大模型厂商加速自研推理芯片，AI辅助设计或重塑行业格局

事件概述

2026年年中以来，多家头部独立大模型厂商传出或证实正在开发自研AI芯片。这一趋势标志着模型公司与芯片行业的边界进一步模糊，厂商们试图通过垂直整合来应对日益增长的推理算力需求和成本压力。

核心动态与时间线

• OpenAI：6月末发布首款自研推理芯片Jalapeño，从架构设计到流片仅耗时9个月，创下ASIC领域最短开发周期纪录。8月末公布评测数据，称其推理能力比肩甚至超过英伟达GB200/GB300，SemiAnalysis报告认为其可直接对标英伟达新一代Vera Rubin产品。
• DeepSeek：7月上旬被路透社报道正在开发自研AI芯片，项目已启动约一年，并与供应链企业展开讨论。
• 智谱（Zhipu）：同期被曝推进自研芯片项目，已向国内多家芯片设计公司询价。其半年报显示，通过部署国产推理芯片，单位Token推理成本半年内压降约八成，但整体仍面临盈利压力。
• Anthropic：8月初正式证实组建内部芯片研发团队，为Claude模型打造定制化芯片，并已与三星、SK海力士等供应链巨头接触。

驱动因素：推理时代的到来

1. 成本结构变化：在模型生命周期中，推理成本可能高达90%。随着Agent、长上下文等技术落地，Token消耗呈指数级增长，推理计算支出已超过训练支出。
2. 性能与能效需求：推理场景多样化（低延迟、高吞吐、低功耗），通用GPU难以兼顾所有指标。自研专用芯片能更好地实现软硬协同，优化每Token成本和能效。
3. 财务压力：尽管用户规模和ARR快速增长，但高昂的研发和推理成本导致多数厂商仍处于亏损状态（除Anthropic Q2外）。自研芯片被视为改善毛利率的关键手段。

技术路径与创新

• 架构激进创新：以OpenAI Jalapeño为例，抛弃了PD分离、推测解码等常规做法，在硬件架构、内存互联上进行激进设计，以减少资源闲置和传输损耗。同时兼顾通用性，支持小矩阵计算和乱序执行，为未来商业化预留空间。
• AI辅助造芯：
  • 加速设计：OpenAI利用AI工具大幅缩短开发周期。
  • 代码迁移：使用Codex编写底层内核代码，降低从CUDA迁移至自研芯片的成本。
  • 自动化适配：Anthropic利用Claude模型在周末完成前沿模型在AMD芯片上的适配调优；Kimi展示自主完成芯片设计案例（虽基于开源EDA和虚拟环境，但展示了Agent能力）。
  • 潜在影响：AI编程能力的提升可能打破传统EDA工具和CUDA生态的垄断，冲击英伟达的软件护城河。
• 供应链合作：
  • OpenAI联合博通（设计实现）、台积电（代工）、三星（HBM4内存）及天弘科技（集成）共同推进。
  • Anthropic主要依赖三星代工封装及SK海力士存储。
  • 中国厂商倾向于国内供应链生态，并已就光连接等定制产品进行沟通。

行业影响与展望

• 对英伟达的挑战：虽然短期内难以撼动英伟达超75%的市场份额，但模型厂商构建的去英伟达供应链联盟及AI设计范式，长期看可能削弱其议价能力和CUDA生态壁垒。英伟达正通过收购（如Hugging Face）和产品迭代进行防御。
• 专业分工深化：模型厂商自研主要聚焦特定负载优化，而专业AI芯片公司需面对更广泛的客户需求、软件栈建设和系统工程挑战。两者将在局部竞争的同时，在芯片设计服务、平台级优化等方面形成新合作。
• 风险与不确定性：自研芯片面临资金、团队、工程难题及流片失败风险。目前各厂商芯片多处于早期验证阶段（如Jalapeño预计2027年底出货），最终竞争力尚待市场检验。

总体而言，独立模型厂商入局造芯是AI进入规模化商用阶段的必然产物，不仅改变了算力供给格局，也推动了芯片设计范式的革新。