夜雨聆风AI芯片开始改写算力账本：OpenAI造芯与IBM押注0.7纳米
两条看似毫无关系科技新闻，其实都在讲同一件事：算力成本已经变成AI产业最棘手的难题。
2026年6月26日
原创无版权风险配图：面向AI推理负载的通用芯片场景，不含真实商标。
但这并不意味着英伟达的地位已受到实质性挑战。OpenAI自研推理芯片，远未到能摆脱对英伟达依赖的阶段，将二者简单对立是一种误读。推理与训练、软件生态及数据中心部署固然分属不同赛道，但这至少表明：AI公司已不再满足于单纯采购现成算力芯片。随着模型规模扩大、用户量增长、推理任务日益复杂，芯片已不再是采购部门的议题，而是直接嵌入产品利润模型的核心变量。
这类自研芯片的宣传里总有一些地方让人怀疑，找Broadcom合作一下，九个月就能把芯片做出来，还能和Blackwell或者TPU等验证成熟可用的平台同台竞技。芯片行业从来都不会如此省心。性能对标若是没有公开benchmark，明确的功耗测试条件及批量部署实测数据，说到底终究只是一句空谈。推理芯片尤其容易陷入这种困境，因为推理任务本身太过碎片化，变量过于不可控了，batch size、模型结构、上下文长度、内存带宽、网络拓扑，任何一条件有轻微差别，结果就会差很多。
OpenAI这颗芯片真正重要的地方不是比谁更强，而是能不能让自己的模型和数据中心里用更低的成本跑出一样甚至更好的效果。成本才是关键。大模型公司现在最真切的指标不是参数，亦非榜单，而是单次推理实实在在的成本开销。
原创无版权风险配图：半导体实验室与原子级结构示意，不含真实商标。
IBM这边则是另一番光景。6月25日至26日间，IBM披露其号称全球首创的亚一纳米芯片技术：晶体管架构达零点七纳米即七埃级别，辅以NanoStack三维堆叠结构，指甲盖大小的芯片可容纳近千亿晶体管，密度较其2021年展示的2纳米技术近乎翻倍。性能方面，IBM宣称最高提升五成或能耗降低七成，但商业化落地恐尚需五年。
这条新闻不能只看数据。不是说技术不强，IBM Research在半导体领域研究上当然是其中佼佼者，它此前的2纳米展示也对全行业颇具启示。但0.7纳米这个说法却是极其容易让人误解，仿若晶体管真的缩到了0.7纳米，芯片行业即刻就要迈入原子尺度的量产阶段了。然而半导体节点命名早就只是一个文字游戏了，3纳米不是3纳米，2纳米更不是2纳米。IBM此次公布的更像是未来新的技术路线，而不是实实在在的量产芯片。
这类新闻最别扭的地方，就是让人觉得好像摩尔定律又活了。可摩尔定律本就带着时间尺度和产业节奏，多少年晶体管密度翻倍，怎么摊薄成本，量产如何跟上。现在很多制程新闻更像在讲一个方向本身，垂直堆叠、更换材料、改结构、优化能耗，这些都是真的方向，但终究不能追上摩尔定律曾经的预言。
IBM说0.7纳米的量产方向，OpenAI说要自研推理芯片，两边都在说自己抓住了下一个风口，可是一个要等制造和授权落地，一个要等部署数据验证。发布会里说的到实际落地的产品，中间还有一段不短的距离。
把两件事放在一起看，反而比单独看更清晰。AI行业把芯片行业逼得不耐烦了。OpenAI这种应用层公司下场造芯，IBM这种研究型公司往更深层的材料和结构中去探索，嘴上都说效率、能耗、成本，说到底都是算力不够，电价太高，英伟达难买，台积电产能不够分。
以前看芯片新闻，只是关心手机性能会不会更好，电脑会不会更省电。现在看芯片新闻更像是在解释为什么AI服务越来越贵，何以数据中心要四处建、一个聊天产品背后会牵扯出能源、制造与供应链这一整套体系。
短期内要破局，谈何容易。OpenAI的Jalapeno想收回部分推理成本，IBM的0.7纳米则是告诉产业前路未绝。两条新闻都叫人振奋，却也都在讲故事。眼下乃至往后的一段时日里，芯片行业恐怕脱不开这般境地：技术是真的，数据也是真的，可一旦追问这个数据代表多少量产能力、多少成本降幅、多少体验提升，便说不分明了。而这含糊指出，恰恰才是最该着眼的地方。
