【天顺财经】7 月 9 日消息，近期中国 AI 圈接连传出重磅消息。先是路透社报道，DeepSeek 正在秘密开发自研 AI 推理芯片，项目约一年前已经启动，公司正与芯片设计公司、晶圆代工厂及存储厂商密集接洽。紧接着，The Information 爆料称，智谱也在评估自研定制 AI 芯片的可能性，已向多家国内芯片设计公司进行初步咨询，计划合作开发一款针对其模型运行优化的定制 AI 处理器。
这两家中国头部大模型公司的动向，只是 AI 行业 「造芯潮」 的最新注脚。
放眼全球，这场竞赛早已鸣枪。2026 年 6 月 24 日，OpenAI 联合博通正式发布了首款自研 AI 推理芯片 Jalapeño，从设计到流片仅用 9 个月，创下了高性能 ASIC 最快的研发周期纪录。该芯片专为大语言模型推理设计，计划于 2026 年底开始部署。紧随其后，Anthropic 也被曝已启动自研 AI 芯片的早期工作，并与三星电子就 2nm 制程代工展开洽谈。为了加速研发，Anthropic 还从 OpenAI 挖来了其自研芯片团队的早期核心成员。
在老牌科技巨头中，自研芯片更是早已成为标准配置。国外有谷歌的 TPU、亚马逊的 Trainium 和 Inferentia、微软的 Maia、Meta 的 MTIA。国内有百度的昆仑芯、阿里的真武、华为的昇腾等。
越来越多的头部 AI 公司，无论中美，无论开源闭源，都在同一时间窗口扎进了芯片这门重资产、高风险的 「苦生意」。
算力经济学正在被重写
业内人士认为，AI 公司集体造芯，并非一时冲动，而是多重压力共同驱动的必然结果。
一方面，推理成本正在成为不可承受之重。大模型推理发生在每一次真实使用中，模型用户越多、Agent 运行越久、Token 吞吐越大，推理成本就越像水电费一样持续累积。正因如此，无论是 DeepSeek、OpenAI 还是其他公司，首款自研芯片几乎都聚焦于推理而非训练。例如，OpenAI 的首款芯片 Jalapeño 就宣称可降低约 50% 的推理成本。自研芯片的本质，是把上游芯片厂商的利润内部消化，一旦大规模部署，单位算力成本将大幅下降。
另一方面，目前行业巨头英伟达的 GPU 像一把功能强大的瑞士军刀，训练、推理、科学计算、视频生成无所不能。但对于只需要长期运行固定大模型负载的 AI 公司而言，他们越来越觉得为这种通用性持续付费并不划算。因此，打造定制芯片可以围绕自家模型的算子结构、KV Cache 管理、内存访问模式进行定向优化，实现通用芯片难以企及的效率。
还有不能忽视的供应链安全。 过度依赖单一供应商本身就意味着巨大风险。对中国 AI 公司而言，美国出口管制更是现实的生存威胁。智谱已上了美国黑名单，无法采购英伟达显卡。自研芯片一旦成功，得到的不仅是更低成本，更是对底层算力的自主控制权。
重塑 AI 与半导体两大产业格局
这股 「造芯潮」 正在深刻改变 AI 和半导体两个行业的竞争格局。
自研芯片意味着 AI 公司的竞争维度被彻底拓宽，不再只是比谁的模型更大、效果更好，还要比谁对底层硬件的理解更深、谁的软硬协同更优。这是一场门槛极高的竞赛。设计一款先进 AI 芯片的成本可能高达约 5 亿美元，且从设计到流片、制造再到部署，至少需要两年以上。能够参与这场竞赛的，注定只有少数头部玩家。而那些成功打通 「算法—模型—芯片」 全栈的公司，将建立起难以逾越的竞争壁垒。
但是，这些 AI 公司的 「自研」 几乎都停留在芯片设计层面，最关键的制造环节仍依赖专业晶圆代工厂。这股潮流为代工厂带来了前所未有的订单增量。
以三星为例，据传 Meta 正与其洽谈一笔价值高达 10 万亿韩元 （约合 72 亿美元） 的定制 AI 芯片订单，Anthropic 也在评估三星的 2nm 工艺，谷歌同样考虑由三星代工部分下一代 TPU 芯片。
行业统计显示，三星晶圆代工部门的中长期积存订单有望逼近 50 万亿韩元。与此同时，2026 年微软、谷歌、亚马逊、Meta 几家科技巨头的 AI 相关资本开支合计已突破 7000 亿美元，近七成资金流向 AI 服务器与定制化算力芯片。
三星电子本月最新发布的 2026 年第二季度业绩预告显示，其营业利润 89.4 万亿韩元 （约合 3934 亿元人民币），同比暴增 1810%，创下历史新高，单季盈利超过了 2023 年至 2025 年三年的利润总和。
更大的变化在于供应链格局的松动。过去台积电几乎独揽全球尖端 AI 芯片代工，但随着台积电 2nm、3nm 产能排期已延伸至 2027 年之后，越来越多客户开始主动拓宽代工渠道。全球 AI 算力供应链正在从 「台积电独大」 向更复杂的多供应商格局演变。
当越来越多的 AI 巨头开始用自研芯片替代部分 GPU 采购，英伟达的市场主导地位正面临前所未有的威胁。专用加速器在单次推理成本上可较通用 GPU 低 40% 至 50%。虽然短期内自研芯片还无法完全取代英伟达 GPU，但长期来看，AI 公司对英伟达的依赖正在被系统性地削弱。
可以预见的是，未来几年，谁能在 「软硬协同」 的深度上领先一步，谁就更有可能在 AI 的终极竞赛中占据先机。
【天顺财经】7 月 9 日消息，近期中国 AI 圈接连传出重磅消息。先是路透社报道，DeepSeek 正在秘密开发自研 AI 推理芯片，项目约一年前已经启动，公司正与芯片设计公司、晶圆代工厂及存储厂商密集接洽。紧接着，The Information 爆料称，智谱也在评估自研定制 AI 芯片的可能性，已向多家国内芯片设计公司进行初步咨询，计划合作开发一款针对其模型运行优化的定制 AI 处理器。
这两家中国头部大模型公司的动向，只是 AI 行业 「造芯潮」 的最新注脚。
放眼全球，这场竞赛早已鸣枪。2026 年 6 月 24 日，OpenAI 联合博通正式发布了首款自研 AI 推理芯片 Jalapeño，从设计到流片仅用 9 个月，创下了高性能 ASIC 最快的研发周期纪录。该芯片专为大语言模型推理设计，计划于 2026 年底开始部署。紧随其后，Anthropic 也被曝已启动自研 AI 芯片的早期工作，并与三星电子就 2nm 制程代工展开洽谈。为了加速研发，Anthropic 还从 OpenAI 挖来了其自研芯片团队的早期核心成员。
在老牌科技巨头中，自研芯片更是早已成为标准配置。国外有谷歌的 TPU、亚马逊的 Trainium 和 Inferentia、微软的 Maia、Meta 的 MTIA。国内有百度的昆仑芯、阿里的真武、华为的昇腾等。
越来越多的头部 AI 公司，无论中美，无论开源闭源，都在同一时间窗口扎进了芯片这门重资产、高风险的 「苦生意」。
算力经济学正在被重写
业内人士认为，AI 公司集体造芯，并非一时冲动，而是多重压力共同驱动的必然结果。
一方面，推理成本正在成为不可承受之重。大模型推理发生在每一次真实使用中，模型用户越多、Agent 运行越久、Token 吞吐越大，推理成本就越像水电费一样持续累积。正因如此，无论是 DeepSeek、OpenAI 还是其他公司，首款自研芯片几乎都聚焦于推理而非训练。例如，OpenAI 的首款芯片 Jalapeño 就宣称可降低约 50% 的推理成本。自研芯片的本质，是把上游芯片厂商的利润内部消化，一旦大规模部署，单位算力成本将大幅下降。
另一方面，目前行业巨头英伟达的 GPU 像一把功能强大的瑞士军刀，训练、推理、科学计算、视频生成无所不能。但对于只需要长期运行固定大模型负载的 AI 公司而言，他们越来越觉得为这种通用性持续付费并不划算。因此，打造定制芯片可以围绕自家模型的算子结构、KV Cache 管理、内存访问模式进行定向优化，实现通用芯片难以企及的效率。
还有不能忽视的供应链安全。 过度依赖单一供应商本身就意味着巨大风险。对中国 AI 公司而言，美国出口管制更是现实的生存威胁。智谱已上了美国黑名单，无法采购英伟达显卡。自研芯片一旦成功，得到的不仅是更低成本，更是对底层算力的自主控制权。
重塑 AI 与半导体两大产业格局
这股 「造芯潮」 正在深刻改变 AI 和半导体两个行业的竞争格局。
自研芯片意味着 AI 公司的竞争维度被彻底拓宽，不再只是比谁的模型更大、效果更好，还要比谁对底层硬件的理解更深、谁的软硬协同更优。这是一场门槛极高的竞赛。设计一款先进 AI 芯片的成本可能高达约 5 亿美元，且从设计到流片、制造再到部署，至少需要两年以上。能够参与这场竞赛的，注定只有少数头部玩家。而那些成功打通 「算法—模型—芯片」 全栈的公司，将建立起难以逾越的竞争壁垒。
但是，这些 AI 公司的 「自研」 几乎都停留在芯片设计层面，最关键的制造环节仍依赖专业晶圆代工厂。这股潮流为代工厂带来了前所未有的订单增量。
以三星为例，据传 Meta 正与其洽谈一笔价值高达 10 万亿韩元 （约合 72 亿美元） 的定制 AI 芯片订单，Anthropic 也在评估三星的 2nm 工艺，谷歌同样考虑由三星代工部分下一代 TPU 芯片。
行业统计显示，三星晶圆代工部门的中长期积存订单有望逼近 50 万亿韩元。与此同时，2026 年微软、谷歌、亚马逊、Meta 几家科技巨头的 AI 相关资本开支合计已突破 7000 亿美元，近七成资金流向 AI 服务器与定制化算力芯片。
三星电子本月最新发布的 2026 年第二季度业绩预告显示，其营业利润 89.4 万亿韩元 （约合 3934 亿元人民币），同比暴增 1810%，创下历史新高，单季盈利超过了 2023 年至 2025 年三年的利润总和。
更大的变化在于供应链格局的松动。过去台积电几乎独揽全球尖端 AI 芯片代工，但随着台积电 2nm、3nm 产能排期已延伸至 2027 年之后，越来越多客户开始主动拓宽代工渠道。全球 AI 算力供应链正在从 「台积电独大」 向更复杂的多供应商格局演变。
当越来越多的 AI 巨头开始用自研芯片替代部分 GPU 采购，英伟达的市场主导地位正面临前所未有的威胁。专用加速器在单次推理成本上可较通用 GPU 低 40% 至 50%。虽然短期内自研芯片还无法完全取代英伟达 GPU，但长期来看，AI 公司对英伟达的依赖正在被系统性地削弱。
可以预见的是，未来几年，谁能在 「软硬协同」 的深度上领先一步，谁就更有可能在 AI 的终极竞赛中占据先机。
Related articles
【天顺财经】7 月 9 日消息，近期中国 AI 圈接连传出重磅消息。先是路透社报道，DeepSeek 正在秘密开发自研 AI 推理芯片，项目约一年前已经启动，公司正与芯片设计公司、晶圆代工厂及存储厂商密集接洽。紧接着，The Information 爆料称，智谱也在评估自研定制 AI 芯片的可能性，已向多家国内芯片设计公司进行初步咨询，计划合作开发一款针对其模型运行优化的定制 AI 处理器。
这两家中国头部大模型公司的动向，只是 AI 行业 「造芯潮」 的最新注脚。
放眼全球，这场竞赛早已鸣枪。2026 年 6 月 24 日，OpenAI 联合博通正式发布了首款自研 AI 推理芯片 Jalapeño，从设计到流片仅用 9 个月，创下了高性能 ASIC 最快的研发周期纪录。该芯片专为大语言模型推理设计，计划于 2026 年底开始部署。紧随其后，Anthropic 也被曝已启动自研 AI 芯片的早期工作，并与三星电子就 2nm 制程代工展开洽谈。为了加速研发，Anthropic 还从 OpenAI 挖来了其自研芯片团队的早期核心成员。
在老牌科技巨头中，自研芯片更是早已成为标准配置。国外有谷歌的 TPU、亚马逊的 Trainium 和 Inferentia、微软的 Maia、Meta 的 MTIA。国内有百度的昆仑芯、阿里的真武、华为的昇腾等。
越来越多的头部 AI 公司，无论中美，无论开源闭源，都在同一时间窗口扎进了芯片这门重资产、高风险的 「苦生意」。
算力经济学正在被重写
业内人士认为，AI 公司集体造芯，并非一时冲动，而是多重压力共同驱动的必然结果。
一方面，推理成本正在成为不可承受之重。大模型推理发生在每一次真实使用中，模型用户越多、Agent 运行越久、Token 吞吐越大，推理成本就越像水电费一样持续累积。正因如此，无论是 DeepSeek、OpenAI 还是其他公司，首款自研芯片几乎都聚焦于推理而非训练。例如，OpenAI 的首款芯片 Jalapeño 就宣称可降低约 50% 的推理成本。自研芯片的本质，是把上游芯片厂商的利润内部消化，一旦大规模部署，单位算力成本将大幅下降。
另一方面，目前行业巨头英伟达的 GPU 像一把功能强大的瑞士军刀，训练、推理、科学计算、视频生成无所不能。但对于只需要长期运行固定大模型负载的 AI 公司而言，他们越来越觉得为这种通用性持续付费并不划算。因此，打造定制芯片可以围绕自家模型的算子结构、KV Cache 管理、内存访问模式进行定向优化，实现通用芯片难以企及的效率。
还有不能忽视的供应链安全。 过度依赖单一供应商本身就意味着巨大风险。对中国 AI 公司而言，美国出口管制更是现实的生存威胁。智谱已上了美国黑名单，无法采购英伟达显卡。自研芯片一旦成功，得到的不仅是更低成本，更是对底层算力的自主控制权。
重塑 AI 与半导体两大产业格局
这股 「造芯潮」 正在深刻改变 AI 和半导体两个行业的竞争格局。
自研芯片意味着 AI 公司的竞争维度被彻底拓宽，不再只是比谁的模型更大、效果更好，还要比谁对底层硬件的理解更深、谁的软硬协同更优。这是一场门槛极高的竞赛。设计一款先进 AI 芯片的成本可能高达约 5 亿美元，且从设计到流片、制造再到部署，至少需要两年以上。能够参与这场竞赛的，注定只有少数头部玩家。而那些成功打通 「算法—模型—芯片」 全栈的公司，将建立起难以逾越的竞争壁垒。
但是，这些 AI 公司的 「自研」 几乎都停留在芯片设计层面，最关键的制造环节仍依赖专业晶圆代工厂。这股潮流为代工厂带来了前所未有的订单增量。
以三星为例，据传 Meta 正与其洽谈一笔价值高达 10 万亿韩元 （约合 72 亿美元） 的定制 AI 芯片订单，Anthropic 也在评估三星的 2nm 工艺，谷歌同样考虑由三星代工部分下一代 TPU 芯片。
行业统计显示，三星晶圆代工部门的中长期积存订单有望逼近 50 万亿韩元。与此同时，2026 年微软、谷歌、亚马逊、Meta 几家科技巨头的 AI 相关资本开支合计已突破 7000 亿美元，近七成资金流向 AI 服务器与定制化算力芯片。
三星电子本月最新发布的 2026 年第二季度业绩预告显示，其营业利润 89.4 万亿韩元 （约合 3934 亿元人民币），同比暴增 1810%，创下历史新高，单季盈利超过了 2023 年至 2025 年三年的利润总和。
更大的变化在于供应链格局的松动。过去台积电几乎独揽全球尖端 AI 芯片代工，但随着台积电 2nm、3nm 产能排期已延伸至 2027 年之后，越来越多客户开始主动拓宽代工渠道。全球 AI 算力供应链正在从 「台积电独大」 向更复杂的多供应商格局演变。
当越来越多的 AI 巨头开始用自研芯片替代部分 GPU 采购，英伟达的市场主导地位正面临前所未有的威胁。专用加速器在单次推理成本上可较通用 GPU 低 40% 至 50%。虽然短期内自研芯片还无法完全取代英伟达 GPU，但长期来看，AI 公司对英伟达的依赖正在被系统性地削弱。
可以预见的是，未来几年，谁能在 「软硬协同」 的深度上领先一步，谁就更有可能在 AI 的终极竞赛中占据先机。
【天顺财经】7 月 9 日消息，近期中国 AI 圈接连传出重磅消息。先是路透社报道，DeepSeek 正在秘密开发自研 AI 推理芯片，项目约一年前已经启动，公司正与芯片设计公司、晶圆代工厂及存储厂商密集接洽。紧接着，The Information 爆料称，智谱也在评估自研定制 AI 芯片的可能性，已向多家国内芯片设计公司进行初步咨询，计划合作开发一款针对其模型运行优化的定制 AI 处理器。
这两家中国头部大模型公司的动向，只是 AI 行业 「造芯潮」 的最新注脚。
放眼全球，这场竞赛早已鸣枪。2026 年 6 月 24 日，OpenAI 联合博通正式发布了首款自研 AI 推理芯片 Jalapeño，从设计到流片仅用 9 个月，创下了高性能 ASIC 最快的研发周期纪录。该芯片专为大语言模型推理设计，计划于 2026 年底开始部署。紧随其后，Anthropic 也被曝已启动自研 AI 芯片的早期工作，并与三星电子就 2nm 制程代工展开洽谈。为了加速研发，Anthropic 还从 OpenAI 挖来了其自研芯片团队的早期核心成员。
在老牌科技巨头中，自研芯片更是早已成为标准配置。国外有谷歌的 TPU、亚马逊的 Trainium 和 Inferentia、微软的 Maia、Meta 的 MTIA。国内有百度的昆仑芯、阿里的真武、华为的昇腾等。
越来越多的头部 AI 公司，无论中美，无论开源闭源，都在同一时间窗口扎进了芯片这门重资产、高风险的 「苦生意」。
算力经济学正在被重写
业内人士认为，AI 公司集体造芯，并非一时冲动，而是多重压力共同驱动的必然结果。
一方面，推理成本正在成为不可承受之重。大模型推理发生在每一次真实使用中，模型用户越多、Agent 运行越久、Token 吞吐越大，推理成本就越像水电费一样持续累积。正因如此，无论是 DeepSeek、OpenAI 还是其他公司，首款自研芯片几乎都聚焦于推理而非训练。例如，OpenAI 的首款芯片 Jalapeño 就宣称可降低约 50% 的推理成本。自研芯片的本质，是把上游芯片厂商的利润内部消化，一旦大规模部署，单位算力成本将大幅下降。
另一方面，目前行业巨头英伟达的 GPU 像一把功能强大的瑞士军刀，训练、推理、科学计算、视频生成无所不能。但对于只需要长期运行固定大模型负载的 AI 公司而言，他们越来越觉得为这种通用性持续付费并不划算。因此，打造定制芯片可以围绕自家模型的算子结构、KV Cache 管理、内存访问模式进行定向优化，实现通用芯片难以企及的效率。
还有不能忽视的供应链安全。 过度依赖单一供应商本身就意味着巨大风险。对中国 AI 公司而言，美国出口管制更是现实的生存威胁。智谱已上了美国黑名单，无法采购英伟达显卡。自研芯片一旦成功，得到的不仅是更低成本，更是对底层算力的自主控制权。
重塑 AI 与半导体两大产业格局
这股 「造芯潮」 正在深刻改变 AI 和半导体两个行业的竞争格局。
自研芯片意味着 AI 公司的竞争维度被彻底拓宽，不再只是比谁的模型更大、效果更好，还要比谁对底层硬件的理解更深、谁的软硬协同更优。这是一场门槛极高的竞赛。设计一款先进 AI 芯片的成本可能高达约 5 亿美元，且从设计到流片、制造再到部署，至少需要两年以上。能够参与这场竞赛的，注定只有少数头部玩家。而那些成功打通 「算法—模型—芯片」 全栈的公司，将建立起难以逾越的竞争壁垒。
但是，这些 AI 公司的 「自研」 几乎都停留在芯片设计层面，最关键的制造环节仍依赖专业晶圆代工厂。这股潮流为代工厂带来了前所未有的订单增量。
以三星为例，据传 Meta 正与其洽谈一笔价值高达 10 万亿韩元 （约合 72 亿美元） 的定制 AI 芯片订单，Anthropic 也在评估三星的 2nm 工艺，谷歌同样考虑由三星代工部分下一代 TPU 芯片。
行业统计显示，三星晶圆代工部门的中长期积存订单有望逼近 50 万亿韩元。与此同时，2026 年微软、谷歌、亚马逊、Meta 几家科技巨头的 AI 相关资本开支合计已突破 7000 亿美元，近七成资金流向 AI 服务器与定制化算力芯片。
三星电子本月最新发布的 2026 年第二季度业绩预告显示，其营业利润 89.4 万亿韩元 （约合 3934 亿元人民币），同比暴增 1810%，创下历史新高，单季盈利超过了 2023 年至 2025 年三年的利润总和。
更大的变化在于供应链格局的松动。过去台积电几乎独揽全球尖端 AI 芯片代工，但随着台积电 2nm、3nm 产能排期已延伸至 2027 年之后，越来越多客户开始主动拓宽代工渠道。全球 AI 算力供应链正在从 「台积电独大」 向更复杂的多供应商格局演变。
当越来越多的 AI 巨头开始用自研芯片替代部分 GPU 采购，英伟达的市场主导地位正面临前所未有的威胁。专用加速器在单次推理成本上可较通用 GPU 低 40% 至 50%。虽然短期内自研芯片还无法完全取代英伟达 GPU，但长期来看，AI 公司对英伟达的依赖正在被系统性地削弱。
可以预见的是，未来几年，谁能在 「软硬协同」 的深度上领先一步，谁就更有可能在 AI 的终极竞赛中占据先机。
