编辑｜Panda
7 月 7 日这一天，，，有两条关于中国 AI 公司自研芯片的新闻成为热门新闻。。。。
先是路透社的独家：DeepSeek 正在研发自己的芯片。。。。新闻援引三名知情人士，，，说这枚芯片瞄准的是推理（inference），，，而非训练。。。。报道称，，，DeepSeek 已经在悄悄招募芯片设计工程师，，，且没有走果真招聘渠道，，，同时在和外部代工厂、存储厂商接触。。。。DeepSeek 没有回应置评请求，，，也有所争议，，，由于这条新闻现在只有路透社简单信源。。。。
统一天，，，The Information 又报道称，，，另一家中国实验室智谱也在评估自研定制芯片。。。。知情人士称，，，原因是 GLM-5.2 需求的暴增。。。。据 The Information 与多家转引，，，这款模子是 Vercel 模子聚合平台上增添最快的模子，，，上线首周日均 token 消耗一度飙升达 27 倍。。。。智谱已经和多家海内芯片设计公司做了起源接触，，，但尚未选定相助方，，，据称整个项目可能需要两年以上。。。。新闻一出，，，智谱在港股当日一度涨约 9.9%。。。。
虽然，，，两条新闻都还停留在早期评估阶段，，，都没有实物、没有定型的设计。。。。
现实上，，，DeepSeek 和智谱也非孤例。。。。把镜头拉远，，，你会发明「AI 公司想自己造芯片」在 2026 年已经从个体选择酿成了行业的默认行动：从大洋彼岸的 OpenAI、Anthropic，，，到海内的这两家前沿实验室，，，行动出奇地一致。。。。这篇文章想回覆的是：为什么？？？？？？
上个月，，，OpenAI 已经把芯片端上了桌
若是说 DeepSeek 的新闻还停留在听说层面，，，OpenAI 则已经把实物摆出来了。。。。
6 月 24 日，，，OpenAI 与博通（Broadcom）联合宣布了 Jalape?o，，，这是 OpenAI 的第一枚自研芯片，，，同样是一枚专为大模子推理设计的 ASIC（专用集成电路）。。。。
OpenAI 硬件认真人 Richard Ho 体现，，，这枚芯片「从零最先为 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。。。。
据 OpenAI 先容，，，早期实验室测试显示，，，Jalape?o 的每瓦性能「大幅优于目今业界最先进水平」。。。。不过该公司也认可，，，最终性能仍在丈量中，，，详细手艺报告要等未来几个月才宣布，，，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。。。。
几个细节值得注重。。。。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 自己的模子：用 AI 来设计造 AI 的芯片。。。。
Jalape?o 妄想在 2026 年底最先安排，，，锚定的是一份 10 GW 规模、要到 2029 年才完成的博通相助。。。。据报道，，，微软预计会买下首批 Jalape?o 产能的约 40%。。。。
Anthropic 在犹豫，，，但也已经启航
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，，，语言很审慎：妄想处于早期阶段，，，公司甚至可能最终决议只买不造，，，尚未敲定设计，，，也没组建专门团队。。。。
但到了 7 月初，，，事情有了新希望。。。。据多家媒体报道，，，Anthropic 已经最先和三星接触，，，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。。。。
并且 Anthropic 最近挖来了 Clive Chan，，，而他是 OpenAI 自研芯片团队的早期成员。。。。
面临追问，，，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焦点，，，对三星相助「不予进一步置评」。。。。
这句官方亮相，，，恰恰点出了自研芯片浪潮里最真实的一层念头。。。。据 The Information 的数据，，，英伟达握着全球约 74% 的 AI 芯片市。。。。 ；；；；；而 Anthropic 至今没造过一颗自己的芯片，，，Claude 的每一次挪用，，，跑的都是从相助同伴那里租来的芯片； ；；；；；而这些相助同伴，，，同时也是它的竞争敌手。。。。
值得注重的是，，，Anthropic 探索自研的时间点，，，和它收入的陡增险些同步。。。。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 这些新闻并排看，，，会发明一个配合点：它们要造的，，，全是推理芯片，，，而不是训练芯片。。。。这不是巧合。。。。
行业里一个正在爆发的结构性转移是：算力消耗的重心，，，正从「训练模子」转向「运行模子」。。。。训练是一次性本钱，，，而把模子服务给成百上万万用户，，，是一连一直的开销。。。。据 Introl 的行业剖析，，，推理现在已经吃掉了所有 AI 算力的约三分之二。。。。
https://introl.com/blog/custom-silicon-inflection-2026-hyperscaler-asics-nvidia-gpu
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，，，什么并行盘算都醒目； ；；；；；而 ASIC 像一件简单用途的工具，，，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无邪，，，由于模子架构还在变； ；；；；；可一旦模子定型、要拿去服务海量请求，，，那把「简单用途的工具」反而更省电、更自制。。。。
https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/
智能体（Agent）的爆发，，，进一步放大了这笔账。。。。MindCast AI 的一篇剖析提出了一个有意思的区分：
古板推理是「盘问本钱」：一次提问、一次回覆，，，结算完毕； ；；；；；智能体是「循环本钱」：用户的一个目的，，，会触发几十甚至上百次推理挪用，，，由于智能体要推理、妄想、检索、执行。。。。
图片译自 https://www.mindcast-ai.com/p/ai-inference-economy
当智能体大规模铺开，，，训练与推理之间的经济差池称，，，会以非线性的方式滚大。。。。也因此，，，这家剖析机构判断：推理经济学不是 2028 年才要费心的事，，，而是一个 2026 年就要做的采购决议。。。。
一笔越来越算得过来的经济账
关于「为何要自己造」，，，业内着实已经有了相当详细的数字支持。。。。
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 迁徙到谷歌第七代 TPU 后，，，月度算力开销从约 210 万美元降到约 70 万美元，，，降幅 65%。。。。把这个比例放大到天天跑数十亿次盘问的超大规模厂商身上，，，正如一位剖析师所说，，，投入数十亿美元自研芯片，，，就酿成了一道「直白的财务盘算题」。。。。
这道题的谜底，，，正在改变整个市场。。。。据 TrendForce 的展望，，，2026 年定制 ASIC 的出货增速将抵达 44.6%，，，而商用 GPU 只有 16.1%——这也是定制芯片增速首次凌驾 GPU。。。。Introl 引用彭博行业研究的数字则更宏观：到 2033 年，，，整个 AI 加速器市场预计抵达 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。。。。
https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/
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。。。。
这些数字批注：当你的算力需求膨胀到超大规模，，，芯片不再是本钱项，，，而是竞争壁垒自己。。。。正如 Oplexa 的一篇剖析所言，，，控制自己的硅片，，，意味着控制自己的性能蹊径图、本钱结构和供应链。。。。这三样是任何采购订单都换不来的。。。。
挣脱英伟达，，，不但是省钱
若是说经济账是明面上的理由，，，那么「不想把运气交给一家公司」则是浪潮底下更深的那股暗潮。。。。
英伟达的强势，，，一部分来自芯片自己，，，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 的剖析，，，险些所有严肃的 LLM 推理优化，，，从 FlashAttention 到 vLLM 里的一连批处理，，，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「搬家本钱」。。。。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，，，某些模子架构甚至基础不被支持。。。。
https://www.spheron.network/blog/hyperscaler-custom-ai-chips-2026-trainium-tpu-maia-mtia-vs-nvidia-gpu/
正由于这道墙又高又厚，，，绕过它的念头才格外强烈。。。。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 实验室必需接受英伟达开出的任何价钱和供货条件」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，，，现在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 日那两条新闻。。。。对 DeepSeek 和智谱而言，，，自研芯片除了上述所有理由，，，还配合面临着一个它们的美国偕行没有的问题：出口管制。。。。
另外值得一提的是，，，DeepSeek 这次自研听说，，，恰恰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爆发，，，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。。。。两家都在为这场腾贵的豪赌，，，先把钱袋子准备好。。。。
能乐成吗？？？？？？
把这些线索收拢，，，「为何 AI 公司都想自己造芯片」这个问题，，，谜底着实是几股实力的合流：推理取代训练成为算力主战。。。。米ㄓ ASIC 有了用武之地； ；；；；；智能体爆发把推理本钱推向非线性膨胀，，，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，，，前期工程投入重大，，，还需要事情负载足够稳固、可展望，，，才值得围绕一个牢靠架构去设计。。。。关于还在试验模子架构的首创公司，，，或是使命五花八门的通俗企业，，，英伟达 GPU 的无邪性反而是更划算的选择。。。。
TechTimes 说得清晰，，，那 40% 到 65% 的本钱优势，，，只属于天天跑数十亿次盘问的巨头； ；；；；；对每周只跑几万次盘问的企业，，，这笔账是反过来的。。。。
更值得追问的一个问题是：这场浪潮，，，事实会削弱英伟达，，，照旧只是给它「加了个增补位」？？？？？？大都剖析给出的谜底偏向后者。。。。据 Oplexa，，，到 2027 年 ASIC 出货量或将在数目上凌驾 GPU，，，但两个市场都会继续增添：AI 基础设施正在分岔成两个差别的赛道：牢靠、高频、可展望的负载归 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大都市场。。。。
https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/
DeepSeek 和智谱究竟能否造出自己的芯片，，，眼下都还没有谜底，，，事实两条新闻自己也都还停留在早期评估阶段。。。。
但它们在统一天落地，，，像两枚同时投进水面的石子，，，激起的涟漪照出了统一片焦虑：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。。。。
