智谱、DeepSeek等AI企业集体“造芯”？ 从算力买家到芯片定义者

【TechWeb】7月9日消息，近期中国AI圈接连传出重磅消息。先是路透社报道，DeepSeek正在秘密开发自研AI推理芯片，项目约一年前已经启动，公司正与芯片设计公司、晶圆代工厂及存储厂商密集接洽。紧接着，The Information爆料称，智谱也在评估自研定制AI芯片的可能性，已向多家国内芯片设计公司进行初步咨询，计划合作开发一款针对其模型运行优化的定制AI处理器。

这两家中国头部大模型公司的动向，只是AI行业“造芯潮”的最新注脚。

放眼全球，这场竞赛早已鸣枪。2026年6月24日，OpenAI联合博通正式发布了首款自研AI推理芯片Jalapeño，从设计到流片仅用9个月，创下了高性能ASIC最快的研发周期纪录。该芯片专为大语言模型推理设计，计划于2026年底开始部署。紧随其后，Anthropic也被曝已启动自研AI芯片的早期工作，并与三星电子就2nm制程代工展开洽谈。为了加速研发，Anthropic还从OpenAI挖来了其自研芯片团队的早期核心成员。

在老牌科技巨头中，自研芯片更是早已成为标准配置。国外有谷歌的TPU、亚马逊的Trainium和Inferentia、微软的Maia、Meta的MTIA。国内有百度的昆仑芯、阿里的真武、华为的昇腾等。

越来越多的头部AI公司，无论中美，无论开源闭源，都在同一时间窗口扎进了芯片这门重资产、高风险的“苦生意”。

算力经济学正在被重写

业内人士认为，AI公司集体造芯，并非一时冲动，而是多重压力共同驱动的必然结果。

一方面，推理成本正在成为不可承受之重。大模型推理发生在每一次真实使用中，模型用户越多、Agent运行越久、Token吞吐越大，推理成本就越像水电费一样持续累积。正因如此，无论是DeepSeek、OpenAI还是其他公司，首款自研芯片几乎都聚焦于推理而非训练。例如，OpenAI的首款芯片Jalapeño就宣称可降低约50%的推理成本。自研芯片的本质，是把上游芯片厂商的利润内部消化，一旦大规模部署，单位算力成本将大幅下降。

另一方面，目前行业巨头英伟达的GPU像一把功能强大的瑞士军刀，训练、推理、科学计算、视频生成无所不能。但对于只需要长期运行固定大模型负载的AI公司而言，他们越来越觉得为这种通用性持续付费并不划算。因此，打造定制芯片可以围绕自家模型的算子结构、KV Cache管理、内存访问模式进行定向优化，实现通用芯片难以企及的效率。

还有不能忽视的供应链安全。 过度依赖单一供应商本身就意味着巨大风险。对中国AI公司而言，美国出口管制更是现实的生存威胁。智谱已上了美国黑名单，无法采购英伟达显卡。自研芯片一旦成功，得到的不仅是更低成本，更是对底层算力的自主控制权。

重塑AI与半导体两大产业格局

这股“造芯潮”正在深刻改变AI和半导体两个行业的竞争格局。

自研芯片意味着AI公司的竞争维度被彻底拓宽，不再只是比谁的模型更大、效果更好，还要比谁对底层硬件的理解更深、谁的软硬协同更优。这是一场门槛极高的竞赛。设计一款先进AI芯片的成本可能高达约5亿美元，且从设计到流片、制造再到部署，至少需要两年以上。能够参与这场竞赛的，注定只有少数头部玩家。而那些成功打通“算法—模型—芯片”全栈的公司，将建立起难以逾越的竞争壁垒。

但是，这些AI公司的“自研”几乎都停留在芯片设计层面，最关键的制造环节仍依赖专业晶圆代工厂。这股潮流为代工厂带来了前所未有的订单增量。

以三星为例，据传Meta正与其洽谈一笔价值高达10万亿韩元（约合72亿美元）的定制AI芯片订单，Anthropic也在评估三星的2nm工艺，谷歌同样考虑由三星代工部分下一代TPU芯片。

行业统计显示，三星晶圆代工部门的中长期积存订单有望逼近50万亿韩元。与此同时，2026年微软、谷歌、亚马逊、Meta几家科技巨头的AI相关资本开支合计已突破7000亿美元，近七成资金流向AI服务器与定制化算力芯片。

三星电子本月最新发布的2026年第二季度业绩预告显示，其营业利润89.4万亿韩元（约合3934亿元人民币），同比暴增1810%，创下历史新高，单季盈利超过了2023年至2025年三年的利润总和。

更大的变化在于供应链格局的松动。过去台积电几乎独揽全球尖端AI芯片代工，但随着台积电2nm、3nm产能排期已延伸至2027年之后，越来越多客户开始主动拓宽代工渠道。全球AI算力供应链正在从“台积电独大”向更复杂的多供应商格局演变。

当越来越多的AI巨头开始用自研芯片替代部分GPU采购，英伟达的市场主导地位正面临前所未有的威胁。专用加速器在单次推理成本上可较通用GPU低40%至50%。虽然短期内自研芯片还无法完全取代英伟达GPU，但长期来看，AI公司对英伟达的依赖正在被系统性地削弱。

可以预见的是，未来几年，谁能在“软硬协同”的深度上领先一步，谁就更有可能在AI的终极竞赛中占据先机。