先是路透社的独家：DeepSeek 正在研发自己的芯片。。。。。新闻援引三名知情人士，，，，，说这枚芯片瞄准的是推理（inference），，，，，而非训练。。。。。报道称，，，，，DeepSeek 已经在悄悄招募芯片设计工程师，，，，，且没有走果真招聘渠道，，，，，同时在和外部代工厂、存储厂商接触。。。。。DeepSeek 没有回应置评请求，，，，，也有所争议，，，，，由于这条新闻现在只有路透社简单信源。。。。。 统一天，，，，，The Information 又报道称，，，，，另一家中国实验室智谱也在评估自研定制芯片。。。。。知情人士称，，，，，原因是 GLM-5.2 需求的暴增。。。。。据 The Information 与多家转引，，，，，这款模子是 Vercel 模子聚合平台上增添最快的模子，，，，，上线首周日均 token 消耗一度飙升达 27 倍。。。。。智谱已经和多家海内芯片设计公司做了起源接触，，，，，但尚未选定相助方，，，，，据称整个项目可能需要两年以上。。。。。新闻一出，，，，，智谱在港股当日一度涨约 9.9%。。。。。 现实上，，，，，DeepSeek 和智谱也非孤例。。。。。把镜头拉远，，，，，你会发明「AI 公司想自己造芯片」在 2026 年已经从个体选择酿成了行业的默认行动：从大洋彼岸的 OpenAI、Anthropic，，，，，到海内的这两家前沿实验室，，，，，行动出奇地一致。。。。。这篇文章想回覆的是：为什么？？ 据 OpenAI 先容，，，，，早期实验室测试显示，，，，，Jalape?o 的每瓦性能「大幅优于目今业界最先进水平」。。。。。不过该公司也认可，，，，，最终性能仍在丈量中，，，，，详细手艺报告要等未来几个月才宣布，，，，，这类厂商自述的性能优势，，，，，在第三方 benchmark 出来之前，，，，，只能算一面之词。。。。。 几个细节值得注重。。。。。据 Tom's Hardware 报道，，，，，这枚芯片从设计到流片（tape-out）只用了九个月，，，，，OpenAI 称这可能是高性能先进半导体史上最快的 ASIC 开发周期；；；而加速这个周期的，，，，，正是 OpenAI 自己的模子：用 AI 来设计造 AI 的芯片。。。。。 再看另一家前沿实验室 Anthropic。。。。。今年 4 月，，，，，路透社率先报道称 Anthropic 也在权衡自研芯片，，，，，语言很审慎：妄想处于早期阶段，，，，，公司甚至可能最终决议只买不造，，，，，尚未敲定设计，，，，，也没组建专门团队。。。。。 但到了 7 月初，，，，，事情有了新希望。。。。。据多家媒体报道，，，，，Anthropic 已经最先和三星接触，，，，，探讨代工一枚定制芯片，，，，，据称瞄准的是三星的 2 纳米制程和先进封装。。。。。 面临追问，，，，，Anthropic 的回应是：由谷歌、亚马逊、英伟达芯片组成的「多元化硬件栈」仍将是其算力战略的焦点，，，，，对三星相助「不予进一步置评」。。。。。 这句官方亮相，，，，，恰恰点出了自研芯片浪潮里最真实的一层念头。。。。。据 The Information 的数据，，，，，英伟达握着全球约 74% 的 AI 芯片市。。。。。；；而 Anthropic 至今没造过一颗自己的芯片，，，，，Claude 的每一次挪用，，，，，跑的都是从相助同伴那里租来的芯片；；；而这些相助同伴，，，，，同时也是它的竞争敌手。。。。。 值得注重的是，，，，，Anthropic 探索自研的时间点，，，，，和它收入的陡增险些同步。。。。。据其自己披露，，，，，2026 年运营收入年化已越过 300 亿美元，，，，，而 2025 年底还只有约 90 亿美元。。。。。规模一旦到了这个量级，，，，，自研芯片的经济账才算得过来。。。。。 行业里一个正在爆发的结构性转移是：算力消耗的重心，，，，，正从「训练模子」转向「运行模子」。。。。。训练是一次性本钱，，，，，而把模子服务给成百上万万用户，，，，，是一连一直的开销。。。。。据 Introl 的行业剖析，，，，，推理现在已经吃掉了所有 AI 算力的约三分之二。。。。。 而推理，，，，，恰恰是 ASIC 的主场。。。。。用《芯片战争》作者 Chris Miller 对 CNBC 的一个比喻来说：英伟达的 GPU 像一把瑞士军刀，，，，，什么并行盘算都醒目；；；而 ASIC 像一件简单用途的工具，，，，，很高效、很快，，，，，但被硬连线锁死只做一类活。。。。。训练阶段需要瑞士军刀的无邪，，，，，由于模子架构还在变；；；可一旦模子定型、要拿去服务海量请求，，，，，那把「简单用途的工具」反而更省电、更自制。。。。。 古板推理是「盘问本钱」：一次提问、一次回覆，，，，，结算完毕；；；智能体是「循环本钱」：用户的一个目的，，，，，会触发几十甚至上百次推理挪用，，，，，由于智能体要推理、妄想、检索、执行。。。。。 当智能体大规模铺开，，，，，训练与推理之间的经济差池称，，，，，会以非线性的方式滚大。。。。。也因此，，，，，这家剖析机构判断：推理经济学不是 2028 年才要费心的事，，，，，而是一个 2026 年就要做的采购决议。。。。。 最直观的一个案例来自 AI 图像平台 Midjourney。。。。。据报道，，，，，Midjourney 在把推理负载从英伟达 GPU 迁徙到谷歌第七代 TPU 后，，，，，月度算力开销从约 210 万美元降到约 70 万美元，，，，，降幅 65%。。。。。把这个比例放大到天天跑数十亿次盘问的超大规模厂商身上，，，，，正如一位剖析师所说，，，，，投入数十亿美元自研芯片，，，，，就酿成了一道「直白的财务盘算题」。。。。。 这道题的谜底，，，，，正在改变整个市场。。。。。据 TrendForce 的展望，，，，，2026 年定制 ASIC 的出货增速将抵达 44.6%，，，，，而商用 GPU 只有 16.1%——这也是定制芯片增速首次凌驾 GPU。。。。。Introl 引用彭博行业研究的数字则更宏观：到 2033 年，，，，，整个 AI 加速器市场预计抵达 6040 亿美元，，，，，而定制硅片在其中的份额还在加速上升。。。。。 超大规模厂商早已用真金白银投了票。。。。。谷歌的 TPU、亚马逊的 Trainium、微软的 Maia、Meta 的 MTIA……这些自研芯片各自服务着母公司内部的巨量推理负载。。。。。 这些数字批注：当你的算力需求膨胀到超大规模，，，，，芯片不再是本钱项，，，，，而是竞争壁垒自己。。。。。正如 Oplexa 的一篇剖析所言，，，，，控制自己的硅片，，，，，意味着控制自己的性能蹊径图、本钱结构和供应链。。。。。这三样是任何采购订单都换不来的。。。。。 英伟达的强势，，，，，一部分来自芯片自己，，，，，更大一部分来自CUDA。。。。。而 CUDA 是一套积累了二十多年的软件生态。。。。。据 Spheron 的剖析，，，，，险些所有严肃的 LLM 推理优化，，，，，从 FlashAttention 到 vLLM 里的一连批处理，，，，，都只跑在 CUDA 上。。。。。这套生态与其说是英伟达的护城河，，，，，不如说是任何想换芯片的团队要付的「搬家本钱」。。。。。据估算，，，，，把服务栈从 vLLM 移植到亚马逊 Neuron SDK，，，，，往往要花两到六周工程时间，，，，，某些模子架构甚至基础不被支持。。。。。 正由于这道墙又高又厚，，，，，绕过它的念头才格外强烈。。。。。对超大规模厂商和前沿实验室而言，，，，，每一份跑在自研芯片上的负载，，，，，都意味着更多利润留在自己口袋里，，，，，也意味着在和英伟达谈价时多一分底气。。。。。 TheStreet 的判断颇为直白：正在改变的，，，，，是「AI 实验室必需接受英伟达开出的任何价钱和供货条件」这个默认假设。。。。。微软有 Maia，，，，，亚马逊有 Trainium，，，，，谷歌有 TPU，，，，，而最新一批 AI 实验室，，，，，现在也想为自己攒出同样的筹码。。。。。 回到 7 月 7 日那两条新闻。。。。。对 DeepSeek 和智谱而言，，，，，自研芯片除了上述所有理由，，，，，还配合面临着一个它们的美国偕行没有的问题：出口管制。。。。。 另外值得一提的是，，，，，DeepSeek 这次自研听说，，，，，恰恰和它首次接受外部融资的节点撞在一起：该公司完成一轮超 500 亿元融资，，，，，估值超 3300 亿元。。。。。造芯片很烧钱，，，，，钱和芯片这两件事同时爆发，，，，，未必是巧合。。。。。 把这些线索收拢，，，，，「为何 AI 公司都想自己造芯片」这个问题，，，，，谜底着实是几股实力的合流：推理取代训练成为算力主战场，，，，，让专用 ASIC 有了用武之地；；；智能体爆发把推理本钱推向非线性膨胀，，，，，让省下的每一分钱都被放大；；；而对英伟达的深度依赖，，，，，则让所有人都想为自己攒一份议价的筹码。。。。。 对 DeepSeek、智谱这样的中国公司，，，，，还要再加上出口管制问题。。。。。 但热潮之下，，，，，冷水也该泼一盆。。。。。自研芯片远非稳赢。。。。。设计周期动辄 18 到 24 个月，，，，，前期工程投入重大，，，，，还需要事情负载足够稳固、可展望，，，，，才值得围绕一个牢靠架构去设计。。。。。关于还在试验模子架构的首创公司，，，，，或是使命五花八门的通俗企业，，，，，英伟达 GPU 的无邪性反而是更划算的选择。。。。。 更值得追问的一个问题是：这场浪潮，，，，，事实会削弱英伟达，，，，，照旧只是给它「加了个增补位」？？大都剖析给出的谜底偏向后者。。。。。据 Oplexa，，，，，到 2027 年 ASIC 出货量或将在数目上凌驾 GPU，，，，，但两个市场都会继续增添：AI 基础设施正在分岔成两个差别的赛道：牢靠、高频、可展望的负载归 ASIC，，，，，研究、多样、架构还在演进的负载归 GPU。。。。。英伟达依然牢牢握着训练和绝大大都市场。。。。。 但它们在统一天落地，，，，，像两枚同时投进水面的石子，，，，，激起的涟漪照出了统一片焦虑：从旧金山到北京，，，，，在这个算力即权力的时代，，，，，没有一家想活到下一轮的 AI 公司，，，，，愿意把自己的命脉，，，，，永远租在别人手里。。。。。