近期，AI领域掀起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推进相关项目，这一趋势引发了行业广泛关注。这些本以模型研发为核心业务的公司，为何纷纷跨界进入芯片领域？背后的逻辑与市场变化值得深入探讨。
OpenAI的Jalapeño芯片从架构设计到流片仅用9个月，刷新了专用集成电路（ASIC）开发周期纪录。该芯片定位为AI推理专用，旨在降低推理成本、提升效率。随后，路透社报道DeepSeek已启动自研芯片项目约一年，并与供应链企业展开讨论。几乎同时，智谱被曝向国内芯片设计公司询价，推进自研芯片计划。Anthropic也在8月初证实组建内部芯片研发团队，为Claude大模型定制芯片。8月末，OpenAI公布的评测数据显示，Jalapeño在推理能力上可媲美甚至超越英伟达的GB200、GB300等主力产品。
与传统科技巨头不同，独立模型厂商缺乏云业务和成熟客户生态，自研芯片的市场前景一度被认为受限。然而，推理时代的到来改变了这一局面。随着Agent、长上下文和AI应用的大规模落地，模型调用量激增，推理计算需求呈指数级增长，并在资本支出上超过模型训练。云天励飞董事长兼CEO陈宁指出，推理时代对芯片的技术路线提出了更高要求：不同应用对延迟、吞吐、功耗和成本的需求各异，单一硬件形态难以满足所有场景。这促使模型厂商探索自研芯片，以降低推理成本、提升商业化效率。
财务压力是推动模型厂商造芯的另一关键因素。尽管用户规模和年度经常性收入（ARR）快速增长，但推理计算成本的攀升和高昂的研发费用，导致多数公司仍处于亏损状态。例如，智谱在2024年上半年整体毛利率从去年同期的50.0%下降至26.4%，其开放平台及API业务毛利率虽从-0.4%提升至24.6%，但仍需进一步优化推理成本。通过大规模部署国产推理芯片，智谱的单位Token推理成本半年内压降约八成，但扣非亏损幅度仍扩大12.1%。在此背景下，探索自研推理芯片成为降低长期成本、提升盈利能力的必然选择。
在芯片设计路径上，独立模型厂商展现了“反主流”的创新尝试。OpenAI的Jalapeño摒弃了预填充-解码分离、推测解码等常规做法，在硬件架构、内存与互联等方面进行激进优化，以减少资源闲置和传输损耗。尽管设计上兼顾了通用性，但SemiAnalysis分析认为，这种通用性未必会成为其他模型厂商的首选。更引人注目的是，AI工具链在芯片设计中的广泛应用。OpenAI利用AI辅助工具加速Jalapeño的开发，并通过Codex优化底层内核代码，大幅降低从英伟达CUDA到自研芯片的迁移成本。Anthropic和Kimi的案例进一步印证了这一趋势：Claude模型在一个周末内自动完成在AMD芯片架构上的适配与调优；K3模型在48小时内自主完成一款AI专用芯片的设计、优化与验证。
不过，AI设计芯片的能力仍存在局限。一位前EDA大厂从业者指出，K3模型使用的是研究级设计套件和开源EDA工具，仅支持50至100nm级别芯片，与主流3nm工艺差距显著。但他也承认，AI将推动EDA行业变革：前端设计、芯片验证等环节的工程师可能被替代，而EDA工具需迭代以适应AI辅助设计的新流程。供应链方面，模型厂商正积极构建去英伟达化的合作网络。OpenAI的Jalapeño由博通负责芯片实现，台积电代工，三星提供HBM4内存，天弘科技集成板卡与机架系统；Anthropic则与三星、SK海力士合作晶圆代工和存储供应；DeepSeek和智谱的供应链选择更倾向国内生态，例如定制光连接产品以优化网络架构与模型算法的耦合。
这一趋势对AI芯片行业格局的影响引发讨论。英伟达目前占据全球超75%的AI芯片市场份额，毛利率达75%以上。尽管独立模型厂商的自研芯片短期内难以撼动其地位，但去英伟达供应链联盟的构建和AI设计新范式对CUDA生态的冲击，可能对其长期竞争力产生影响。SemiAnalysis认为，Jalapeño不仅在推理能力上与英伟达竞争，还增强了OpenAI的议价能力，可能压缩英伟达的毛利率。更关键的是，CUDA生态的护城河依赖于开发者生态和网络效应，而AI编程的进化正在降低代码转换成本，削弱这一优势。
然而，合作仍是主流。一家GPU大厂中国区高管表示，模型厂商对自身业务负载和用户需求的理解更深，能够在特定场景中优化成本和能效，但市场上最主流的产品仍是通用AI芯片。自研芯片的兴起可能催生新的合作模式，例如芯片设计服务、平台级联合优化和软件生态共建。陈宁也认为，模型厂商造芯印证了推理负载的细分化趋势，推理芯片厂商需建立持续适应模型变化的平台，实现芯片、模型和应用的共同演进。
尽管前景广阔，但独立模型厂商造芯仍面临资金、团队和工程难题，以及上游产能竞争和流片失败的风险。目前，OpenAI的Jalapeño尚处工程样品验证阶段，大规模出货需等到2027年底，其他厂商的项目则更早期。这些尝试能否在真实场景中发挥作用，仍需时间检验。但可以肯定的是，这批新入局的“硬核玩家”，已成为AI芯片领域不可忽视的新变量。
