是否英伟达在AI算力市场占据绝对优势的时日, 真的就要步入尽头了呢? 当OpenAI、Anthropic、DeepSeek、智谱这四座跨越中美且位居大模型前列的公司差不多同时宣称“要自行制造芯片”, 黄仁勋手中持有的那张有力王牌, 正被逐一抽离。
短短一个月不到，AI圈子里刮起了同一阵风。
ChatGPT所属 OpenAI 最先抛出自己自主研发的推理芯片称其为哈拉贝诺辣椒, Anthropic 随后被曝光与三星就 2 纳米工艺进行秘密商谈了此事进行相关交流, 中国这边路透社透露了 DeepSeek 悄悄制造芯片的消息, 紧接着智谱也传出其正在对自主研发定制芯片展开评估。
有四家公司, 它们加在一起, 几乎涵盖了全球大模型赛道当中, 最具备“烧钱”特质的那一批客户, 然而就在今天, 这四家公司却整齐划一地, 一同开始思考, 究竟要怎样去避开英伟达。
2026年6月24日, OpenAI跟博通共同揭开了业界期盼已久的首款自己研发的AI推理芯片哈拉贝诺辣椒的神秘面纱, 这颗芯片的定位十分清晰明确, 仅仅进行推理工作, 不会涉及训练领域。
有着这样的情况, 其架构是由OpenAI自主进行设计的, 硅片实现以及网络互联是由博通负责的, 制造环节是由台积电代工完成的, 采用的是3纳米的先进制程, OpenAI将其称作“智能处理器”。
真正在业内引发震动的, 乃是这颗芯片的开发速度, 从最初的设计开始, 一直到制造流片, 仅仅只用了9个月的时间, OpenAI自身将此称作是高性能先进半导体领域有史以来速度最快的ASIC开发周期。
传统的, 具备高性能的芯片, 其开发流片的周期，一般情况下是18至36个月, Google的TPU, 它早期的迭代, 是从18个月开始起步的, 亚马逊的Trainium, 两代之间的间隔, 差不多接近2年。
OpenAI能够将周期压缩至不到常规的一半, 其所凭借的是一种方式, 即自家的AI模型直接进入场地辅助芯片设计, 对那些最为耗费时间精力的环节进行验证、优化, 而这些环节被大模型分担了一大部分。哈拉贝诺辣椒的商业逻辑丝毫都不繁杂。
按照彭博社说的讲, 博通那个叫陈福阳的CEO透露了, 早期的时候在内部进行的测试表明, 跟当下主流的AI GPU作比较, 哈拉贝诺辣椒能够达成大约50%的推理成本节省之成效, 推理成本只要能削减一分钱, 利润表就会多出来一大截呢。
博通公司的首席执行官陈福阳, 以及该公司的总裁, 把首批工程样片交到了OpenAI公司的首席执行官奥特曼, 以及OpenAI公司的总裁布罗克曼的手中, 使得仪式感被充分地拉满且达到顶峰。
Anthropic正同一机构合作去开发一款定制的AI芯片, 该芯片采用的是此机构的一种工艺, 还有一种封装技术。Anthropic官方仅仅着重指出多元化算力策略不会有变化。
但已然足够表明问题的是公开的信息, 在6月9日, 该公司挖掘到了OpenAI定制芯片团队的早期成员克莱夫, 这并非是寻常的招聘举措。
Anthropic选择的是三星, 并非台积电, 这背后存在着有关供应链的一层考量, 三星在存储芯片领域属于领头羊, 然而在代工业务方面却向来落后于台积电。
制造了先进产线的台积电, 依旧是尖端AI芯片领域的行业标准制定者, 然而当下AI芯片的需求, 已使得台积电的产能被挤压至极限, 如此状况, 赋予了三星凭借2纳米技术去吸引客户的契机。
今年4月, Anthropic同谷歌以及博通签订协议, 自2027年起会获取数GW的下一代TPU算力, 之后拓展与亚马逊的协作, 打算在未来十年于AWS技术方面投入超1000亿美元, 进而得到最高5GW的新算力。
Anthropic宣称, 它已然运用数量超过一百万颗的Trainium 2芯片来开展训练以及进行Claude的部署。手中攥着四条线, 就是不让命脉传导给任何单一的某一家。
将镜头朝着国内的方向转过去, 依据路透社所传出的消息, DeepSeek正处于秘密状态下开展一项针对研发一款属于自身的AI芯片的工作, 这款芯片的定位在于推理方面而非训练方面, 该项目大约是在一年时间以前就已经开始启动了。
当下这个项目依旧处在刚开始的时期, DeepSeek已经跟芯片设计公司, 以及晶圆代工厂, 还有存储器供应商进行了接触。招人所采用的方式十分内敛, 公司并未在任何一个公开的招聘平台去发布岗位方面的信息, 整个过程都处于保密状态。
深寻走上这条路, 在一定程度上面是被逼迫而形成这样局面的。深寻宣称, 支撑R1模型的基础模型是于英伟达H800芯片之上做训练的, 然而在2023年年底美国对出口管制规则予以了更新, 从而完全断绝了深寻获取英伟达高端算力的途径。
从那之后, 它转而朝向华为昇腾, 在2026年4月的时候, 发布了适配华为昇腾的V4模型, 华为也已经证实, 昇腾处理器参与了轻量版V4 - Flash的一部分训练工作。可是即便昇腾的产能表现出色, 还需要跟一大群国内厂商共同分享, DeepSeek的需求难以被满足。
敏感度比别人高一档的是 DeepSeek 的算法基因, 它作用于硬件协同, DeepSeek-V3.1 引入的 UE8M0 FP8 数据格式, 被视作是专门针对下一代国产芯片的硬件特性所设计的, 而算法团队在撰写模型之际就在思考芯片相关事宜。
这样一种, 有着“软件反向定义硬件”这般思路的情况, 自然而然的, 就会在推动着模型公司, 循着芯片自研的那个方向前行。资金方面, 也已然是到位的状态了。
2026年6月, DeepSeek达成了自成立之后的首轮对外融资, 募集了大约510亿元人民币, 投资之后的估值处于520亿至590亿美元的范围之内。资金的使用方向已然清晰明确: 去扩建那以国产芯片作为主要构成的算力中心, 自行研发AI芯片, 扩充全球范围内顶尖的人才团队。
DeepSeek发布了IDC设计规划工程师的招聘, 计划参与从兆瓦量级到吉瓦量级数据中心的规划跟建设, 招聘信息里明确提及了内蒙古乌兰察布等建设地点。从模型公司转变为全栈算力公司, 路径已然画好了。
四家里, 最后一位登场的, 是智谱, 有报道声称, 智谱于其GLM系列AI模型需求激增的情形之下, 正在评估自研定制芯片的可能性。
据说, 智谱AI跟国内芯片设计公司有过接触, 去评估定制处理器的可行性, 主要是为应对算力紧缺以及出口管制限制, 此项目估计要两年多才能落地, 而且还没确定合作伙伴。和DeepSeek相比, 智谱这一步稍微晚了些, 不过节奏挺稳的。
从模型迭代节奏, 能看出智谱所承受的算力的压力究竟有多大。在6月17日这一天, 智谱将新一代旗舰大模型GLM - 5.2上线, 并且还把它进行了开源, 该模型主要致力于攻克长程任务。
在一个针对新世代大模型进行编码评估的系统上，该系统有全球百万用户参与盲测, 在这个这样的系统上, GLM - 5.2取得了相应表现, 其表现为在全球范围内, 所有可用模型里排名第一。
GLM - 5.2的线上推理依靠多个国产算力平台, 在发布当日就完成了与华为昇腾、平头哥、摩尔线程、寒武纪等国产算力平台的推理适配, 把国产芯片全都适配了一遍, 却还要进行自研, 这表明现有的方案是不够用的。
更具趣味的一个细节，乃是四家公司的口径呈现出极为惊人的一致, 那便是均从推理芯片着手切入, 而没有任何一家去涉足训练领域, 其缘由并没有多么复杂, 是这样的, 没错。
一次性的资本开支是训练, 模型一旦训完便封顶。Anthropic的首款预计聚焦推理的芯片是2纳米的, 和OpenAI一样。
使Anthropic的模型运行得更快、耗能更低, 节省云账单, 且针对Claude达成硬件层面的优化, 可通过定制推理芯片来达成。推理属于每天都在耗费资金的运营开支, 每节省一分皆是实实在在的利润。
当推理环节渐渐演变成算力需求的主要增长部分之时, 来自自研的ASIC会助力OpenAI把单位Token成本予以降低, 让算力供应自主性得到增强, 还可使模型与基础设施的迭代周期得以缩短。GPU从本质上来说属于通用芯片, 有着大量晶体管是为图形渲染以及科学计算而留存的。
进行推理运行之际, 这些电路基本上处于闲置状态。用户付出了购买整颗芯片的费用, 然而实际上仅仅享用到了一小部分算力, 其余的部分都用到了为“用不到的那种灵活性”去支付费用了。
在模型公司里, 当有着99%的负载属于同一种架构的推理情况时, 谁都不会愿意再去充当那冤大头。美国有两家公司选择走这样的路, 其主要目的在于“降本”。
有两家来自中国的公司选择踏上这么一条道路, 其背后缘由更多的是出于“求生”的目的。分析师温莎明确指出, 英伟达于中国所占据的市场份额已然基本上处于归零的状态了, 并且当前这样的现状还将会持续下去。
买不到高端的GPU, 昇腾这个却要分给全国的大厂去共享, DeepSeek以及智谱所面对的并非是“贵不贵”这种选择题, 而是“有没有”这样的填空题, 自研芯片从经济性的这般优化, 直接就变成了生存性的必需了。
或许真正体会到压力的有可能是华为, 此前DeepSeek已然身为华为昇腾芯片的关键客户, 要是其自行研制的推理芯片顺利实现商用, 那将会直接分散原本归属昇腾的推理算力需求。
像阿里巴巴、百度以及字节跳动等国内互联网领域的巨头, 也都在着手开发具有自身特色的AI芯片, 中国本土范围内的AI芯片市场, 其竞争态势正日益朝着白热化的方向发展。这场由自主研发所引发的浪潮，不仅仅是在对英伟达形成冲击, 就连原本那种一家占据主导地位的国产格局, 同样也正在被逐步稀释。
模型公司敢于下场去进行造芯这一行为, 所凭借的是通过软硬件协同设计而开展的“暗知识”套利活动。第三方芯片公司没办法获取到模型公司的架构细节内容, 所以只能去做通用推理加速器。
哈拉贝诺辣椒针对OpenAI实际上在运行着的模型, 以及核心算子、数据搬运、网络通信, 还有调度需求来展开软硬件协同优化, 借由减少数据搬运, 同时平衡计算、内存以及网络资源, 以此提高芯片实际利用率。
惟有OpenAI最为明晰GPT处于何种状况下出现阻碍, 惟有DeepSeek最为明晰MLA的压缩格式怎样映照至内存层次。如此一来英伟达难道是“天塌下来? ”。
Anthropic开启定制AI芯片研发工作, 这使得针对英伟达的竞争压力得到强化, 英伟达当下占有预估74%的AI芯片市场份额。
《The Information》自身所做的估算, 把它的AI芯片市场份额确定为74%, 这一比例比推理芯片军备竞赛尚未开启之前还要高, 老大哥的护城河依旧存在。
短期内, 模型公司自己研发的芯片, 从立项开始一直到能够量产, 起码得需要两到三年的时间。在这一段特定的窗口期之内, 英伟达所拥有的GPU订单不会出现下降的情况, 相反的是, 会因为AI基础设施不断地扩张, 从而继续呈现出上涨的态势。
布罗克曼坦言, OpenAI并非要完全“抛弃”英伟达, 因为“我们根本无法足够快地获得算力”, 目前OpenAI同时在向英伟达、AWS等多方采购芯片, 哈拉贝诺辣椒是对其爆炸性算力需求的结构性补充。
一旦二零二七至二零二八年的这批推理专用集成电路集中步入量产阶段, 推理领域最大的持续性费用将会从图形处理器向专用芯片转移, 英伟达的图形处理器业务空间必定会变窄。
第一层防御是它现在能倚仗的, 即NVLink互联生态, 就算GPU被替代, 网络过路费仍然逃不掉；第二层防御也是它现在能倚仗的, 即训练霸权, 短期内没人能撼动。估值逻辑需要重新校准。
谷歌在 2015 年的时候部署了首代 TPU, 之后逐步从推理扩展到训练、互连以及系统集群方面；亚马逊网络服务先后推出了 Inferentia 和 Trainium, 它们分别覆盖了推理和训练这两个领域；而元则围绕推荐、排名还有广告等内部负载来开发 MTIA。
纳入OpenAI的哈拉贝诺辣椒, Anthropic的三星2纳米, DeepSeek和智谱的国产自研, 又算上Etched、Groq、Cerebras这些独立芯片玩家, ASIC阵营已然从“边缘小分队”扩展至“主力方阵”。
哈拉贝诺辣椒被发布了, 这意味着一种趋势, 此趋势正从云计算巨头那里延伸开来, 朝着头部模型厂商发展, 并且AI芯片的竞争, 也将会从针对单一芯片性能而开展, 升级成为围绕模型、编译器、芯片、HBM、网络以及机架系统的一场全栈竞争。
这场重构并非替换性质的赛事, 而是具备升级特质的赛事。整个产业链之中, 价值的核心要点, 正从单纯的芯片朝着“模型加上芯片以及系统还有网络”这样的全栈能力方向进行转移。
针对资本市场而言, 重新定价已然开启, 上游硬件的信仰溢价正趋于消退, 同时, 下游应用的刚需逻辑正逐步升温。
对于芯片投资者来讲, 关键在于往前看的问题是, 三星能不能把这些刚开始的对话转变成能够大量生产的订单。任何得到确认的Anthropic代工协议, 都会对三星代工业务接下来的情况形成实际上的好处, 并且会让和台积电在高端AI芯片制造方面那种几乎是垄断状态的竞争变得更激烈。
正在被撬动的是芯片行业的旧格局, 回头去看这场“叛逃”, 实际上每一家公司的动机都极为朴素, 那就是省钱, 是可控, 以及可持续。
OpenAI是打算将利润给挤压出来, Anthropic是想要把供应链分散开来, DeepSeek和智谱是要把命脉掌握回自身手里。存在四条不一样的路径, 它们指向同一个终点, 即英伟达不再是那个“你不买就没得选”的独家供应商。
这不是黄仁勋头顶天空崩塌的状况, 然而屋顶确切无疑地开始出现雨水渗漏了。当下所处的这个关于人工智能算力的如同战国时期那般纷争的时代, 才刚刚正式展开了帷幕。
