夜雨聆风
6月的最后一周，AI行业上演了一场"芯片江湖"的大戏。
6月24日，OpenAI联手博通发布首款自研AI推理芯片"Jalapeño"——从Nvidia最大客户，变成Nvidia最强对手。6月25日，黄仁勋在股东大会上抛出"Token经济学"守住王座，同一天高通发布Dragonfly数据中心平台，拿下Meta和微软，还花了40亿美元收购Modular。而在大洋彼岸，中国AI芯片替代全面加速——英伟达在华销售停滞，昇腾、寒武纪、海光形成完整替代矩阵，中国大模型调用量连续九周领跑全球。
这不是一场简单的芯片竞争——这是一场"江湖规矩"的重写。过去十年，AI芯片的江湖只有一座大山：英伟达。现在，客户变成了对手，手机厂商杀入了数据中心，中国走出了自己的路。
今天，我们聊聊这场芯片江湖的权力游戏。
6月24日，OpenAI CEO Sam Altman站在台上，背后大屏幕亮出一个辣椒图标——Jalapeño，OpenAI首款自研AI推理芯片。
这不是一个"我们做了颗芯片"的普通发布。这颗芯片从设计到流片仅用了9个月——在高性能半导体领域，这个速度近乎疯狂。更重要的不是速度，是定位：Jalapeño专为大语言模型推理而生，不为训练，不为通用计算，只为一件事——用最便宜的方式跑ChatGPT、Codex和API。
• 设计到流片：9个月
• 合作方：博通（硅实现+网络）+ Celestica（板卡/机架）
• 推理运行成本：降低50%
• 部署计划：2026年底，千兆瓦级数据中心
• 工程样片：已跑GPT-5.3-Codex-Spark负载
合作方是博通——半导体界的"幕后之王"，Celestica负责板卡和机架集成。博通CEO的原话是："运行成本可以降低50%。"
为什么这件事如此重要？因为OpenAI不是芯片公司——它是Nvidia全球最大的客户之一。当你的最大客户开始自己做你卖的东西，这不是竞争，这是"背叛"。而且OpenAI做的不是通用GPU，是专门针对自己模型优化的ASIC——这意味着模型和芯片的深度耦合，是Nvidia的CUDA生态无法触及的领地。
💬 我的判断
OpenAI做芯片这件事，底层逻辑不是"我们也想做硬件"，而是"模型公司不做芯片就活不下去"。当AI模型的竞争从"谁能做出最强模型"转向"谁能最便宜地跑模型"，芯片成本就是核心竞争力。你每通过API赚一块钱，Nvidia从芯片上拿走三毛——这个账谁都会算。但我隐约觉得Jalapeño的名字透露出更大的野心：辣椒是开胃菜，不是主菜。OpenAI的多代计算平台计划已经公布——Jalapeño只是第一代。如果这条路走通了，未来OpenAI的芯片迭代速度可能比英伟达更快，因为它不需要考虑通用性，只要盯着自己的模型架构优化。这种"专芯专用"的模式，可能比GPU更适合大模型时代。
当你的最大客户变成了你的竞争对手，你就知道游戏规则已经变了。
面对OpenAI的"背叛"和高通的偷袭，黄仁勋在6月25日的股东大会上给出了他的回应——不是防守，是重新定义战场。
他的核心叙事很清晰：数据中心不再只是"存信息和检索信息"的地方，而是"制造数字智能的AI工厂"。工厂的产出不是比特，是Token——而Token是可以直接变现的。当AI能做有用的工作，Token就有价值；当Token能盈利，对计算的需求就会加速。这是一个自我强化的飞轮。
• Nvidia年营收：$2160亿（+65%）
• 数据中心收入：$1940亿（+68%）
• 推理算力年增：+122%（远超训练算力+56%）
• 授权回购：800亿美元
黄仁勋在回应AI泡沫论时，把AI基建类比为电网、交通系统和互联网——"建设周期以数十年计，不是几个季度。"他承认经济周期不可避免，但"AI基础设施的长期需求轨迹不会改变。"
最值得关注的数据：机构预测北美五大云服务商2026年AI推理算力年增122%，训练算力年增56%。推理增速是训练的两倍以上——这意味着AI不是在收缩，是在从"造"转向"用"。这里的核心逻辑是杰文斯悖论的AI版本：模型推理成本下降→用AI的人更多→总Token消耗量暴增→总算力需求不降反升。黄仁勋的"Token经济学"本质上是把Nvidia的命运从"芯片周期"绑定到了"AI使用量增长"上——只要人类每天用AI的次数在增加，Nvidia的GPU就不愁卖。
💬 我的判断
黄仁勋的Token经济学很聪明，但它有一个隐含假设：AI使用量的增长没有天花板。如果每个人每天用AI的上限是100次交互，推理算力增长迟早会撞墙。现在没人知道那个天花板在哪——就像2005年没人知道每个人每天需要多少GB流量。但有一个结构性风险：如果OpenAI、Google、微软都开始用自研芯片跑推理，Nvidia在推理市场的份额可能比训练市场更脆弱。训练需要最强的通用芯片（Nvidia的护城河），推理只需要"足够好且足够便宜"的芯片——这正是Jalapeño想做的事。黄仁勋嘴上说着Token经济学，心里清楚真正的战场在"谁能做最便宜的推理"。
Nvidia的护城河不是GPU，是"没有人能不用GPU"。当有人能不用的时候，护城河就开始渗水了。
如果说OpenAI是从客户变成对手，那高通就是从一个完全不同的赛道杀进来的"程咬金"。
6月25日，高通正式发布Dragonfly数据中心产品组合——这是一整套面向数据中心的CPU平台，而且一出手就拿下了Meta和微软两家超级客户。Meta甚至宣布了与高通的"多代数据中心CPU合作"——这意味着不是试用，是长期押注。
• 收购Modular：$40亿
• 首批客户：Meta + 微软
• 2029数据中心收入目标：$150亿
• 2029非手机收入目标：$400亿
更关键的一步棋是收购Modular——这家AI软件公司做的正是挑战CUDA的事情。Modular的MAX引擎让开发者可以用Python写出接近底层硬件的性能，而且不依赖CUDA。高通买下Modular，等于买下了一座"去CUDA化"的桥头堡。
高通CEO安蒙的逻辑很清晰："AI正在从云端走向端侧，从手机走向汽车、IoT、数据中心。我们在端侧有数亿设备的入口，加上数据中心，就是'端-边-云'全覆盖。"
💬 我的判断
高通入局数据中心的意义，不在于它能不能打败Nvidia——短时间内当然不能。而是在于：Meta和微软愿意签高通，说明云厂商在主动寻找"第二供应商"。CUDA的垄断不仅是技术垄断，更是供应链垄断——当你的GPU只有一个来源，你的议价权就是零。Meta和微软签高通，不是觉得高通芯片比Nvidia好，而是觉得"只有Nvidia可选"的状态太危险。这个逻辑和苹果做自研芯片一样——不是为了比Intel快，而是为了不被Intel卡脖子。高通Dragonfly+Modular的组合，给了云厂商一个"去CUDA化"的希望。即使这个希望只兑现30%，也足以让Nvidia的定价权受到侵蚀。
芯片行业的铁律：客户永远在找第二个供应商。高通就是那个"备胎"——而这一次，备胎拿到了Meta和微软的长期合同。
在OpenAI和高通围攻英伟达的同时，大洋彼岸的另一场战争也在加速——中国AI芯片的自主替代。
6月30日最新数据显示：英伟达中国AI芯片销售陷入停滞。取而代之的是一个完整的国产替代矩阵：华为昇腾（训练+推理全覆盖）、寒武纪思元（2025年营收突破80亿，毛利率超70%）、海光深算（2025年营收突破150亿，同比增约50%）。
• 中国大模型调用量：连续九周全球领跑
• 美国AI市场份额：从72%降至33%
• 寒武纪2025年营收：80亿+（毛利率超70%）
• 海光信息2025年营收：150亿+（同比增约50%）
• 中国移动太空算力：2520颗卫星
更值得关注的是中国移动公布的2520颗卫星的太空算力布局——这不是PPT，是已经在推进的工程计划。当硅谷还在讨论"数据中心建在哪"，中国已经在考虑"算力放到太空"。
与此同时，中国AI大模型全球调用量连续九周领跑全球，美国在全球AI市场的份额从72%下降至33%。这个数据不意味着美国AI变弱了——而是全球AI市场在快速扩大，中国的增速更快。智谱AI（Z.ai）的新模型在漏洞检测能力上被认为可媲美Anthropic Mythos。
💬 我的判断
中国AI芯片替代的故事，很多西方分析师把它理解成"被迫替代"——因为买不到Nvidia，所以只能用国产。但我自己的判断是，这个叙事正在从"被动"变成"主动"。寒武纪80亿营收、毛利率70%意味着它不是在"勉强替代"，而是在挣钱。当一个国产芯片公司能赚钱，它就有钱投入下一代研发，形成正向循环。更值得关注的是中国移动的太空算力——这不是在地面上追赶Nvidia，而是换了一个维度。如果算力部署在低轨卫星上，延迟、带宽、能耗的方程全部重写。美国在GPU架构上领先，但中国可能在算力部署方式上弯道超车。这不是"谁芯片更快"的竞争，是"谁算力网络更广"的竞争。
芯片战争的终局不是"谁最快"，而是"谁最无处不在"。
2026年6月的最后一周，AI芯片行业经历了一场"武林大会"。从这场大会走出来，江湖的规矩已经被重写了。以下是四个正在发生的结构性变化：
🔧 规矩一：从"买芯片"到"做芯片"——全栈竞争时代
OpenAI做Jalapeño不是孤立事件。Google有TPU，微软在研发Maia，Amazon有Trainium/Inferentia，Meta也在自研。当模型公司开始自己做芯片，意味着芯片不再是独立于模型的"通用商品"——而是和模型深度绑定的"定制武器"。未来的AI竞争不是"谁的模型更强"或"谁的芯片更快"——而是"谁的模型+芯片组合效率最高"。这是一个垂直整合的时代。
⚔️ 规矩二：从"一家独大"到"群雄逐鹿"——供应链多元化
Meta和微软签下高通Dragonfly，是云厂商在主动寻找"第二供应商"。CUDA的垄断不仅是技术垄断，更是供应链垄断。这个趋势不会逆转——云厂商已经被"只有一个供应商"的状态吓怕了。未来每个人都会有一个"Plan B芯片"。Nvidia的市场份额可能从90%+降到70%——不是因为它变弱，而是因为市场变大了，且客户需要分散风险。
🇨🇳 规矩三：中美"两套芯片体系"成形
英伟达在华销售停滞，国产替代全面加速。中国大模型调用量连续九周领跑全球。这不只是芯片的竞争——这是两套完全独立的AI基础设施体系在并行发展。未来可能出现两个平行生态：一个以Nvidia GPU+CUDA为核心，一个以华为昇腾+寒武纪+海光+自研框架为核心。全球AI基础设施正在经历"巴尔干化"——这不是最好的结果，但可能是最现实的结果。
🤖 规矩四：从"数字世界"到"物理世界"——算力落地千行百业
大连夏季达沃斯和北京链博会传递出一个清晰的信号：AI正在从"聊天"走向"干活"。从工业制造的智能体自动解析图纸，到新材料研发周期缩短60%，再到电池仿真从数年压缩到数周——算力不再只是跑大模型的燃料，而是千行百业的生产力工具。当AI走进工厂、农田、医院和公路，芯片需求的结构会发生根本变化——不只是云端的训练芯片，还有边缘的推理芯片、工业级的耐高温芯片、超低功耗的IoT芯片。芯片江湖的下一个战场，不在数据中心，在物理世界。
「AI芯片江湖正在经历一场百年未有的大变局。OpenAI从客户变成对手，高通从手机杀入数据中心，中国从追赶到并跑。英伟达的护城河还在，但攻城的队伍越来越长。对算力使用者来说，这是最好的时代——更多选择，更低成本。对芯片厂商来说，这是最残酷的时代——昨天的客户，可能就是明天最强的对手。」
— AI九局 · 小东 · 2026年6月30日 —
