【热点消息：中国AI公司自研芯片初露端倪】

7月7日，两条关于中国AI公司自研芯片的消息成热点。路透社称DeepSeek在研发芯片，瞄准推理，已悄悄招芯片设计工程师，还和外部代工厂、存储厂商接触，但该消息只有路透社单一信源，DeepSeek未回应置评请求。同一天，The Information报道智谱在评估自研定制芯片，因GLM - 5.2需求暴增，这款模型是Vercel模型聚合平台上增长最快的，上线首周日均token消耗一度飙升达27倍。智谱已和多家国内芯片设计公司初步接触，未选定合作方，项目可能需两年以上，消息一出，智谱在港股当日一度涨约9.9%。不过，两条消息都停留在早期评估阶段，无实物、无定型设计。

【行业趋势：AI公司自研芯片成默认动作】

实际上，DeepSeek和智谱并非个例，“AI公司想自己造芯片”在2026年已从个别选择变成行业默认动作，从OpenAI、Anthropic到国内的这两家前沿实验室，动作一致。那为什么会这样呢？

【OpenAI：芯片已亮相】

若说DeepSeek的消息是传闻，OpenAI则已拿出实物。6月24日，OpenAI与博通联合发布Jalapeño，这是OpenAI第一枚自研芯片，专为大模型推理设计的ASIC。OpenAI硬件负责人Richard Ho表示，芯片“从零开始为LLM推理而设计”，团队做了针对性优化。早期实验室测试显示，Jalapeño每瓦性能“大幅优于当前业界最先进水平”，但最终性能仍在测量中，详细技术报告未来几个月发布，厂商自述性能优势，在第三方benchmark出来前，只能算一面之词。这枚芯片从设计到流片只用九个月，OpenAI称可能是高性能先进半导体史上最快的ASIC开发周期，是用AI来设计造AI的芯片加速了这个周期。Jalapeño计划2026年底部署，锚定一份10GW规模、2029年完成的博通合作，微软预计买下首批约40%产能。

【Anthropic：探索进行中】

今年4月，路透社报道Anthropic在权衡自研芯片，计划处于早期阶段，公司可能只买不造，未敲定设计，没组建专门团队。但7月初有新进展，Anthropic开始和三星接触，探讨代工定制芯片，瞄准三星2纳米制程和先进封装，还挖来OpenAI自研芯片团队早期成员Clive Chan。面对追问，Anthropic称“多元化硬件栈”仍是算力战略核心，对三星合作“不予进一步置评”。据The Information数据，英伟达握着全球约74%的AI芯片市场，Anthropic没造过自己的芯片，Claude调用的是租来的芯片，而合作伙伴也是竞争对手。值得注意的是，Anthropic探索自研时间和收入陡增几乎同步，2026年运营收入年化越过300亿美元，2025年底约90亿美元，规模到这个量级，自研芯片经济账才划算。

【共同目标：推理芯片受青睐】

把DeepSeek、智谱、OpenAI、Anthropic消息并排看，发现共同点：都要造推理芯片，而非训练芯片。这不是巧合，行业算力消耗重心正从“训练模型”转向“运行模型”，训练是一次性成本，服务用户是持续开销，据Introl分析，推理已吃掉约三分之二的AI算力。推理是ASIC的主场，英伟达的GPU像瑞士军刀，ASIC像单一用途工具，训练需GPU灵活，模型定型服务海量请求时，ASIC更省电、便宜。智能体爆发放大了这笔账，传统推理是“查询成本”，智能体是“循环成本”，智能体大规模铺开，训练与推理经济不对称会非线性滚大，MindCast AI分析认为，推理经济学是2026年就要做的采购决策。

【经济考量：成本优势明显】

对于“为何要自己造”，业内有具体数字支撑。AI图像平台Midjourney把推理负载从英伟达GPU迁移到谷歌第七代TPU后，月度算力开销从约210万美元降到约70万美元，降幅65%。放大到超大规模厂商，投入数十亿美元自研芯片成“直白的财务计算题”。据TrendForce预测，2026年定制ASIC出货增速达44.6%，商用GPU只有16.1%，定制芯片增速首次超过GPU。Introl引用彭博行业研究数字更宏观，到2033年，AI加速器市场预计达6040亿美元，定制硅片份额加速上升。超大规模厂商已用真金白银投票，谷歌的TPU、亚马逊的Trainium、微软的Maia、Meta的MTIA等自研芯片服务着母公司内部巨量推理负载。据CNBC报道，Trainium相比AWS上其他硬件供应商有30%到40%的性价比优势。这些数字表明，算力需求超大规模时，芯片是竞争壁垒，控制硅片意味着控制性能路线图、成本结构和供应链。

【深层动机：摆脱英伟达依赖】

经济账是明面上的理由，“不想把命运交给一家公司”是更深的暗流。英伟达的强势部分来自芯片，更大部分来自CUDA，这是积累二十多年的软件生态。据Spheron分析，几乎所有严肃的LLM推理优化都只跑在CUDA上，换芯片要付“搬迁成本”，把服务栈从vLLM移植到亚马逊Neuron SDK，要花两到六周工程时间，某些模型架构甚至不被支持。所以，绕过它的动机强烈，对超大规模厂商和前沿实验室而言，自研芯片负载意味着更多利润和议价底气。TheStreet判断，“AI实验室必须接受英伟达开出的任何价格和供货条件”的默认假设正在改变，微软、亚马逊、谷歌有自研芯片，新一批AI实验室也想攒筹码。

【中国实验室：面临出口管制】

回到7月7日消息，DeepSeek和智谱自研芯片除上述理由，还面临美国同行没有的出口管制问题。另外，DeepSeek自研传闻和首次接受外部融资节点撞在一起，完成超500亿元融资，估值超3300亿元，造芯片烧钱，两件事同时发生未必是巧合。智谱早在今年1月成为首家在港交所上市的中国AI实验室，两家都在为造芯片准备资金。

【前景未知：自研芯片并非稳赢】

“为何AI公司都想自己造芯片”，答案是几股力量合流：推理成算力主战场，专用ASIC有用武之地；智能体爆发放大推理成本，省钱效果明显；对英伟达深度依赖，想攒议价筹码；中国公司还面临出口管制问题。但自研芯片远非稳赢，设计周期18到24个月，前期工程投入大，需工作负载稳定、可预测才值得围绕固定架构设计。对于试验模型架构的初创公司或任务多样的普通企业，英伟达GPU灵活性更划算。TechTimes称，40%到65%的成本优势只属于巨头，对小公司不适用。更值得追问的是，这场浪潮会削弱英伟达，还是只是给它“加个补充位”？多数分析偏向后者，到2027年ASIC出货量或超GPU，但两个市场都会增长，AI基础设施分岔成两个赛道，固定、高频、可预测负载归ASIC，研究、多样、架构演进负载归GPU，英伟达仍握训练和绝大多数市场。DeepSeek和智谱能否造出芯片，眼下没答案，两条消息都在早期评估阶段，但它们激起的涟漪照出同一片焦虑：在算力即权力的时代，没有AI公司愿意把命脉永远租在别人手里。”