黄仁勋和英伟达的“天塌了”？中美四大巨头，全部转向自研芯片

最近这段时间，全球科技圈传出一条让不少人坐不住的消息。短短七天之内，横跨太平洋两岸的四家顶级大模型企业，不约而同地把目光投向了同一个方向——自己动手搞专用芯片。这件事说大不大，说小也真不小，它正在撬动一个万亿级市场的底层逻辑。

具体来看，OpenAI旗下代号Jalapeo的项目刚刚完成流片验证，Anthropic被曝出正在跟三星洽谈2nm制程推理芯片的联合开发，DeepSeek的自研推理芯片方案也步入了核心攻关节点，而智谱那边同样有自主造芯的信号在释放。四家企业分别占据中美两大阵营，基本把当前全球大模型竞争的第一梯队给"包圆"了。消息一落地，老黄家的股票应声走低，盘面对应的市值缩水幅度接近千亿美元量级。

与其说这是个别企业的战术微调，不如理解为：全球最大一批GPU采购方，正在集体寻找"第二条腿"。

推理这门生意，GPU确实有些"大材小用"了

细心的朋友可能注意到一个细节，四家企业瞄准的目标高度一致，全部指向推理端专用芯片，而非训练端的通用算力单元。这里面的道理并不复杂。

训练环节本质上属于一次性投入，模型跑完就结束了，后面再大的需求也得等下一轮迭代。这个阶段对大规模并行算力的依赖极深，CUDA软件栈加上NVLink高速互联构成的技术壁垒短期内很难撼动，替代代价高昂。当然，国内企业在这方面的突破也在持续推进，只是需要时间。

推理就完全是另一回事了。它属于持续性支出，每输出一个词元都在消耗真金白银。尤其是当智能体（Agent）概念全面铺开之后，词元消耗量正在以几何倍数往上翻。有机构做过测算，到2030年智能体场景下的词元使用规模有望膨胀二十多倍。

可问题恰恰出在这里：英伟达的GPU本身是为通用场景设计的，里面相当一部分晶体管是留给图形处理和科学运算的。放到推理任务上，这些电路基本处于"休眠"状态。实际运行中，GPU在推理场景下的有效利用率经常徘徊在百分之五以下。说白了，企业花了整颗芯片的钱，真正跑起来的算力只占一小截，剩下的全在为"用不着的通用性"买单。

当一家模型公司九成以上的日常负载都集中在同一类推理架构上时，它迟早会算清楚这笔账：自己一直在为冗余能力交"租金"。

OpenAI和Anthropic：账算明白了就得动手

大洋彼岸这两家的出发点相当直白——把钱省下来。

OpenAI推出的Jalapeo明确锁定推理专用方向，内部给出的目标是把单词元推理开销压缩到现有GPU方案的大约一半。Anthropic则更激进一些，直接绕开台积电的排产体系，跟三星谈起了2nm制程合作，意图在产能端抢占先机。

两家的底层思路其实殊途同归：把模型内部那些只有自己人才懂的架构逻辑直接烧录到硅片里，让运算单元变成定制电路，让数据搬运通道完全按照注意力机制的压缩方式来布线。

OpenAI每年在算力采购和云端租赁上的花费是数十亿美元级别的。如果自研芯片真能把推理端成本砍掉一半，省出来的钱要么变成账面利润，要么变成给用户让利的空间。眼下大模型能力日趋接近，价格竞争已经白热化，推理成本高低直接决定毛利厚薄。

Anthropic的策略相对分散，一边在用谷歌的TPU，一边在接触三星做定制芯片，同时大概率还在继续采购英伟达的产品。这种多线并行不是出于技术偏好，更多是一种供应链风控思维——不能把所有筹码押在同一家供应商身上。

DeepSeek和智谱：不是愿不愿意，是没得选

回到国内这边，两家企业面临的局面跟美国同行截然不同。它们走向自研，核心驱动力不是"降本"，而是"获取"。

DeepSeek这几年的硬件迁移路线，某种程度上就是一部外部限制的缩影。早期R1模型还在用英伟达H800做训练，后来H800被列入限制清单，V4版本开始转向华为昇腾平台。但昇腾的产能需要在国内一大批企业之间分配，僧多粥少的局面短期内很难根本缓解。

智谱的情况也类似。GLM-5.2上线之后使用量暴增了二十七倍，推理端的算力缺口同步放大。在没有外部约束的市场里，这个缺口可以通过采购来弥补；而在当前环境下，可选项本身就不完整。

目前华为昇腾大约拿下了国内AI芯片市场一半的份额，体量在五百亿美元量级，但产能天花板摆在那里，而且要跟所有国内大厂共享。更现实的问题在于，昇腾跟英伟达最前沿的产品之间仍然存在一到两代的技术间距。对于DeepSeek和智谱来说，摆在面前的不是"贵不贵"的选择题，而是"有没有"的生存题。自研芯片从经济账变成了必答题。

国内企业还有一条思路值得关注，就是"模型开源引流、芯片变现盈利"。开源模型本身很难直接产生收入，但如果把Llama或者GLM的权重直接固化到专用硅片里，用户想要获得最高效的推理体验，就得采购配套芯片。模型当钩子，芯片才是真正的利润池。

最懂模型的人，才最知道芯片该长什么样

四家企业不约而同选择自己造芯，背后藏着一个共同的判断：没有谁比模型公司更清楚自己的模型需要什么样的硬件。

举个例子，DeepSeek搞出来的MLA多头潜在注意力机制，把KV Cache压缩到了传统架构的几十分之一；细粒度MoE架构则让每次推理只激活极小一部分参数。这些创新跑在通用GPU上时，只能通过软件层面的修补去适配硬件的固有框架。但如果芯片本身就是自己定义的，运算单元可以直接按照模型逻辑固化成电路，数据通路也能完全围绕压缩格式来设计。

市面上像Groq、Cerebras这样的第三方芯片厂商，做的是通用推理加速方案，但它们拿不到模型公司内部的架构细节。只有OpenAI清楚GPT推理时到底卡在哪个运算节点上，也只有DeepSeek明白MLA的压缩格式怎么映射到存储层级。这种软硬件一体化设计带来的效率红利，正是模型公司敢自己下场造芯的底气所在。

英伟达的日子真过不下去了吗？

盘前跌了两个点、市值蒸发近千亿，市场情绪看起来很紧张。但客观讲，英伟达的基本面并没有出现崩塌，顶多算是头顶的瓦片松了几块。

从短期视角看，模型公司自研芯片从立项到真正量产，少说也要两到三年。在这个窗口期内，英伟达的GPU出货量不会出现断崖式下滑。训练端的CUDA生态壁垒短期内依然牢固，下一代超大模型的训练仍然高度依赖英伟达的产品线。OpenAI一边在推Jalapeo，一边还在老老实实排队等B200的交付。

但把时间拉长到中长期，压力是实实在在的。如果2027到2028年间这批推理专用芯片集中进入量产阶段，大量推理 workload 会从GPU迁移到定制芯片上。英伟达在这块市场的空间会被明显挤压。不过它手里还有两张牌：一是NVLink Fusion互联技术，即便GPU被替代，高速互联的"过路费"依然能收；二是训练端的绝对优势，这块阵地短期内没有对手能撼动。

更准确的说法或许是：英伟达正在从"唯一选择"退化为"选项之一"。资本市场对它的估值预期需要从"永续高增长"调整为"增速放缓"。这次下跌反映的是预期修正，而不是终局。

多极格局已经拉开序幕

四家头部模型企业同时入场造芯，意味着AI算力市场正式告别"一家独大"的时代，进入多方角力的新阶段。

谷歌有自己的TPU，亚马逊有Trainium，OpenAI押注Jalapeo，Anthropic牵手三星，DeepSeek和智谱在推进国产方案。再加上Etched、Groq、Cerebras这些独立芯片玩家，专用芯片阵营正在迅速膨胀。英伟达不再是那个"你不买就没得用"的角色了。

对资本市场而言，这意味着一轮重新定价。上游硬件端过去那种"信仰式溢价"正在褪去，下游应用端的"刚需属性"反而在走强。模型公司通过自研芯片省下来的开支，最终大概率会以更低的价格和更好的体验传递给终端用户。这场芯片领域的集体"突围"，受益的不是某一家硬件厂商，而是整个AI生态里的几乎所有参与者——当然，英伟达需要重新找到自己的位置。