2026 年 7 月大模型公司造芯成为全球科技产业最集中的话题之一。先是 Google 定制 Gemini 芯片持续推进随后 Meta 的自研 AI 芯片 Iris 进入量产准备阶段国内方面据 7 月 7 日媒体报道DeepSeek 正在开发自有 AI 推理芯片研发工作约一年前启动目前仍处早期阶段。此外Anthropic 被曝接洽三星洽谈自研芯片合作OpenAI 也在加速推进与芯片厂商的定制合作。从表面看这是一场有钱任性的军备竞赛但深入观察会发现大模型公司集体向上游芯片延伸背后是算力成本、供应链安全与架构定制三重压力的共同驱动。AI 算力产业链的版图正在被这些曾经的芯片大客户悄然改写。一、为什么大模型公司要自己造芯算力成本大模型训练与推理的算力支出占总成本比重极高头部公司每年算力投入以百亿美元计。自研芯片虽前期投入巨大但规模化后可将单位算力成本显著摊薄。供应链安全高端 AI 芯片供给紧张且受地缘因素影响交付周期与价格波动难以预测。自研是保障算力供给确定性、降低外部依赖的战略性选择。架构定制通用 GPU 面向广泛负载设计对特定模型架构存在算力浪费。定制芯片可按自身算法优化计算单元、内存层级与互联结构实现更高的能效比。生态卡位掌握芯片设计能力意味着在未来算力定价、供给分配与生态规则中拥有话语权避免在关键环节受制于人。二、各家路线盘点从全自研到定制合作Google TPU 体系自研时间最长、体系最完整Gemini 芯片与 TPU 协同迭代已形成模型-芯片-云服务的闭环是行业标杆。Meta Iris自研 AI 芯片进入量产准备阶段与数据中心自研体系配套目标是降低对单一 GPU 供应商的依赖。DeepSeek 推理芯片研发约一年、尚处早期聚焦推理场景。对以高效推理见长的 DeepSeek 而言定制推理芯片有望进一步放大其成本优势。Anthropic 定制合作被曝接洽三星同时与 Broadcom 等厂商合作定制芯片走借力外部设计制造能力的路线风险可控、推进更快。OpenAI 的探索通过投资与定制合作布局芯片与其庞大的算力需求相匹配是广撒网策略的典型代表。三、造芯之路的技术挑战芯片设计是典型的高门槛、长周期、重资产工程即便对财力雄厚的大模型公司也不例外设计验证先进工艺下的芯片设计需要数千人年的工程投入验证环节尤其耗时一次流片失败可能损失数千万美元。流片与产能2nm/3nm 先进制程产能紧张流片排期以年计自研芯片的节奏必须与产能周期对齐。软件生态芯片价值的释放依赖编译器、驱动、框架适配与开发者生态这是比硬件本身更难的隐形壁垒。人才争夺芯片架构师与验证工程师高度稀缺大模型公司与传统芯片大厂的人才竞争将白热化。四、对产业链的深远影响代工厂受益台积电、三星等代工厂获得更多元化的订单来源先进制程产能的买方力量更加分散。GPU 巨头承压英伟达等厂商面临大客户变对手的长期压力但短期内自研芯片难以完全替代通用 GPU两者将长期共存。算力供给多元化对中小 AI 公司而言头部玩家自研芯片带来的是算力供给多元化的利好——生态竞争加剧算力价格有望进一步下行。设计服务兴起Broadcom、Marvell 等定制芯片设计服务商迎来增量市场芯片设计外包成为大模型公司的现实选项。五、对国内产业的启示DeepSeek 自研推理芯片的消息让大模型公司造芯在中国语境下有了更具体的参照。国内大模型公司自研芯片一方面要正视先进制程受限的现实另一方面也可以发挥独特优势在成熟制程上做架构创新、在推理场景做极致优化、在国产 EDA 与 IP 生态上协同突破。算力自主不是一蹴而就的替代而是自研国产供应链开源生态的组合拳。六、展望模型与芯片的协同进化自研芯片不是所有大模型公司的必选项但算力自主化正在成为行业共识。未来两到三年我们将看到更多模型芯片协同设计的案例模型架构为芯片优化芯片反过来释放模型的更大潜力——DeepSeek 的 MoE 架构与推理芯片的适配Google 的 Gemini 与 TPU 的迭代都是这一趋势的注脚。这场从软件向硬件的延伸可能是 AI 产业下一阶段最重要的结构性变化之一。当模型公司开始懂硅芯片公司开始懂算法AI 的竞争格局将不再由任何单一环节决定而由模型-算力-系统的全栈能力决定。对于所有参与者而言这不仅是一场技术竞赛更是一场组织能力与战略定力的考验。延伸阅读自研芯片的经济账到底怎么算外界常对大模型公司造芯的账本有误解自研芯片的盈亏平衡点并不低。一颗先进制程芯片的研发成本动辄数亿美元加上流片与封测总投入可达十亿美元量级。只有当模型规模足够大、算力消耗足够多、生命周期足够长时摊薄后的单位成本才会低于采购通用 GPU。这也解释了为什么造芯的主力是 Google、Meta 这类算力黑洞级别的玩家——它们的用量足以支撑芯片的规模经济。对 DeepSeek 这类以效率著称的公司账本逻辑则不同其模型以稀疏化MoE与推理优化见长定制芯片可以针对性地优化稀疏计算与访存模式即使制程不占优也能在能效比上做出差异化。换句话说造芯不只是有钱人的游戏更是架构适配的工程——算得清账、算得对架构才有资格入场。值得关注的是自研芯片的账本还包括议价筹码即便自研芯片最终只承担部分算力也能在与 GPU 厂商的采购谈判中获得更有力的地位这层战略价值往往比财务报表上的数字更重要。从产业史看客户变对手并不新鲜——苹果自研芯片取代 Intel、特斯拉自研 Dojo 超算都经历过类似的质疑与验证周期。大模型公司造芯能否成功最终取决于一个朴素的标准能否在可控成本内做出比外购更适配自身模型的芯片并坚持足够长的时间。答案不会立刻揭晓但方向已经不可逆转且拭目以待。