推理芯片，咋突然上桌了？

一边疯狂抢英伟达的GPU产能，一边偷偷摸摸自己造芯片——这大概是当下AI行业最拧巴、也最真实的一幕。

先是路透社报道，DeepSeek已经悄悄做了整整一年的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就把自己和博通合作的Jalapeño芯片集群端了出来。紧接着，Anthropic也宣布组建自己的芯片团队。

三家最大的AI模型厂商，几乎同时把「自研芯片」从可选项变成了必选项。而高盛在9月旧金山Communacopia科技大会前梳理的五大半导体辩题里，第一条就是通用芯片与定制芯片的竞争格局演变。

这不巧合，这是产业逻辑的切换点：AI算力需求的重心，正在从训练滑向推理。

🔄 需求换挡：从「堆卡训练」到「推理经济学」

金句先行：训练烧的是融资，推理赚的是营收——花自己钱的时候，账就算得细了。

故事要从几年前的「冷宫」说起。推理芯片其实不是新词，谷歌第一代TPU就在做推理，Groq、Cerebras、SambaNova这些初创公司各怀绝活。但前几年这个行业始终不温不火，属于大厂看都懒得看的领域。

为什么不看好？因为当年「划不来」。大模型行业变化太快，今天爆火的技术方向，两个月后可能就无人问津；连旗帜鲜明质疑LLM路线的大佬都大有人在。模型能走多远都没谱，谁敢为推理专门流片一颗芯片？流片一次几千万上亿美元的沉没成本，砸进去连个响都听不见。

但现在账变了。高盛的最新判断是：随着推理成本持续下降，以及代码生成等应用开始展现可量化的投资回报，AI基础设施投资的经济性正在被验证。换句话说，推理从「成本项」变成了「收入项」——而收入项，就该用ROI来优化每一分钱。

这正是DeepSeek们的出发点。当推理负载占了运营成本的大头，用通用GPU跑推理就像用跑车送外卖：能跑，但每公里油钱都心疼。定制芯片砍掉训练相关的冗余设计，单位算力成本和能耗效率都能明显优化。

高盛的判断也印证了这个方向：通用芯片短期仍将占据主导，但ASIC和定制加速芯片的市场份额将逐步提升；AI芯片的竞争，正从单纯的性能比拼，转向性能、成本、功耗的三维综合优化。

⚡ 三家下场，三条路线

金句先行：同样是自研芯片，有人要自主，有人要议价，有人要生态。

三家几乎同时出手，但动机并不一样。

DeepSeek的处境最特殊——在获取先进GPU受限的背景下，自研推理芯片既是成本优化，也是供应链现实约束下的解法。据多位接近人士的说法，其团队过去一年在接触设计、代工和存储多个环节，动作相当务实，目标直指自家模型的推理负载，而非对外卖芯片。

OpenAI走的是典型的大厂路线：与博通合作定制XPU，用10万卡级集群解决自家推理与训练混合负载。博通这几年靠定制AI芯片生意尝足了甜头，是这场「叛逃」中最大的明面赢家之一。

Anthropic则组建自研团队，背后同样有算力成本与议价权的双重考量。

把这三家的选择放在一起看，产业链的位置关系其实很清晰：

注意最后一条分支：自研芯片的厂商并没有停买GPU。这更像是「大客户自留后手」——保留一条自研退路，谈判桌上才有筹码。市场上流传一句私下的话：买卡是给当下的，造卡是给未来的。

🛡️ 英伟达的回应：打不过，就收编

金句先行：最好的防守，是让对手的定制芯片也跑在自己的生态里。

面对大客户集体「离心」，英伟达没有硬顶，而是选择了一个相当老辣的动作：向联发科（MediaTek）投资35亿美元，双方把合作扩展到定制AI基础设施领域——关键在于，联发科的定制AI加速器将采用NVLink Fusion。

这步棋的妙处值得展开。此前客户做定制ASIC，最大的痛点之一是互连：单芯片性能再强，几百上千颗芯片组不成集群，都是白搭。而互连恰恰是英伟达最深的护城河。NVLink Fusion开放之后，逻辑变成了：你可以做自己的推理芯片，但组网、扩展、生态，最好还是用我的。

用大白话说，英伟达从「只卖整机方案」转型为「收基础设施税」——哪怕客户的钱流向了定制芯片，只要走NVLink体系，CUDA生态的引力依然在。这和当年它在网络侧押注InfiniBand和Spectrum-X是同一套打法。

高盛的会议前瞻也给了旁证：英伟达将进一步围绕Rubin产品周期以及实体AI（Physical AI）展开讨论；博通重点讲AI网络和定制XPU；AMD则用MI4XX机架级方案和ROCm软件栈卡位。三家各自的叙事已经错开——英伟达守生态，博通吃定制，AMD抢性价比机架方案。

🏭 往下传导：设备和存储的上行长周期

金句先行：模型厂造芯，最后受益的可能是挖沙子的。

定制芯片浪潮不是设计环节的独角戏，它会一路传导到最上游。高盛的第二个辩题直指这一点：AI资本开支正通过先进逻辑、晶圆代工、DRAM和先进封装等环节，传导至半导体设备市场。

市场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%的预期增速，以及本轮上行周期能否延续到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，其中DRAM、前沿逻辑/晶圆代工和先进封装是主要增长动力。

把时间线摊开看，这一年产业节奏其实相当密集：

逻辑链条是这样的：每一家模型厂自研芯片，都意味着新增一条流片-量产-迭代的产线需求；定制芯片对存储带宽的胃口只比GPU更大，DRAM（尤其HBM类高带宽方案）和先进封装的产能会持续吃紧。对设备厂商而言，GPU扩产和ASIC扩产是两份订单，而不是零和博弈。

用一张表看清各环节的受益逻辑：

💡 判断：这不是英伟达的黄昏，是产业链的宽化

金句先行：蛋糕做大的故事，永远比蛋糕重切的故事动人。

回到高盛五大辩题的总基调：AI资本开支的韧性仍是贯穿产业链的主线，设备、存储等周期性行业正迎来结构性需求支撑，而定制AI芯片和Agentic AI正在打开新的增量空间。

所以怎么定性这场「叛逃」？我的判断有三条。

第一，通用GPU的份额会被稀释，但绝对盘不会塌。训练前沿模型、探索未知架构，GPU的灵活性和软件生态仍不可替代；定制芯片吃的是已经收敛、负载明确的推理场景。市场从「单一算力扩张」走向「硬件+软件多环节延伸」，是盘子变大，不是推倒重来。

第二，英伟达的护城河从「芯片」上移到了「互连+生态」。35亿美元投资联发科、开放NVLink Fusion，本质是把潜在对手变成体系内玩家。这套打法能否持续奏效，取决于定制阵营会不会绕开NVLink自建互连标准——那才是下一阶段真正的胜负手。

第三，对中国产业而言，DeepSeek们下场造芯的意义超出商业范畴：在现实约束下用工程能力求解供应链，本身就是一种产业验证。至于最终格局如何收敛，看产品说话就够了。

（注：上图为方向性示意，非精确份额预测。）

推理芯片这桌牌局，玩家刚刚坐齐。接下来的看点不是谁掀桌子，而是谁的筹码结构更抗打——以及上游的设备与存储厂商，能把这轮上行周期吃多饱。