凤凰网科技讯 8月28日 大模型公司，正在集体把手伸向芯片。
据路透社8月27日报道，Anthropic今年曾考虑以约70亿美元收购AI芯片创业公司MatX，希望借此加快内部芯片研发。虽然这笔交易最终被放弃，但双方已经转向讨论潜在合作。
路透社援引知情人士消息称，Anthropic正在扩大内部芯片团队，并已从Google、OpenAI等公司招募芯片人才。与此同时，公司还接触了多家AI芯片创业公司，评估不同技术路线，其考虑的方向既包括推理芯片，也包括训练芯片。
这意味着，在OpenAI之后，另一家全球头部大模型公司也开始认真考虑一个问题：当一家AI公司拥有越来越庞大的算力需求后，是否需要掌握自己的芯片能力？
至少从目前头部AI公司的动作来看，自研芯片正在成为越来越重要的战略布局。
OpenAI先动手了：第一颗芯片瞄准推理
就在Anthropic自研芯片计划曝光前几天，OpenAI公布了首颗自研AI推理芯片Jalapeño的首批实测数据。
据OpenAI官方8月25日披露，Jalapeño在SemiAnalysis的公开推理基准InferenceX上进行了测试。OpenAI称，在GPT-OSS 120B测试中，Jalapeño相比参与比较的商用系统实现了更高的峰值单位功耗吞吐量和更低的Token延迟；在DeepSeek R1和Kimi K2.5等模型上同样表现突出。
SemiAnalysis随后公布的测试分析显示，Jalapeño并不是一颗只能运行OpenAI模型的专用芯片，而是一颗面向不同模型和工作负载的通用型推理芯片。
TechCrunch在8月25日的报道中指出，此次比较对象包括英伟达Blackwell系统。OpenAI硬件负责人Richard Ho表示，测试结果显示Jalapeño能够在单位功耗下完成更多AI计算，同时降低响应延迟。
不过，这些测试结果仍需要放在特定条件下理解。Jalapeño目前尚未全面部署，而且等到其真正大规模投入使用时，英伟达的产品也已经进入新的迭代周期。因此，现阶段还不能简单得出“OpenAI芯片已经全面超过英伟达”的结论。
OpenAI官方资料显示，Jalapeño由OpenAI与Broadcom联合开发，芯片架构针对大语言模型推理进行了优化，包括减少数据移动，并在计算、内存和网络资源之间进行平衡。
值得注意的是，OpenAI将Jalapeño定位为面向当前及未来大语言模型的推理平台，而非仅服务于OpenAI自身模型。
按照OpenAI目前公布的路线图，Jalapeño计划2026年底开始部署，此后逐步扩大规模。
如果只看OpenAI和Anthropic最近的动作，很容易把它们理解为又一轮“去英伟达化”。
但真正推动大模型公司向芯片领域深入的，还有一个更加现实的问题：随着AI使用规模扩大，运行模型所需要的算力正在成为越来越庞大的成本。
训练只是开始，推理是一笔长期账
训练前沿大模型需要投入巨额算力，但一次模型训练完成后，真正伴随产品运营持续发生的是推理。
用户每向ChatGPT提出一个问题、让Claude生成一段代码，或者让AI Agent执行任务，背后都需要数据中心完成模型推理。
随着AI产品用户规模、Token使用量和Agent任务复杂度不断增加，单次推理成本即使只下降一小部分，累积到大规模商业服务中，也可能形成明显的成本差异。
OpenAI自己也把降低AI使用成本列为Jalapeño的重要目标。
OpenAI在6月公布Jalapeño时表示，这颗芯片是其长期全栈基础设施战略的一部分，希望通过更高的计算效率，让AI服务变得更快、更可靠，同时降低使用成本。
OpenAI在8月25日进一步表示，推理正是AI真正触达用户的环节。推理效率的改善最终可能体现为ChatGPT回答更快、Codex能够执行更长任务，以及API产品拥有更低的开发和运行成本。
对于商业化阶段的大模型公司而言，这意味着推理效率已经不只是一个工程指标，也会越来越直接地影响AI产品能够服务多少用户以及提供服务所需要付出的成本。
Anthropic面对的是同一道题。
据路透社报道，Anthropic目前已经同时使用英伟达、Google和Amazon提供的AI芯片，并与Google达成价值约360亿美元的芯片供应安排。
此外，路透社8月26日援引消息人士报道称，Anthropic还将支付约450亿美元，在未来六年租用Nscale位于美国西弗吉尼亚州数据中心的AI算力。该项目将使用英伟达Vera Rubin芯片。
这意味着，Anthropic并不是没有芯片可用。恰恰相反，它正在主动建立多元化的算力供应体系。
但随着一家头部AI公司需要为算力投入数百亿美元，“使用谁的芯片”已经不再只是普通采购问题，而正在成为影响成本结构和长期竞争力的战略问题。
为什么科技巨头最后都走向自研芯片？
OpenAI和Anthropic并不是最早走上这条路的公司。
Google早在生成式AI浪潮爆发之前就已经开始开发TPU；Amazon此后推出Trainium和Inferentia，Meta也在推进自己的MTIA系列AI加速器。
这些公司的基本逻辑具有相似之处：当自身AI工作负载达到足够大的规模时，针对自己的计算需求参与设计芯片，可以获得更多优化空间，同时减少对单一外部供应商的依赖。
OpenAI现在正在进一步强调软硬件协同。
OpenAI在8月25日发布的全栈计算战略中表示，公司的计算体系正在覆盖数据中心、芯片、前沿模型、开发者平台、消费和企业产品以及AI原生设备，并希望不同环节相互优化。
其中一个关键逻辑就是：软件可以让硬件发挥更高效率，而针对实际AI工作负载设计的硬件，又能够进一步改善模型运行的速度和效率。
Jalapeño正是这一思路的产物。
根据OpenAI官方披露，这颗芯片的设计参考了公司对于模型、kernel、模型服务系统以及未来产品需求的理解，并围绕LLM推理中的计算、内存移动、网络以及服务模式进行优化。
这意味着，大模型竞争的评价维度正在增加。
过去几年，行业最关注的问题是：谁能训练出能力更强的模型？
随着AI进入大规模商业应用阶段，另一个问题正在变得越来越重要：
谁能以更低成本运行足够强的模型？
训练能力影响模型性能上限，而推理效率则越来越关系到模型能否以可接受的成本大规模提供给用户。
不是“逃离英伟达”，而是增加更多选择
不过，OpenAI和Anthropic自研芯片，并不意味着英伟达的地位短期内会受到根本性冲击。
Jalapeño目前仍处于部署早期阶段。OpenAI官方表示，首代产品计划从2026年底开始部署，并在未来几年扩大规模。
Anthropic的芯片计划则处于更早期阶段。路透社此次披露的70亿美元MatX收购方案最终并没有实施，目前双方只是转向讨论潜在合作。
与此同时，OpenAI和Anthropic仍然在大量使用英伟达芯片。
例如Anthropic最新与Nscale达成的450亿美元算力协议，背后的数据中心仍计划部署英伟达Vera Rubin芯片。
因此，与其说这些AI公司正在“逃离英伟达”，不如说它们正在试图建立更多算力选择，并降低对单一芯片供应商的依赖。
真正发生变化的是产业关系。
过去，OpenAI和Anthropic主要是英伟达的重要客户；随着它们开始建立自己的芯片研发能力，双方未来的关系可能变得更加复杂——既继续合作和采购，也会在部分AI计算场景形成潜在竞争。
类似的边界模糊正在整个AI产业发生。
模型公司开始设计芯片，芯片公司投资模型公司，云计算巨头既向模型公司提供算力，也开发自己的模型和AI芯片。
AI竞争因此正在从单纯的模型能力竞争，逐渐延伸到模型、芯片、内存、网络、数据中心、能源和资本等多个环节。
OpenAI与Anthropic下场造芯片，是这一变化的最新信号。(作者/于雷)
更多一手新闻，欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道，请微信搜索“凤凰网科技”。
明道配资提示：文章来自网络，不代表本站观点。
