AI芯片重塑计算格局：OpenAI造芯与IBM探索0.7纳米技术

AI芯片重塑计算格局：OpenAI造芯与IBM探索0.7纳米技术

两条似乎毫不相干的科技资讯，实际上都在指向同一个核心问题：计算成本已成为AI领域最棘手的挑战。

2026年6月26日

原创无版权风险配图：面向AI推理负载的通用芯片场景，不含真实商标。

但这并不代表英伟达的统治地位已遭遇实质威胁。OpenAI自主研发推理芯片，距离摆脱对英伟达的依赖还有很长一段路，将两者简单对立起来是一种误解。推理与训练、软件生态及数据中心部署固然属于不同赛道，但这至少说明：AI公司已不再满足于仅仅采购现成计算芯片。随着模型规模扩张、用户数量攀升、推理任务日趋复杂，芯片已不再是采购部门的事务，而是直接融入产品利润模型的关键要素。

此类自研芯片的宣传中总有一些地方令人质疑，与Broadcom合作一番，九个月就能推出芯片，还能与Blackwell或TPU等验证成熟的平台同场竞技。芯片领域从来不会如此轻松。性能对标若没有公开基准测试、明确的功耗测试条件和批量部署实测数据，说到底终究只是一句空话。推理芯片尤其容易陷入这种困境，因为推理任务本身极为碎片化，变量太过不可预测，batch size、模型架构、上下文长度、内存带宽、网络拓扑，任何一个条件有细微差异，结果就会大相径庭。

OpenAI这颗芯片真正关键的地方不是比拼谁更强，而是能否让自己的模型和数据中心以更低的成本运行出相等甚至更优的效果。成本才是核心。大模型公司如今最实在的指标不是参数，亦非排名，而是单次推理实实在在的成本支出。

原创无版权风险配图：半导体实验室与原子级结构示意，不含真实商标。

IBM这边则呈现另一幅景象。6月25日至26日间，IBM披露其号称全球首创的亚一纳米芯片技术：晶体管架构达到零点七纳米即七埃级别，搭配NanoStack三维堆叠结构，指甲盖大小的芯片可容纳近千亿晶体管，密度较其2021年展示的2纳米技术近乎倍增。性能方面，IBM宣称最高提升五成或能耗降低七成，但商业化落地恐怕还需五年。

这条新闻不能只看数字。不是说技术不强，IBM Research在半导体领域研究上当然是其中佼佼者，它此前的2纳米展示也对全行业颇具启发。但0.7纳米这个说法却极易让人误解，仿佛晶体管真的缩小到了0.7纳米，芯片行业即刻就要迈入原子尺度的量产阶段了。然而半导体节点命名早就只是一个文字游戏了，3纳米不是3纳米，2纳米更不是2纳米。IBM此次公布的更像是未来新的技术路径，而不是实实在在的量产芯片。

这类新闻最别扭的地方，就是让人觉得好像摩尔定律又复活了。可摩尔定律本身就带着时间尺度和产业节奏，多少年晶体管密度翻倍，怎么摊薄成本，量产如何跟上。现在很多制程新闻更像在讲述一个方向本身，垂直堆叠、更换材料、改结构、优化能耗，这些都是真的方向，但终究不能追上摩尔定律曾经的预言。

IBM说0.7纳米的量产方向，OpenAI说要自研推理芯片，两边都在说自己抓住了下一个风口，可是一个要等制造和授权落地，一个要等部署数据验证。发布会里说的到实际落地的产品，中间还有一段不短的距离。

把两件事放在一起看，反而比单独看更清晰。AI行业把芯片行业逼得不耐烦了。OpenAI这种应用层公司下场造芯，IBM这种研究型公司往更深层的材料和结构中去探索，嘴上都说效率、能耗、成本，说到底都是算力不够，电价太高，英伟达难买，台积电产能不够分。

以前看芯片新闻，只是关心手机性能会不会更好，电脑会不会更省电。现在看芯片新闻更像是在解释为什么AI服务越来越贵，何以数据中心要四处建、一个聊天产品背后会牵扯出能源、制造与供应链这一整套体系。

短期内要破局，谈何容易。OpenAI的Jalapeno想收回部分推理成本，IBM的0.7纳米则是告诉产业前路未绝。两条新闻都叫人振奋，却也都在讲故事。眼下乃至往后的一段时日里，芯片行业恐怕脱不开这般境地：技术是真的，数据也是真的，可一旦追问这个数据代表多少量产能力、多少成本降幅、多少体验提升，便说不分明了。而这含糊指出，恰恰才是最该着眼的地方。