OpenAI联手博通造芯，AI巨头开始争夺算力主权
AI行业的竞争正在从模型参数、应用生态，一路延伸到最底层的硅片。
6月25日，Broadcom Inc.首席执行官Hock Tan首次谈及与OpenAI共同开发的Jalapeño AI芯片，并将其定义为一个标志性事件——顶级AI实验室开始走向自主设计硬件和基础设施。
在陈福阳看来，这几乎是一条必然路径。每一家处于前沿的大模型开发商，最终都会设计自己的芯片、构建自己的算力体系，因为他们能够做得更好。
这句话背后，其实透露出一个越来越清晰的行业趋势：AI公司已经不满足于做软件。
过去两年，生成式AI的爆发让算力成为整个产业链最紧缺的资源。从模型训练到推理部署，大模型公司几乎全部建立在NVIDIA CorporationGPU生态之上。英伟达因此成为AI时代最大的赢家之一，GPU甚至一度被形容为“新的石油”。
但石油掌握在别人手里，总归不是一件令人安心的事情。
模型越来越大，推理需求越来越高，算力成本也在迅速攀升。对于OpenAI、Anthropic以及Google这类公司来说，硬件支出已经成为影响商业模式的重要变量。一家AI公司未来是否赚钱，很大程度上取决于每一次模型调用背后的计算成本。
这也是为什么越来越多科技巨头开始走向自研芯片。
Alphabet Inc.早在数年前便推出TPU；Amazon.com, Inc.拥有Trainium和Inferentia系列AI芯片；Meta Platforms, Inc.也持续投入自研加速器。如今，OpenAI加入这场竞赛，意味着AI实验室本身开始直接下场参与底层基础设施建设。
Jalapeño的出现，也反映出另一种分工模式正在形成。
OpenAI并没有像传统芯片公司那样从零开始搭建完整半导体团队，而是选择与博通合作。后者拥有成熟的ASIC设计能力和供应链经验，OpenAI则更了解模型运行的需求、数据流和推理架构。
这种组合有些类似苹果与芯片代工伙伴之间的关系。苹果定义产品和需求，合作伙伴负责工程落地，最终形成高度定制化的芯片。
对于AI公司而言，这样的定制能力变得越来越重要。
通用GPU的优势是灵活，但并非所有AI任务都需要这种灵活性。随着模型逐渐稳定，大规模推理场景反而更适合专用芯片。针对特定工作负载设计的ASIC，可以显著提升性能功耗比，并降低每个Token的生成成本。
这意味着未来AI竞争的一项核心指标，可能不再只是模型谁更聪明，而是谁能够更便宜地运行模型。
陈福阳提到，OpenAI的全栈策略打造出了一款“就其用途而言极佳”的芯片。所谓全栈，并不仅仅是拥有模型、应用和数据，还包括对计算架构的控制权。
科技行业过去几十年的历史反复证明了一点：真正建立长期壁垒的公司，往往都掌握着软硬件协同能力。
苹果通过自研M系列芯片重塑PC体验；谷歌依靠TPU支撑搜索和云业务的AI能力；如今OpenAI也开始向基础设施深处延伸。AI行业正在复制移动互联网时代的一个经典逻辑——当软件发展到一定阶段，硬件就会成为竞争力的一部分。
这对于整个半导体产业链也是新的机会。
博通正在证明一种新的商业模式：不是与英伟达直接竞争通用GPU，而是帮助AI巨头打造专属芯片。未来几年，随着更多模型公司追求算力自主，定制ASIC市场可能成为半导体行业增长最快的赛道之一。
AI战争的下一阶段，已经不只是模型之间的较量。
从数据中心到服务器，再到最底层的芯片设计，围绕算力主权的争夺才刚刚开始。而Jalapeño的出现，或许只是这场竞赛的第一颗信号弹。
Tags: OpenAI
