英伟达霸主地位动摇？OpenAI、SpaceX纷纷自研芯片

过去几年，英伟达（Nvidia）凭借其强大的GPU几乎垄断了AI芯片市场，从云端训练到边缘推理，几乎所有AI公司都依赖其H100、B200等产品。然而，这一格局正在悄然改变。最近，OpenAI宣布将与博通（Broadcom）合作开发一款名为Jalapeño的自研推理芯片，加入Google、Apple、SpaceX等企业的行列，掀起一轮“去英伟达化”的自研芯片浪潮。这不仅是技术升级，更是一场针对供应链单一化风险的集体反抗。

OpenAI的Jalapeño：从软件到硬件的跨界

据TechCrunch报道，OpenAI的Jalapeño芯片并非首次涉足硬件领域——此前其曾与微软合作设计定制芯片，但Jalapeño在架构上更专注推理任务，旨在提升效率并降低对英伟达GPU的依赖。OpenAI CEO Sam Altman曾多次强调，算力是AI发展的核心瓶颈，而单一供应商的风险“可能导致整个产业减速”。Jalapeño的出现，意味着这家AI巨头正试图将命运掌握在自己手中。

“我们正在从‘算力买家’转变为‘算力创造者’。”——OpenAI高层在内部会议中表示。

SpaceX、Google、Apple：自研芯片早已不是秘密

事实上，OpenAI并非先行者。Google早在2016年就开始部署TPU（Tensor Processing Unit），专为其AI服务优化；Apple的A系列和M系列芯片早已集成神经网络引擎，实现本地智能处理；而SpaceX则在星链和航天器控制中采用定制化AI芯片，以应对极端环境下的高可靠需求。这些芯片虽然应用场景各异，但逻辑一致：在关键算力环节摆脱对外部供应商的依赖，降低成本、提升定制化性能。

特斯拉也是自研芯片的激进派——其Dojo超算芯片专为自动驾驶训练设计，据马斯克称，其能效比是英伟达方案的数倍。此外，亚马逊AWS的Inferentia和Trainium芯片、微软的Azure Maia芯片也陆续进入市场。这些案例表明，自研芯片已从“可选项”变为科技巨头的“必选项”。

为何现在集体转向？三大驱动力

这一趋势背后有深刻动因。首先，成本压力：英伟达高端GPU价格从数万美元到数十万美元不等，对于大型模型训练，采购成本可能高达数亿美元；自研芯片虽然前期投入大，但长期边际成本更低。其次，性能定制化：通用GPU在特定推理任务上存在浪费，自研芯片可以针对矩阵乘法、稀疏计算等AI核心操作进行架构级优化，实现10倍以上的能效提升。第三，供应链安全：地缘政治紧张加剧了芯片断供风险，拥有独立芯片设计能力可防范“卡脖子”危机。

英伟达的反击：从硬件到生态的堡垒

尽管挑战者众多，英伟达的地位短期内仍难以撼动。其护城河不仅在于CUDA生态——这一软件平台已积累超过400万开发者，几乎所有主流AI框架均深度适配；还在于其持续迭代能力：Blackwell架构、NVLink互连等将领先优势不断扩大。分析师指出，即使巨头自研芯片，英伟达在数据中心训练市场仍将保持70%以上份额。但推理侧的市场可能会被逐步侵蚀，尤其是随着AI应用规模化，能效比成为关键指标。

编者按：自研芯片浪潮折射出AI产业的一个核心矛盾——算力民主化vs.巨头垄断。当少数公司掌握关键算力时，整个行业的创新速度将被无形限制。OpenAI们自研芯片，本质上是将“算力主权”交还给应用方。但需要注意的是，芯片制造本身依赖台积电等代工厂，真正的“独立”仍然是有限的。未来十年，AI芯片竞争将不再是单一产品之争，而是生态、制造、算法三位一体的全面博弈。

本文编译自TechCrunch