：客户无法脱离它。。 若是这个条件从"无法脱离"酿成"性价比最优的选择"，，，那定价权就不再是绝对的了。。

Anthropic证实晰另一条路：不追求最好的芯片，，，追求最适合的芯片。。训练用TPU而不是GPU，，，不是由于TPU更快，，，而是由于谷歌给了足够多的芯片和足够好的价钱。。推理用Trainium而不是GPU，，，不是由于Trainium更强，，，而是由于AWS是战略股东，，，Project Rainier绕开了通用GPU的溢价。。

当全球第二大AI公司把GPU降级为三大算力平台中最小的一块时，，，"必需买英伟达"这件事就不再是铁律了。。

英伟达仍然是最好的。。头部AI公司没有一个彻底脱离了它——Anthropic保存了一部分GPU用于"前沿研究探索"，，，OpenAI的Jalape?o只做推理不做训练，，，Meta的MTIA只笼罩推荐系统和内容审核。。

但从"只有英伟达"到"英伟达最贵，，，先用自制的"，，，这中心的差别就是定价权的流失。。

市场已经最先为这个可能性重新定价。。今年以来，，，SemiAnalysis的每一次看空报告都引发相关板块强烈震惊：6月初SOCAMM削减新闻导致美光单日跌13%，，，6月10日CPO延迟争议迫使英伟达高管出面辟谣，，，6月30日Rubin Ultra作废再度点燃讨论。。

这些波动的背后，，，是市场在艰难回覆一个以前不需要回覆的问题：若是CUDA不是不可替换的，，，英伟达值几多钱。。

消磨时间尚有更好的要领。。想不想实验一下？？？？？