大模型厂商掀起自研AI芯片潮

2026年年中以来，越来越多的独立大模型厂商开始亲自下场“造芯”。6月，OpenAI率先发布首款自研AI推理芯片Jalapeño，从架构设计到流片仅用9个月，创下ASIC领域最短开发周期纪录。7月，DeepSeek被曝已启动芯片项目约一年；智谱也正在推进自研芯片，已向多家国内芯片设计公司询价。8月，Anthropic正式确认组建芯片团队，为Claude定制AI芯片。

SemiAnalysis报告称，Jalapeño可直接对标英伟达新一代产品Vera Rubin，甚至可能冲击其CUDA护城河。

过去，独立模型厂商自研芯片并不被看好：没有云业务和客户生态，又难承受训练芯片的巨额投入。但推理时代的到来改变了这一判断。Agent、长上下文应用大规模落地，Token消耗激增，推理算力需求超过训练。AWS曾估算，推理可能占模型生命周期成本的90%。对模型公司来说，推理是每天要付的账单，规模越大，支出越高。

以智谱为例，其半年报显示，公司整体毛利率从去年同期的50%下降至26.4%。通过大规模部署国产推理芯片，单位Token推理成本半年压降约八成，但扣非亏损仍在扩大。压力之下，探索自研推理芯片顺理成章。

各家造芯路径也各不相同。OpenAI的Jalapeño在设计上颇为激进，抛弃了PD分离、推测解码等常规做法，以减少传输损耗，还考虑了通用性，以适配不同尺寸的模型。更重要的是，OpenAI利用AI辅助工具大幅加快设计进度，并用Codex重写底层内核代码，降低从CUDA迁移的成本。Anthropic也展示过类似能力：工程师用Claude在一个周末内完成了自家模型在AMD芯片上的适配优化。7月，Kimi的K3模型被展示在48小时内自主完成一款AI专用芯片的设计与验证。有芯片从业者提醒，K3用的是研究用途的开源EDA工具，支持制程仅50-100nm，不能说大模型吞噬了EDA，但其展示的Agent能力确实在冲击传统工具链。

供应链方面，OpenAI与博通合作做芯片实现，台积电代工，三星提供HBM4内存，天弘科技负责板卡集成。Anthropic据悉由三星代工，并已向SK海力士寻求存储产能。DeepSeek和智谱据称也已与国内芯片设计、代工、存储企业接触，还有光互联公司透露，国内模型厂已就定制光连接产品进行沟通。

模型厂商造芯，最受关注的还是英伟达。目前英伟达在全球AI芯片市场占有超75%份额，毛利率超75%。SemiAnalysis认为，Jalapeño不仅形成性能竞争，还为OpenAI换来更强议价能力，可能影响英伟达的长期毛利率。更关键的是，CUDA护城河来自开发者生态和代码迁移成本，而AI编程能力正让迁移变得容易。有评论称，“英伟达正在实时催产自己的潜在接班人”。英伟达也在反击，除了迭代芯片，还通过收购Groq、Hugging Face等布局硬件、软件与生态。

不过，也有GPU大厂高管认为，自研芯片与传统芯片企业只是局部竞争，合作仍是主流；专业芯片公司要服务更广泛的客户，模型厂商则追求特定场景的极致优化。云天励飞CEO陈宁则认为，模型厂商造芯印证了推理负载细分和软硬协同的趋势，专业芯片公司需要建立能持续适应模型演进的推理平台。

当然，造芯并非没有风险。资金、团队、工程问题之外，还有流片失败的可能。OpenAI的Jalapeño目前仍在工程样品验证阶段，大规模出货要到2027年底；其他厂商更处于早期。但无论如何，这些“硬核玩家”已成为AI芯片牌桌上不可忽视的新变量。