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、智谱等企业纷纷跟进，这一趋势正引发行业广泛关注。
OpenAI的Jalapeño芯片从架构设计到流片仅用9个月，创下专用集成电路（ASIC）领域最短开发周期纪录。这款芯片专注于推理能力，在性能上已能与英伟达的主力产品GB200、GB300相媲美。紧随其后，DeepSeek被曝已启动自研芯片项目约一年，并与多家供应链企业展开讨论。智谱则向国内芯片设计公司初步询价，推进自研芯片计划。Anthropic也证实正在组建内部芯片研发团队，为Claude大模型定制AI芯片。
这一现象的背后，是AI推理需求的爆发式增长。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上升，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，推理时代对芯片提出了多元化需求，不同应用场景对延迟、吞吐、功耗和成本的要求各异，难以用单一硬件形态解决所有问题。这种需求变化促使模型厂商开始探索自研芯片，以降低推理成本，提升商业化效率。
从财务数据看，这些模型厂商面临巨大成本压力。尽管用户规模和年度经常性收入（ARR）快速增长，但推理计算成本和高昂的研发费用导致多数企业仍处于亏损状态。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%，其通过部署国产推理芯片将单位Token推理成本压降约八成，但仍需进一步降低成本以改善利润。这种背景下，自研芯片成为降低长期运营成本的重要途径。
在芯片设计方面，独立模型厂商展现出"反主流"的创新尝试。OpenAI的Jalapeño芯片在硬件架构、内存与互联等方面进行激进设计，抛弃传统做法以减少资源闲置和传输损耗。同时，AI工具在芯片设计中的应用成为显著特点。OpenAI利用AI辅助工具大幅缩短开发周期，并通过Codex优化底层内核代码，降低从英伟达CUDA到自研芯片的迁移成本。Anthropic和Kimi也展示了类似实践，前者用Claude模型在周末内完成自家模型在AMD芯片架构上的适配与调优，后者则通过AI在48小时内完成专用芯片的设计、优化与验证。
供应链合作是模型厂商造芯的另一关键环节。OpenAI的Jalapeño由博通负责芯片实现与网络硬件，台积电代工，三星提供HBM4内存，天弘科技负责板卡与机架系统集成。Anthropic则选择三星进行晶圆代工及先进封装，并向SK海力士寻求存储产能供应。中国厂商DeepSeek和智谱也在积极接触国内供应链企业，尤其在光连接等前沿领域进行定制化合作。
这一趋势对AI芯片行业格局产生深远影响。英伟达目前仍占据全球AI芯片市场超75%份额，但其霸主地位面临挑战。分析认为，模型厂商构建的去英伟达供应链联盟，以及AI设计新范式对CUDA生态的冲击，将逐步显现。SemiAnalysis报告指出，Jalapeño不仅在推理性能上形成竞争，还增强了OpenAI的议价能力，可能影响英伟达的高毛利率。更关键的是，AI编程的进化正在改变开发者生态，降低代码转换成本，对CUDA护城河构成威胁。
面对挑战，英伟达通过快速迭代芯片产品、巩固软硬件生态等方式应对。同时，行业观点认为模型厂商与传统芯片企业将形成竞合关系。GPU大厂中国区高管表示，自研芯片厂商对特定场景的成本和能效优化有独特优势，但市场上主流产品仍将是通用AI芯片。传统芯片厂商与模型厂商可能在芯片设计服务、平台级联合优化等领域展开新合作。
专业AI芯片公司则看到另一面机遇。陈宁认为，定义适合自身的芯片与建立服务广泛客户的芯片平台是两种不同能力。专业芯片公司需解决架构设计、软件栈、量产、供应链等复杂问题，而模型厂商的自研芯片验证了推理负载的细分趋势，促使芯片厂商更关注推理平台的持续适应性。
尽管前景广阔，模型厂商造芯仍面临诸多风险。资金投入、团队组建、工程难题、上游产能竞争以及流片失败的可能性都是潜在挑战。目前，OpenAI的Jalapeño尚处于工程样品验证阶段，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阶段。这些尝试在真实场景中的效果仍有待观察，但独立模型厂商已成为AI芯片领域不可忽视的新力量。
