近期，人工智能领域掀起了一股独立模型厂商自研芯片的热潮。从OpenAI率先推出首款自研AI推理芯片Jalapeño，到DeepSeek、智谱等企业相继被曝出正在推进相关项目，这一趋势正引发行业广泛关注。这些厂商的共同特点是，均选择从推理芯片切入，试图通过定制化设计满足自身业务需求，降低对外部供应商的依赖。
推理需求的爆发是推动这一转变的核心因素。随着Agent、长上下文等技术的落地，AI应用从交互式向生产级用量跃迁，推理计算成本在模型生命周期中的占比高达90%。以智谱为例，其上半年毛利率从50%降至26.4%，主要因推理成本随用户规模扩张而激增。尽管ARR快速增长，但除Anthropic外，多数厂商仍面临亏损困境，迫使它们寻求通过硬件优化突破瓶颈。
与传统训练芯片不同，推理场景对硬件的要求呈现多元化特征。云天励飞董事长陈宁指出，推理需同时满足低延迟、高吞吐、长上下文等矛盾需求，单一架构难以覆盖所有场景。这种技术路线的分化，为模型厂商提供了差异化竞争的空间。OpenAI的Jalapeño通过激进的硬件架构创新，在内存带宽、数据传输等环节优化能效，其设计已兼顾通用性，可适配不同规模模型，显示出商业化野心。
AI工具链的革新成为模型厂商造芯的关键支撑。OpenAI利用Codex编写底层内核代码，将Jalapeño的开发周期缩短至9个月，并降低从CUDA生态迁移的成本。Anthropic工程师则通过Claude模型，在48小时内完成AMD芯片架构的适配调优。这种“用AI设计AI芯片”的模式，正在冲击传统EDA行业。尽管当前开源工具仅支持50-100nm制程，与主流3nm技术存在差距，但业内普遍认为，前端设计、验证等环节的工程师岗位将面临重构。
供应链合作呈现全球化与本地化并存的特征。OpenAI联合博通完成芯片实现，台积电负责代工，三星提供HBM4内存，形成跨企业联盟。DeepSeek和智谱则更倾向国内生态，与芯片设计公司、晶圆代工厂展开广泛接触。光互联厂商透露，国内模型企业已提出定制化需求，借鉴谷歌TPU和Jalapeño的经验，通过网络架构与算法的深度耦合提升性能。
这场变革对英伟达的统治地位构成潜在挑战。SemiAnalysis分析称，Jalapeño不仅在推理性能上比肩GB200系列，其通用性设计更可能动摇CUDA生态的根基。当开发者能够更便捷地切换平台时，英伟达长期维持的高毛利率将面临压力。不过，英伟达已通过收购Hugging Face、投资Groq等方式强化生态布局，同时加速芯片迭代以保持技术领先。
专业芯片厂商对这一趋势持审慎乐观态度。某GPU企业高管认为，模型厂商更擅长针对特定场景优化成本，但通用芯片仍将是市场主流。双方可能在芯片设计服务、联合优化等领域展开新合作。陈宁则强调，推理负载的细分化要求芯片平台具备持续适应性，专业厂商需在架构设计、软件栈开发等方面构建核心竞争力。
尽管前景广阔，模型厂商造芯仍面临多重风险。资金投入、工程难度、流片失败概率等问题不容忽视，更关键的是，自研芯片能否在真实场景中实现预期效果尚未验证。OpenAI的Jalapeño仍处于工程样品阶段，预计2027年底才能大规模出货，其他厂商的项目则处于更早期。这场围绕推理芯片的竞赛，正将AI产业带入硬件与算法深度协同的新阶段。
