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？？？？？？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。。。磺凶罘实耐评淼案
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。。；；；；；贑DNA5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？？？？？？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？？？？？？榧稍诩虻シ庾澳冢幽商ɑ鏑oWoS-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。。。
