AI巨头竞相造芯：掌握算力自主权是大模型的必由之路

7月7日，路透社援引知情人士消息，DeepSeek正研发自研AI推理芯片，项目始于一年前，目前尚处早期。这家此前多次拒绝外部投资的中国AI领军企业，刚在6月完成了约510亿元的首轮融资，核心意图正是自研芯片。同日，The Information报道称，智谱AI也在考量自研定制芯片的可能性，原因在于其GLM-5.2模型在海外的Vercel平台上，首周日均Token消耗激增了27倍。

此类消息并非孤例。放眼望去，“AI公司想要自己造芯片”已从个例变成了行业共识。就在上个月，OpenAI与博通联手推出了首款自研推理芯片Jalapeño，从设计到流片仅耗时9个月。Anthropic也启动了自研芯片的早期开发，正与三星商谈2纳米工艺合作。Meta则计划最快今年9月开始量产代号为“Iris”的自研AI芯片。

剖析产业发展动因，主要可从成本、性能和定义权三个维度寻找答案。

首先是成本。AI模型的推理贯穿用户使用全过程。数据显示，生产环境中推理成本可占模型全生命周期计算成本的80%至90%。专用推理芯片（ASIC）剔除了冗余电路，专为特定算法的矩阵计算而生，拥有远超通用GPU的能效比和更低的大规模生产成本。据称OpenAI的Jalapeño可将推理成本降低约50%。Trendforce预测，到2026年ASIC的增长率将达到44.6%，而GPU仅为16.1%。

其次是性能。AI公司最清楚自家模型的需求。OpenAI硬件负责人Richard Ho表示，Jalapeño“专为LLM推理从零设计”，团队针对内核、内存搬运、网络和服务模式进行了优化。这不是对通用AI芯片的简单改装，而是基于ChatGPT等产品的实际负载经验从头打造。博通CEO陈福阳甚至评价称，Jalapeño的性能可与英伟达Blackwell芯片和谷歌TPU相媲美。

更深层的动力在于对“定义下一代产品”的掌控。过去，AI公司只能被动接受芯片厂商的能力边界。自研芯片意味着从底层硬件到上层算法的全面掌控。DeepSeek从早期依赖英伟达H800训练R1模型，到转向华为昇腾部署V4，再到如今亲自下场设计推理芯片，这条算力路线的演变，几乎是中国AI产业算力自主化的缩影。一旦自研芯片成功，AI公司获得的不仅是更低成本，更是对底层算力的更强控制力。

OpenAI无疑是进展最快的。Jalapeño已在实验室以量产目标频率和功耗运行各类机器学习任务，包括GPT-5.3、Codex和Spark。OpenAI称其每瓦性能“显著优于当前行业顶尖水平”。更重要的是，OpenAI已制定多代芯片路线图，Jalapeño只是开端。

Meta紧随其后。代号Iris的第四代自研AI加速器最快今年9月量产，由博通联合设计、台积电代工。内部备忘录显示，Iris的测试仅用六周，未发现重大问题。Meta计划2026年部署约7吉瓦算力，2027年翻倍至14吉瓦。

Anthropic、DeepSeek和智谱也在发力。Anthropic已启动早期开发并挖来了OpenAI自研芯片团队的核心成员。DeepSeek已与芯片设计公司、晶圆代工厂及存储供应商展开接触，近期在秘密扩充芯片设计团队。智谱也向国内芯片设计公司进行了初步咨询。

首当其冲的是资金门槛。据行业人士估算，设计一款先进AI芯片的成本可能高达约5亿美元。这仅涵盖设计、工程与验证阶段，距离大规模量产还很远。

其次是人才争夺。国内顶尖芯片设计人才本就稀缺，寒武纪、海光、壁仞等公司早已多次“扫荡”人才市场。DeepSeek的芯片招聘全程通过行业内定向推荐，这种保密性恰恰反映了人才战的激烈程度。

更大的挑战在于制造端。对中国企业而言，无法获取最先进的晶圆制造技术和高带宽内存（HBM），这是AI推理芯片的关键部件。即便设计完成，先进制程的流片和量产仍高度依赖台积电、三星等少数代工厂。台积电CoWoS先进封装产能中，超过60%被单一客户垄断。

智谱的项目据称需要两年以上。DeepSeek虽已启动约一年，但仍处于早期阶段。业内普遍认为，这条路能否走通，至少还需要两到三年才能见分晓。有业内人士指出，大模型公司做自研芯片，短期内难以满足需求，过渡期仍需购买芯片混合使用。

但这场“豪赌”已无退路。正如北京市人工智能高级工程师张发恩所言，造芯是大模型公司的必选项，大模型公司可以用最聪明的AI去打磨最适配的底层硬件，将性能榨取到极致。一旦该模式验证成功，未来的利润率和生态主动权便有了保障。

从软件公司转型为芯片设计者，AI巨头们正在经历一次深刻的身份重塑。这不仅是一场关于成本的博弈，更是一场关于未来话语权的争夺。当一家公司同时掌握从模型到芯片的全栈能力，它便拥有了定义下一代AI产品形态的主动权。