大模型厂集体下场造芯片：买英伟达不如自己留后手
名单已经很长了
过去三年AI看起来是模型之间的擂台赛，GPT、Gemini、Claude 拼 benchmark。台面下另一场更安静：Google、亚马逊、微软、Meta，甚至OpenAI，都在砸数十亿自己设计AI芯片，而不是全找英伟达买。Business Outreach 的梳理里，Google 有 TPU、AWS 有 Trainium、微软有 Maia、Meta 有 MTIA，OpenAI 的 Jalapeño 今年6月24日拉着博通亮相、目标年底部署。你品品，连最忠实的英伟达大客户都下场了。
为什么不全买现成的
逻辑就几条，每家都一样：超大规模下把单位算力成本压下来、给自家特定 workload 做专门优化、功耗真成瓶颈时把能效提上去、供货别被一家卡死、自己的基础设施路线图自己说了算。IDC 估英伟达2026年还握着约八成AI数据中心芯片收入，比前几年九成多降了，但仍是压倒性主导。问题是这家供应商长期缺货、定价权近乎绝对——每天几十亿次查询跑在上面，依赖就成了会膨胀的 recurring 账单。自研不为取代，是为议价和对冲。
重点其实在推理，不在训练
这里有个关键点：训练前沿模型目前还是英伟达通用GPU的强项，真正被自研芯片啃的是推理——也就是回答一个问题、排一次feed这些每天重复几亿次、模式可预测的活。Meta 的 MTIA 主要就为 Facebook、Instagram、WhatsApp 的推荐和排序推理而生；亚马逊说走 Bedrock 的多数推理已经跑在自己 Trainium 上。Analysis Atlas 提到，OpenAI 的 Jalapeño 是专做推理的ASIC，博通CEO说相较典型GPU约省一半成本、性能看齐 Blackwell。省下的每一分，都是规模化后的真金白银。
不是决裂，是慢对冲
别把这读成“英伟达要完”。事实是：每家造自家芯片的公司，同时还是英伟达最大的客户之一。这不是干净切割，是五家科技巨头同时展开的缓慢对冲。英伟达还握着CUDA软件、NVLink互联和对训练的主导，2026财年数据中心收入1937亿美元，体量摆在那。自研芯片侵蚀的是增长最快的推理那块，不是全部。咱的判断：这是“多一手筹码”，不是“换供应商”。
对咱意味着什么
往小了说，推理成本被自研芯片往下压，咱们用API的单价长期看有下降空间——这跟前阵大模型API降价潮是一路的逻辑。往大了说，巨头把芯片、模型、云绑成自己的垂直栈，性能、成本、控制权都内收，外部开发者的硬件劣势可能悄悄拉大。对一线来说，别被“自研芯片”的军备竞赛带节奏去押注哪家；看清一点就够：算力成本长期往下走，但护城河正从“谁的模型强”移向“谁把模型、芯片、云拧成一条链”。
一句话判断
大模型厂集体下场造芯片，本质是买英伟达之外的“第二手筹码”——为降本、为控供给、为卡推理。它不是决裂，是慢对冲。对咱使用者，结论很朴素：推理单价长期看降，但巨头垂直整合成的护城河，正比单模型参数更难抄。
