迈向算力驱动的经济:OpenAI造芯、高通跨界、IBM剑指未来十年的微缩

模型公司、云巨头、移动芯片厂商等每一类玩家都以自己擅长的方式参与进来，维持霸主地位将变得艰难。

南方周末研究员丁莉

责任编辑丨黄金萍

芯片领域迎来一个意想不到的玩家——OpenAI。

6月24日，这家美国AI大模型公司联手半导体设计和开发公司博通(Broadcom)，推出了首款定制AI推理芯片Jalapeño，跨界造芯。Jalapeño兼容所有大语言模型，成功运行包括GPT-5.3-Codex-Spark在内的机器学习工作负载。

为什么要自己造芯片？

OpenAI总裁Greg Brockman给出的解释是，“世界正迈向算力驱动的经济。”

算力需求正快速膨胀。此前，OpenAI已经尽可能地“把算力放在更多篮子里”，它与亚马逊AWS、AMD、Cerebras、谷歌等都建立了合作，锁定多元算力产能，但仍觉不够。

模型竞争的热焰，正不可逆转地向上游的算力领域蔓延。自研芯片的OpenAI不过是这个缩影的一块碎片，在短短一个星期内，不同环节的玩家从不同的角度切入——定制芯片、多元布局、底座突破——给竞争注入了新的变量，让局面变得更加复杂。

“每瓦性能”成为新标尺

2025年，维持ChatGPT服务器响应的成本已高达84亿美元，随着ChatGPT周活跃用户超过9亿，再加上AI从单次问答的聊天工具进化为持续运行的智能体，对推理算力的需求也在急剧放大，预计今年相关成本将攀升至140亿美元。

在这样的背景下，OpenAI开始思考：能否为这类工作负载打造一款专门的芯片？

问题的答案是Jalapeño，它专为LLM推理而设计，不追求通用性。在架构层面，它一改通用芯片“用蛮力堆算力”的思路，通过减少数据搬运、平衡计算、内存和网络资源，使实际利用率更接近理论峰值。尽管目前尚未公开任何具体的性能基准数据，OpenAI在声明中称，其早期测试显示Jalapeño“每瓦性能大幅优于当前的最先进水平”。

OpenAI 硬件项目负责人Richard Ho表示，Jalapeño从底层架构开始就专为LLM推理而设计……围绕内核、内存移动、网络和服务模式等对前沿AI模型至关重要的方面优化了架构。

Jalapeño计划在2026年年底部署到微软及其他合作伙伴的数据中心，博通CEO Hock Tan称之为“吉瓦级数据中心部署的开始”。

从模型向芯片的一跃意味着OpenAI开始追求全栈优势。由于掌控全栈，每一层都可以瞄准其核心目标优化：让模型更快、更可靠、更经济。这为OpenAI的财务叙事提供了新的支点，有助于其降低成本，缓解外界对其融资“左手倒右手”、几乎全部用于购买算力的质疑。

高通则从另一个方向切入，这家在移动芯片领域积累了深厚优势的巨头，也开始从端侧走向云端，试图在数据中心市场分一杯羹。

高通CEO克里斯蒂亚诺·阿蒙的判断与OpenAI相似：“代理式AI正推动数据中心对AI推理的需求大幅增长。随着这些工作负载成为主流，基础设施必须在更低的功耗和成本下提供更高的性能。”他认为，高通在手机领域的功耗控制经验，恰好可以为数据中心带来差异化经验。

Jalapeño发布的第二天，6月25日，高通宣布了一套面向数据中心AI基础设施的完整路线图。核心产品包括Dragonfly C1000 CPU，基于Oryon核心的多芯粒架构，集成了超过250个核心，运行频率在5GHz以上，据称每瓦性能比现有竞品的基准高出两倍以上。

与Dragonfly C1000 CPU同步发布的还有Dragonfly AI300推理加速器、高带宽计算（HBC）技术以及连接产品。所有这些产品相互协同，组合为一套解耦式、机架级AI推理，旨在以更低的总体拥有成本，最大限度地提升每瓦性能和令牌吞吐量。

对高通而言，这更是一盘财务棋。高通CFO帕尔希瓦拉预测，到2029财年，数据中心的业务将创造超过150亿美元的收入，QCT部门非手机业务的收入将达到400亿美元，这一数字几乎是2024年制定的目标的两倍，届时手机业务的收入将只占三分之一。盘后高通股价一度大涨16%，华尔街看到了一家通信芯片供应商蜕变为“端侧+云端”平台型企业的可能。

同日，IBM发布全球首款亚纳米芯片，制程节点达到0.7纳米（7埃米），首次将芯片的制程节点带入埃米级微缩时代，即尺寸接近单个原子大小。可以说，IBM从最底层入手，给场上的算力竞争撑开了更高的技术天花板。

这也为摩尔定律的延续开辟了一条新的路径——从过去单纯缩小尺寸转向向上堆叠。通过三维堆叠架构，IBM在指甲盖大小的芯片上成功集成了近1000亿个晶体管，密度几乎是IBM于2021年发布的2纳米（nm）芯片的两倍。各堆叠层可以采用差异化材料组合，每个晶体管的性能和功耗可独立优化。

实测数据显示，这款亚纳米芯片相较IBM上一代的2纳米芯片，使SRAM的尺寸缩减了40%，性能最高可提升50%，或降低70%的能耗——放在数据中心里，这意味着每年可以节省下一笔数额庞大的电费。

一场“去英伟达化”浪潮

在日益激烈的AI竞争之下，算力的地位已等同于粮草。兵马未动，粮草应当先行。

AI巨头们都在争先恐后地锁定更加多元化的芯片供应渠道。以OpenAI为例，2026年以来，它已先后与Cerebras、亚马逊AWS达成了算力合作，2025年，它决定部署总计6吉瓦的AMD GPU算力，上述每笔合作均长达数年。现在，它甚至决定自己造芯片，直接踏入了英伟达的领地。

更具冲击力的是速度，从零起步，九个月的时间即完成从初始设计到制造流片，Jalapeño创下了高性能半导体领域迄今最快的ASIC芯片开发纪录。OpenAI将自家模型用于辅助芯片设计，这意味着芯片的进入门槛已大幅降低，AI行业的竞争格局远未固化。

故事的另一面则是，英伟达的客户清单正在变成一份竞争对手的名单——谷歌自研TPU始于2015年，亚马逊2018年推出推理芯片Inferentia、2022年推出训练芯片Trainium，微软自研的AI芯片Maia 2023年年底亮相，如今这份名单继续拓展，OpenAI是最新一个，也是最令人意外的一个。

在OpenAI之后，多家媒体报道，另一家美国大模型公司Anthropic也在考虑自研芯片。这背后，是大模型公司不甘再受算力钳制，想要引导产业链。

在这场“去英伟达化”的浪潮里，博通成为赢家。它同时为谷歌、Meta等提供定制芯片设计服务，在OpenAI自研芯片的背后，博通也提供了芯片实现和网络连接，帮助将产品推向规模量产。双方已制定多代芯片路线图，接下来计划2028年推出下一代产品，此后每年迭代。

2026财年第一季度，博通AI半导体收入达84亿美元，同比增长106%。Hock Tan坦言，增长“得益于对定制AI加速器和AI网络的强劲需求”。这为博通的订单排期埋下了一则预言。

相比之下，高通切入数据中心业务，成为了英伟达的新对手。它不是从零起步的芯片新手，在端侧深耕的数十年使其具备了在低功耗和“每瓦性能”方面的经验，其新发布的HBC技术在同等功耗下带宽是HBM的6倍。而英伟达GPU虽以绝对性能称霸，功耗与成本恰恰是其“阿喀琉斯之踵”。

目前，Meta已与高通签订多年期、多代际战略合作协议，高通将成为Meta未来数据中心CPU的核心供应商，微软Azure也将部署高通HBC芯片，高通还透露已赢得另外两家全球超大规模云服务商的定制芯片合同。

此外，为补齐软件的生态短板，就在本周（2026年6月24日）高通还宣布以约39亿美元收购AI软件公司Modular，以获得一套可跨芯片运行AI模型的软件技术，而无需为每种处理器单独编写代码，这将助力其客户更快地完成从终端设备到云端的全场景人工智能商业化落地，也有望为高通补齐可对标CUDA的开放性软件栈。

从更长远的视角看，如果IBM的纳米堆叠技术成熟并开放授权给晶圆制造商，有可能改变台积电目前一家独大的代工格局。

从工艺和制程来看，台积电从16nm到7nm用了三年，从7nm到5nm用了两年，从5nm到3nm又是两年，此后再过了三年才迭代到最新的2nm制程，越往下越难。

IBM自己并不直接制造芯片，而需要与台积电、三星、英特尔或Rapidus等晶圆制造商展开技术授权与合作。IBM此前于2021年推出的2纳米芯片，通过与三星研发合作、在2025年底开始量产，也在倒逼台积电的技术路线调整。

不过亚纳米芯片从实验室原型到量产还有很长一段路要走，IBM预计，最快5年内方可量产落地。

英伟达不会骤然跌落“算力霸主”的宝座，它的CUDA生态、GPU绝对性能都远非一朝一夕可以被替代的。但随着模型公司、云巨头、移动芯片厂商等每一类玩家都以自己擅长的方式参与进来，维持霸主地位将变得艰难。