攒出来的芯片，开始屠榜了

同一周，三颗「拼出来」的芯片同时登上头条。

Intel在Hot Chips 2026上详解了定位入门级笔记本的Wildcat Lake，用上了最先进的18A制程，还集成了UCIe互连；苹果把四颗Die搓成M5 Ultra，宣称能在桌面本地跑数千亿参数的大模型；OpenAI的自研芯片Jalapeño则在单位功耗AI工作量和响应速度两项指标上，双双跑赢了NVIDIA的GB300。

三件事看似各说各话，其实指向同一个判断：芯片设计的范式，正在从「雕一块大石头」转向「拼一套积木」。而拼装的水平，正在取代裸片面积，成为新的竞争力来源。

🧩 Intel：最便宜的芯片，用最贵的制程

最便宜的芯片用最贵的制程，这本身就是信号。

在Hot Chips 2026上，Intel公布的Wildcat Lake瞄准的是预算型笔记本市场——按传统剧本，这应该是一颗用成熟节点、成本抠到极致的产品。但Intel反着来：不仅上了自家最新的18A，还因为产品采用了拆分式设计，被迫引入UCIe互连把各颗芯粒连起来。

这个组合拳值得细品。一边是最先进制程，一边是chiplet拆分加UCIe，全都出现在一款「价值导向」的入门产品上。

产业逻辑其实不难推演。18A作为Intel押注翻身的关键节点，需要足够的出货量来摊薄研发和产能成本，而入门级笔记本恰恰是PC市场里最大的量池。让走量产品先上18A，是最快把良率爬坡和产能利用率做起来的方式。据多位接近Intel的人士私下交流，大家讨论最多的不是Wildcat Lake的性能参数，而是Intel敢把旗舰级的互连方案下放到入门产品线——这说明UCIe在Intel内部的定位，已经不是「旗舰专属」，而是全产品线的基建。

另一个细节同样关键：素材明确说，是因为采用拆分设计「才不得不」集成UCIe。也就是说，在18A的产能与成本约束下，单一大Die的做法已经不经济，拆成芯粒再拼起来才是理性的工程选择。连Intel自己，也被迫加入了拼装阵营。

🍎 苹果：四颗Die搓出的怪兽

拼装玩得最熟的，还是苹果。

8月25日，苹果在库克卸任前夕发布了Mac产品线的重量级更新。两款新芯片的卖点高度一致：AI算力大幅提升。

先看M6——苹果首款2纳米芯片，CPU和GPU核心数均提升至12核，并首次引入双16核神经网络引擎，端侧AI能力明显强化。官方给出的对比相当直白：搭载M6的Mac mini处理LLM提示词的速度，比M1版本最高快13.5倍，比M4版本最高快4.8倍。Mac mini同时还有M5 Pro芯片版本可选。

真正的主角是M5 Ultra。通过新一代UltraFusion，苹果把两颗「双Die M5 Max」连接起来，搓出了一颗四Die的怪兽级AI芯片——最高36核CPU、80核GPU、512GB统一内存，内存带宽达到1.2TB/s。苹果称其AI GPU算力最高达到M3 Ultra的4.5倍，可以在本地运行数千亿参数量的大模型。

更激进的是集群玩法：苹果表示用户可以把多台Mac Studio连接起来，在各系统之间构建庞大的共享内存池，加载目前规模最大、要求最高的开放权重模型。四台Mac Studio组成的集群，AI推理速度最高可达单台的3倍。

当然，堆料是要钱的。Mac mini的价格轨迹就很说明问题：

要知道，苹果今年6月25日刚集中上调过Mac、iPad产品线价格。不到三个月再次上调起售价，AI堆料的成本正在快速向消费端传导。但对苹果来说这笔账算得过来：当一颗拼出来的芯片能在桌面上跑数千亿参数模型，它抢的就不只是PC生意，还有一部分云上推理的开销。

🌶️ OpenAI：700瓦叫板GB300

最让行业坐不住的，是第三颗。

8月25日据彭博报道，OpenAI表示自研芯片Jalapeño在关键基准测试中跑赢NVIDIA GB300，最快将于今年晚些时候投入实际使用。这款芯片由OpenAI与Broadcom合作开发，主要用于AI推理。

测试细节颇有些「掀桌」意味。传统芯片往往要在吞吐量和延迟之间取舍，而Jalapeño两项兼得：在高吞吐领域，意味着能以更低成本服务更多用户；在低延迟领域，意味着响应速度显著加快。OpenAI芯片负责人Richard Ho表示，该芯片在700瓦的低功耗下即可实现强劲性能，有助于降低数据中心电力成本。

OpenAI用公开基准测试系统做了评测，Jalapeño在功耗效率和响应延迟两个维度均优于GB300——而后者是该测试系统中排名最高的产品。测试模型包括OpenAI旗下一款小型开源模型，以及DeepSeek和月之暗面的第三方模型，其中在Kimi模型上的优势最明显，这恰好是测试中规模最大的模型。内部测试显示，芯片运行OpenAI尚未发布的多款大型高阶模型时同样表现良好。

不过有几个冷静的注脚不能略过。其一，此次测试并未纳入NVIDIA最新一代的Vera Rubin，该产品刚刚开始出货。其二，Jalapeño定位推理阶段，并不碰训练——而训练正是NVIDIA技术的核心优势所在。其三，Richard Ho说得很明白：「英伟达是非常好的合作伙伴，我们持续需要大量英伟达产品。」OpenAI对算力的需求极为庞大，多供应商并行的局面还会持续。

但节奏才是重点：第二代Jalapeño已进入较成熟阶段，第三代芯片已启动概念设计。自研这条路，OpenAI显然不打算只走一站。

📈 三条路线，一个答案：互连是新战场

把三条新闻摆在一起看，答案已经写在墙上了。

无论是Intel的UCIe下放入门线，苹果的UltraFusion四Die拼装，还是OpenAI联合Broadcom的定制推理芯片，本质都是同一件事：当单一大Die的成本曲线走到头，chiplet拆分加先进封装就成了唯一出路。

三家的路线图各有侧重：

值得注意的一个变化是：过去chiplet是旗舰产品的特权，拼装是为了堆出极限性能；现在连入门级的Wildcat Lake都在用UCIe，拼装成了成本工具。当「怎么连」比「怎么造」更影响产品分层，互连标准和封装能力的权重就在系统性上升。Richard Ho那句「随着工作负载增大和复杂度提升而愈发体现其价值」，说的其实正是这个趋势——拼装架构的红利，是在大模型越跑越大之后才真正兑现的。

⚠️ 暗流：谁在受益，谁在出汗

范式转移之下，产业链的输赢格局正在重排。

最直接的受益方是互连与封装生态。UCIe作为开放互连标准被Intel下放到入门产品线，意味着这个生态的进入门槛在快速下降；苹果的UltraFusion则证明了自研互连能把四颗Die拼成一个逻辑整体，512GB统一内存和1.2TB/s带宽，靠的正是封装层的功夫。定制芯片这条线上，Broadcom作为Jalapeño的合作方，卡住了AI大厂自研浪潮的关键位置——OpenAI的解读很直白：通过自研芯片进一步压低AI基础设施成本。

压力最大的是两头。一头是NVIDIA：虽然Richard Ho反复强调训练仍是NVIDIA的核心优势、英伟达仍是重要合作伙伴，但推理是推理量最大的市场，Jalapeño证明了700瓦的低功耗方案也能在大规模模型上同时拿下吞吐和延迟，这片护城河开始有水渗进来。此前OpenAI部分模型使用Cerebras Systems的技术，但那类方案更适合规模较小的模型，Jalapeño恰好补上了「大规模+差异化」这一格。

另一头是所有依赖单一大Die路线的玩家。2纳米节点已经在M6上首发落地，说明先进制程的竞争还在继续，但单靠制程红利已经不够了——苹果把M6和四Die的M5 Ultra放在同一场发布会里，本身就是一种表态：两条腿都要走，而且要同时走。

据多位接近设备与材料环节的人士反馈，先进封装相关的产能讨论热度，今年明显盖过了传统前道扩产。这个体感变化，比任何PPT都真实。

结语

三颗拼出来的芯片，一篇新的行业注脚。

Intel用它爬坡18A，苹果用它堆出桌面怪兽，OpenAI用它撬动推理市场的定价权。路径不同，但都在回答同一个问题：当制程越来越贵、大Die越来越难，算力从哪里来？答案从「更好的晶体管」变成了「更好的连接」。

接下来的看点很清晰：UCIe生态会不会随着入门级产品的普及而真正下沉；苹果的2纳米量产节奏会给整个行业什么信号；以及Jalapeño第二代落地后，推理市场的价格体系会不会被重写一遍。芯片的乐高时代才刚开场，积木块的牌子，还多着呢。