黃仁勛和英偉達的“天塌了”？中美四大巨頭，全部轉向自研芯片

最近這段時間，全球科技圈傳出一條讓不少人坐不住的消息。短短七天之內，橫跨太平洋兩岸的四家頂級大模型企業，不約而同地把目光投向了同一個方向——自己動手搞專用芯片。這件事說大不大，說小也真不小，它正在撬動一個萬億級市場的底層邏輯。

具體來看，OpenAI旗下代號Jalapeo的項目剛剛完成流片驗證，Anthropic被曝出正在跟三星洽談2nm制程推理芯片的聯合開發，DeepSeek的自研推理芯片方案也步入了核心攻關節點，而智譜那邊同樣有自主造芯的信號在釋放。四家企業分別占據中美兩大陣營，基本把當前全球大模型競爭的第一梯隊給"包圓"了。消息一落地，老黃家的股票應聲走低，盤面對應的市值縮水幅度接近千億美元量級。

與其說這是個別企業的戰術微調，不如理解為：全球最大一批GPU采購方，正在集體尋找"第二條腿"。

推理這門生意，GPU確實有些"大材小用"了

細心的朋友可能注意到一個細節，四家企業瞄準的目標高度一致，全部指向推理端專用芯片，而非訓練端的通用算力單元。這里面的道理并不復雜。

訓練環節本質上屬于一次性投入，模型跑完就結束了，后面再大的需求也得等下一輪迭代。這個階段對大規模并行算力的依賴極深，CUDA軟件棧加上NVLink高速互聯構成的技術壁壘短期內很難撼動，替代代價高昂。當然，國內企業在這方面的突破也在持續推進，只是需要時間。

推理就完全是另一回事了。它屬于持續性支出，每輸出一個詞元都在消耗真金白銀。尤其是當智能體（Agent）概念全面鋪開之后，詞元消耗量正在以幾何倍數往上翻。有機構做過測算，到2030年智能體場景下的詞元使用規模有望膨脹二十多倍。

可問題恰恰出在這里：英偉達的GPU本身是為通用場景設計的，里面相當一部分晶體管是留給圖形處理和科學運算的。放到推理任務上，這些電路基本處于"休眠"狀態。實際運行中，GPU在推理場景下的有效利用率經常徘徊在百分之五以下。說白了，企業花了整顆芯片的錢，真正跑起來的算力只占一小截，剩下的全在為"用不著的通用性"買單。

當一家模型公司九成以上的日常負載都集中在同一類推理架構上時，它遲早會算清楚這筆賬：自己一直在為冗余能力交"租金"。

OpenAI和Anthropic：賬算明白了就得動手

大洋彼岸這兩家的出發點相當直白——把錢省下來。

OpenAI推出的Jalapeo明確鎖定推理專用方向，內部給出的目標是把單詞元推理開銷壓縮到現有GPU方案的大約一半。Anthropic則更激進一些，直接繞開臺積電的排產體系，跟三星談起了2nm制程合作，意圖在產能端搶占先機。

兩家的底層思路其實殊途同歸：把模型內部那些只有自己人才懂的架構邏輯直接燒錄到硅片里，讓運算單元變成定制電路，讓數據搬運通道完全按照注意力機制的壓縮方式來布線。

OpenAI每年在算力采購和云端租賃上的花費是數十億美元級別的。如果自研芯片真能把推理端成本砍掉一半，省出來的錢要么變成賬面利潤，要么變成給用戶讓利的空間。眼下大模型能力日趨接近，價格競爭已經白熱化，推理成本高低直接決定毛利厚薄。

Anthropic的策略相對分散，一邊在用谷歌的TPU，一邊在接觸三星做定制芯片，同時大概率還在繼續采購英偉達的產品。這種多線并行不是出于技術偏好，更多是一種供應鏈風控思維——不能把所有籌碼押在同一家供應商身上。

DeepSeek和智譜：不是愿不愿意，是沒得選

回到國內這邊，兩家企業面臨的局面跟美國同行截然不同。它們走向自研，核心驅動力不是"降本"，而是"獲取"。

DeepSeek這幾年的硬件遷移路線，某種程度上就是一部外部限制的縮影。早期R1模型還在用英偉達H800做訓練，后來H800被列入限制清單，V4版本開始轉向華為昇騰平臺。但昇騰的產能需要在國內一大批企業之間分配，僧多粥少的局面短期內很難根本緩解。

智譜的情況也類似。GLM-5.2上線之后使用量暴增了二十七倍，推理端的算力缺口同步放大。在沒有外部約束的市場里，這個缺口可以通過采購來彌補；而在當前環境下，可選項本身就不完整。

目前華為昇騰大約拿下了國內AI芯片市場一半的份額，體量在五百億美元量級，但產能天花板擺在那里，而且要跟所有國內大廠共享。更現實的問題在于，昇騰跟英偉達最前沿的產品之間仍然存在一到兩代的技術間距。對于DeepSeek和智譜來說，擺在面前的不是"貴不貴"的選擇題，而是"有沒有"的生存題。自研芯片從經濟賬變成了必答題。

國內企業還有一條思路值得關注，就是"模型開源引流、芯片變現盈利"。開源模型本身很難直接產生收入，但如果把Llama或者GLM的權重直接固化到專用硅片里，用戶想要獲得最高效的推理體驗，就得采購配套芯片。模型當鉤子，芯片才是真正的利潤池。

最懂模型的人，才最知道芯片該長什么樣

四家企業不約而同選擇自己造芯，背后藏著一個共同的判斷：沒有誰比模型公司更清楚自己的模型需要什么樣的硬件。

舉個例子，DeepSeek搞出來的MLA多頭潛在注意力機制，把KV Cache壓縮到了傳統架構的幾十分之一；細粒度MoE架構則讓每次推理只激活極小一部分參數。這些創新跑在通用GPU上時，只能通過軟件層面的修補去適配硬件的固有框架。但如果芯片本身就是自己定義的，運算單元可以直接按照模型邏輯固化成電路，數據通路也能完全圍繞壓縮格式來設計。

市面上像Groq、Cerebras這樣的第三方芯片廠商，做的是通用推理加速方案，但它們拿不到模型公司內部的架構細節。只有OpenAI清楚GPT推理時到底卡在哪個運算節點上，也只有DeepSeek明白MLA的壓縮格式怎么映射到存儲層級。這種軟硬件一體化設計帶來的效率紅利，正是模型公司敢自己下場造芯的底氣所在。

英偉達的日子真過不下去了嗎？

盤前跌了兩個點、市值蒸發近千億，市場情緒看起來很緊張。但客觀講，英偉達的基本面并沒有出現崩塌，頂多算是頭頂的瓦片松了幾塊。

從短期視角看，模型公司自研芯片從立項到真正量產，少說也要兩到三年。在這個窗口期內，英偉達的GPU出貨量不會出現斷崖式下滑。訓練端的CUDA生態壁壘短期內依然牢固，下一代超大模型的訓練仍然高度依賴英偉達的產品線。OpenAI一邊在推Jalapeo，一邊還在老老實實排隊等B200的交付。

但把時間拉長到中長期，壓力是實實在在的。如果2027到2028年間這批推理專用芯片集中進入量產階段，大量推理 workload 會從GPU遷移到定制芯片上。英偉達在這塊市場的空間會被明顯擠壓。不過它手里還有兩張牌：一是NVLink Fusion互聯技術，即便GPU被替代，高速互聯的"過路費"依然能收；二是訓練端的絕對優勢，這塊陣地短期內沒有對手能撼動。

更準確的說法或許是：英偉達正在從"唯一選擇"退化為"選項之一"。資本市場對它的估值預期需要從"永續高增長"調整為"增速放緩"。這次下跌反映的是預期修正，而不是終局。

多極格局已經拉開序幕

四家頭部模型企業同時入場造芯，意味著AI算力市場正式告別"一家獨大"的時代，進入多方角力的新階段。

谷歌有自己的TPU，亞馬遜有Trainium，OpenAI押注Jalapeo，Anthropic牽手三星，DeepSeek和智譜在推進國產方案。再加上Etched、Groq、Cerebras這些獨立芯片玩家，專用芯片陣營正在迅速膨脹。英偉達不再是那個"你不買就沒得用"的角色了。

對資本市場而言，這意味著一輪重新定價。上游硬件端過去那種"信仰式溢價"正在褪去，下游應用端的"剛需屬性"反而在走強。模型公司通過自研芯片省下來的開支，最終大概率會以更低的價格和更好的體驗傳遞給終端用戶。這場芯片領域的集體"突圍"，受益的不是某一家硬件廠商，而是整個AI生態里的幾乎所有參與者——當然，英偉達需要重新找到自己的位置。