推理芯片，终于上桌了？

英伟达最忠诚的买家，正在排队造自己的芯片。

一边疯狂扫货GPU产能，一边悄悄组建芯片团队——DeepSeek、OpenAI、Anthropic几乎同一时间被曝下场自研AI芯片。同一周，高盛在旧金山科技大会前抛出五大半导体辩题，把设备、存储、EDA全部卷进这轮周期讨论。三条线索拼在一起，指向同一个判断：AI算力故事的主线，正在从训练端的GPU一枝独秀，切换到推理端的全面开枝散叶。

这场切换，不只是一次采购偏好的变化，而是整条产业链利益格局的重排。

📈 第一问：这轮AI资本开支，还能烧多久

每个泡沫的顶部，都是从追问“还能涨多久”开始的。

9月8日至11日，高盛在旧金山举办Communacopia暨科技大会，32家覆盖数字/AI芯片、EDA、模拟半导体、设备、存储的公司参与。会前，高盛梳理出五大核心辩题，第一个就是最要命的：AI算力需求，到底还有多少弹药？

市场的焦虑很具体。过去大家只盯大模型训练拉动的GPU订单，现在问题变成了：云厂商的资本开支天花板在哪？数据中心的土地、电力、机房资源会不会先撑不住？据多位接近头部云厂商的人士透露，电力审批和变电站排期，已经取代GPU供货周期，成为部分新数据中心落地的前置瓶颈。

但高盛的整体判断依然偏乐观：超大规模云厂商的资本开支环境依然强劲，Agentic AI有望成为新的需求催化剂。逻辑链条其实很工程化——随着推理成本持续下降，代码生成等应用开始展现可量化的投资回报。当AI从一个“信仰型支出”变成“报表型支出”，资本开支的续航能力反而更强了。训练是烧钱买门票，推理是收钱卖座位，后者才是商业模式能闭环的部分。

这个闭环一旦转起来，受益的就不只是GPU一个环节。用高盛的话说：科技产业链的增长逻辑正从单一的算力扩张，向更广泛的硬件和软件环节延伸。

🔧 第二问：设备上行周期，真能撑到2028？

晶圆厂里最诚实的指标，不是财报，是交货排期。

AI资本开支传导到半导体设备市场，路径很清晰：先进逻辑、晶圆代工、DRAM、先进封装，一路往下压订单。当前最核心的争议是：2027年WFE（晶圆制造设备）增速能否超过2026年约35%的预期，以及这轮上行周期能否延续至2028年以后。

高盛的判断相对积极：本轮WFE上行周期至少有望持续至2028年，主要增长动力来自DRAM、前沿逻辑/晶圆代工和先进封装，NAND相对靠后。

这和过往的设备周期有一个本质区别。过去WFE看的是手机换机和PC换机，周期性极强，一年暴涨一年腰斩。而这一轮的驱动是数据中心级别的结构性建设——DRAM要跟着HBM和高带宽需求走，先进封装要跟着Chiplet和三维集成走，这些都是AI基础设施的“必需品”而非“消费品”。

换句话说，设备厂商第一次不是在赌消费电子的下一款爆款，而是在给算力基建“修路”。修路的钱，只要公路上还有车流，就不会停。当然，风险也一样明确：如果推理端的应用回报迟迟不能兑现，这条传导链会在最上游被砍单——设备周期永远是最后知后觉、也是最伤得重的那个。

💡 第三问：大厂为何集体“叛逃”通用GPU

老黄的货不是不香了，是账算不过来了。

前段时间路透社报道，DeepSeek已经悄摸做了一年的AI芯片，正在接触芯片设计、晶圆代工和存储厂商。消息出来没几天，OpenAI把自己和博通合作的Jalapeño芯片集群端了出来；几乎同时，Anthropic也宣布组建自己的芯片团队。

三家模型厂商，同一个动作，指向同一个东西：推理芯片。

这事其实不新。谷歌第一代TPU就在做推理，前几年Groq、Cerebras、SambaNova这些推理芯片初创公司也各有绝活。但过去几年这个领域一直不温不火，属于大厂鸟都不鸟的领域。为什么现在突然高看一眼？答案朴素得不能再朴素：当年不划算，现在划得来。

大模型是个变化太快的行业，前两年连LLM能走多远都有争议，模型厂商自然不敢为一个不确定的方向专门造芯片。如今风向变了——推理需求规模化、工作负载稳定化、单位算力成本成为生死线，定制芯片的账才算得平。自研推理芯片的本质，是把GPU里用不上的通用性折现掉，换成单位token的成本优势。

这与高盛在辩题一中的判断完全咬合：通用芯片短期仍主导，但ASIC和定制加速芯片的份额将逐步提升，竞争从单纯性能比拼转向性能、成本、功耗的综合优化。至于英伟达，预计将围绕Rubin产品周期和实体AI（Physical AI）展开叙事；博通主推AI网络和定制XPU；AMD则押注MI4XX机架级方案和ROCm软件栈。

培训市场的门票钱英伟达照赚，但推理这个远更大的市场，正在被一群“客户”亲手拆掉围墙。

🧩 第四问：定制芯片潮，把EDA推到了台前

造芯这件事，说到底是造工具的人在赚钱。

大厂集体下场自研，最先受益的是代工和封装，但最不可或缺的一环，藏在设计流程里——EDA。而就在9月初，国内数字EDA/IP企业合见工软发布多项成果，其中最值得琢磨的是UniVista 3DIC Designer：国内首款三维芯片物理设计工具，专为国产先进工艺节点打造，可适配逻辑折叠与韬定律技术路线，采用底层自研的真三维布局算法。

为什么三维设计工具此刻重要？因为AI芯片对算力、带宽和集成密度的要求不断提高，单纯依赖制程微缩提升性能，技术和成本压力都越来越大。逻辑折叠、异构堆叠这类三维集成，成了芯片继续提升性能的现实路径——这也是先进封装能撑起WFE上行周期的底层原因。

UniVista 3DIC Designer是一套面向原生3D设计的全流程平台，支持2-die/3-die逻辑折叠、多裸片异构堆叠，集成自动化智能分区、跨Die多目标优化、物理场感知放置和GPU异构并行加速，可针对时序、功耗、面积、热分布协同优化。它面向十亿门级大算力芯片，要解决的是超大容量网表处理、跨裸片时序与布线协同、垂直互连约束、多层堆叠热点这些非常“硬”的工程问题。

更微妙的一层在于地缘。当DeepSeek们要自研芯片、还要在受限工艺下做文章，基于成熟工艺做三维逻辑折叠，就成了“不靠最先进制程也能堆性能”的现实选项。国产EDA补上商用级3DIC物理设计的空白，等于给这条路铺了第一块砖。据业内工程侧的反馈，三维设计的效率瓶颈恰恰卡在工具链上——工具不到位，架构再激进也落不了地。

芯片设计、设备周期、EDA工具，三条线在这一刻交汇：算力竞争的上半场比的是谁买得多，下半场比的是谁造得出、造得省。

小结：从买算力，到造算力

把高盛的五大辩题、大厂造芯潮和国产EDA突破放在一张桌上，看到的是同一件事：AI基础设施投资的经济性正在被验证，而验证的方式，是每个环节都开始自己动手。云厂商从买GPU到造ASIC，设备周期从赌消费电子到吃基建红利，EDA从跟随微缩到支撑三维重构。

2026年WFE约35%的增速能否被2027年超越、定制芯片份额爬坡多快、三维集成能否在成熟工艺上跑通——这三个变量，将决定这轮周期的长度。唯一确定的是：靠囤卡躺赢的时代，正在结束。