当不再仅仅满足于运用芯片，而是转而着手制造芯片，这不单单是技术路线有所延伸，更是AI产业格局重新塑造的一种信号。本文深入剖析进军芯片领域背后所蕴含的战略动因、牵涉的生态博弈以及未来会出现的变量，引领你看清AI时代的下一个权力中枢。

当我们谈及人工智能的未来之际，除开那些令人称奇的模型以及应用之外，其背后还存在一场围绕“钢铁与硅片”展开的无声拼斗正处于蓬勃发展的态势。Open AI与博通的此次携手，并非单纯的商业协作，它更恰似一声号角，宣称着AI产业步入了一个全新的历史时期。这不但关乎Open AI自身的命运走向，更有可能预示着在未来三到五年的时间里，整个AI生态将会朝何种方向演变。

1. AI浪潮中的“算力铁王座”争夺战——背景与驱动

人工智能一路走来的发展进程，恰似一部充满波折起伏的史诗。它起始的最初之际开始萌芽，直至如今呈现出波澜壮阔之态，期间每一次步伐的跨越进展，都绝对离不开核心要素予以支撑之举。

1.1 算法的起始与非凡历程：由深度学习带来的转变 (在2010年至2016年期间)，(此转变也可称作蜕变)。

回溯到2010年代刚开始的时候，AI的世界就好像是处于沉睡状态的巨人，偶尔会出现一些像是要醒来的迹象，然而却始终没有切实地展现出它那足以撼动世界的潜在能力。一直到2012年举办Image Net竞赛时，Alex Net凭借深度学习的姿态猛地令人震惊，这才算是真正地敲响了AI时代的起始的钟声。在那之后的几年时间里，卷积神经网络也就是CNN在图像识别这个领域不断取得进展，循环神经网络叫RNN以及它的变体像是LSTM、GRU在自然语言处理方面开始小范围地尝试展现优势。

这是一个算法处于黄金时期的时代，头脑聪慧的人们在数学与计算相互交织的状况下，持续推导出更为精妙、更为强大的学习机制。在那个时候，算力固然重要，然而它更像是对算法得以施展魔法起着辅助作用的工具，并非是核心的瓶颈所在。那个时期的主角是“idea”，是那些要是机器能够从数据里“看懂”以及“听懂”世界的巧妙构思。

在2017年至2022年时间段内，英伟达时代呈现出的算力与数据的迅猛发展态势，其中有着辉煌之处，同时也存在着让人担忧的方面。

然而，真正转折点现身于2017年。架构横空出世，将AI的格局彻底改变。它靠着突破性的自注意力机制，达成了前所未有的并行处理能力，为训练万亿参数级别的超大规模模型筑牢了基石。从GPT系列至PaLM，大模型如雨后春笋般冒出来，它们的智能程度让人惊讶不已，却也带来了一个严峻挑战：算力，成了驱动这一切的“石油”，而其供应者，正是英伟达的GPU。

英伟达依靠自身构建的 CUDA 生态系统以及所具备的先发优势，在高端 AI 训练芯片市场几乎处于垄断地位，进而打造出了一座“算力铁王座”。大模型公司想要训练出更为强大的 AI，就不得不投入巨额资金去采购英伟达的 GPUintellij idea logo，犹如“饥渴的巨兽”一样大量消耗芯片资源。在这个时期，我们目睹了 AI 取得飞速发展，然而与此同时，也察觉到了一个愈发严峻的状况：算力瓶颈变得越发明显，不但价格大幅上涨、供应十分紧张，更为关键的是，其通用性设计无法充分满足大模型训练和推理提出的极致需求。那些大模型公司们，逐渐察觉到，把自身核心命脉全然托付给外部，倘若长久这样下去，那将会成为极大的战略隐患！

在2023年直至未来的这个阶段，全栈时代存在着一种必然的选择，这种选择转变自从“买现成”到“自力更生。

步入2023年后，有着Chat GPT那般现象级的爆发情况，AI大模型于全球范围内引发出前所未有的关注，掀起投资热潮。然而在这般热潮背后，头部公司们也清楚知晓“卡脖子”所带来的痛苦。训练达成类似GPT - 4等级别的模型，需用上万颗GPU，耗费资金数亿美元，而未来问世的GPT - 6只会规模更大，消耗更多资源。成本高昂，供应存在不确定性，并且面临难以在现有硬件上进行深度优化的困境，这致使“自力更生”成为摆在所有AI巨头面前的必然选择。

Open AI跟博通展开的合作情形，恰恰是处于这一“全栈能力构建阶段里面的”典型代表。它表明了着现今AI产业发展已然迈向了3.0阶段：先是发生了从单纯的只不过是算法方面的创新情形，接着是转变成了对于算力方面产生的海量需求状况情况，直至发展到当下这种状况，就是处于行业前列的那些参与者们开始进一步进行深入程度较高的硬件设计介入、芯片研发投入，进而追求达成“软硬一体化方面的”纵向整合目标，以此来保证自身技术能够不断持续更新不中断持续性、运营成本能够得到有效控制可控性，并且以此为目标最终成功掌握住核心竞争力。这是一种从“应用层面”朝着“基础设施层面”进行渗透的具有深刻意义、饱含深意的战略转变。

2. 的战略破局：为何选择“躬身入局”造芯片？

和博通所开展的合作，毫无疑问是业界针对未来AI格局做出的一回大胆押注。此项合作所象征的，恰恰是大模型公司从传统的那种“云端算法公司”朝着更具掌控能力的“垂直整合的技术集团”进行的转变。而这种转变，乃是在多重战略考量情形下所产生的必然结局。

2.1 摆脱“卡脖子”：独立自主的战略考量

设想一下，你正着手构建一座未来之城，然而，最为关键的钢筋混凝土却全然依赖于一家供应商，该供应商不但能够随性抬高价格，而且还能对供量加以限制，甚至在某些紧要时刻终止供应，这便是当下诸多大型模型公司所面临的算力困境。英伟达身为GPU市场的绝对主宰者，其芯片的供应情形、价格策略，直接对大型模型公司的发展速率以及战略布局产生影响。

Open AI自行研发AI芯片，其最为直接的目标在于强化战略独立性以及供应链安全，借助拥有自身的定制化硬件，Open AI能够切实降低对单一供应商的依赖风险，防止在关键时候遭遇“卡脖子”状况，保障其AI研究以及产品迭代得以顺利推进。

这并非仅仅是一项关于技术的决策，而是一项具有深远意义的、属于国家级范畴的、涉及全球范围的战略布局。

2.2 成本与效率的极致追求：经济效益的巨大诱惑

大模型训练和推理的成本是天文数字。

有估计称，对大型模型作一次训练，甚或会耗费数千万，不然就是上亿美元，并且，每次用户跟 AI 交互时的推理成本，也远比传统软件服务要高。Open AI 的 CEO Sam，曾多次于公开场合表明，当下的 AI 算力“极其昂贵”。通用 GPU 固然强大，然而，它是为了适配各类计算场景，才牺牲了一部分效率。

能够进行定制的AI芯片，可针对大模型特定的计算模式，像矩阵乘法，还有注意力机制，来展开极致的优化。

这表示着，于相同的功耗情形之下，定制芯片能够给出更高的计算效率，或者即便在达成相同计算力的时候，其能耗降低幅度显著巨大。

有专家做出预测，一种特制芯片，有望将推理成本降低50%甚至更多，还能把训练成本降低50%甚至更多，这种成本方面所具备的优势，对于那些有着大规模部署需求的AI公司而言，是能决定其究竟能不能实现盈利以及持续发展的关键所在，意味着成本更低的情况下，能够以更快的速度去迭代模型，还可以展开更广泛的应用部署，继而形成一种良性循环。

2.3 软硬一体的协同飞跃：性能优化的终极答案

深度融合软件与硬件，向来是科技领域所渴求的“圣杯”。一旦软件（AI模型）跟硬件（AI芯片）实现完美契合，那所激发出的潜能极为惊人。通用GPU在处理大模型之际，宛如一个多功能的工具箱，虽说功能完备，然而并非每个工具都能够百分百适合当下的任务。

自行开展研究制造芯片，这表明他们能够依据诸如大模型那样的具体架构以及相关的计算特点，从底层硬件层面的指令集开始，到内存的管理方面，再到互联的带宽情况，实施全面的、深入程度较高的优化。

这种具备“软硬一体”特性的协同设计，可显著提高模型之训练速度，还能提升其推理效率，进而降低延迟，并且能够更为灵活地对未来新型AI架构的创新予以支持。

这并非光是性能方面所呈现出的单纯提升，而是进一步开启构建关于未来ＡＩ模型设想设计以及展开实施布置的全新想象施展范围，以使模型能够更为快速、高效地在不同场景实现落地，不管是云端大规模推理场景，还是本地化、边缘端的轻量级部署场景。

3. 历史的镜鉴：从苹果到特斯拉，垂直整合的成功范式

历史常常有着令人惊讶的相似之处，那些于特定领域收获巨大成功的企业，大多都深切明白“垂直整合”那种门道。Open AI现今的抉择，毫无疑问是在模仿这些走在前面的。

3.1 苹果A系列芯片：定义移动体验的秘密武器

回溯智能手机的发展历程，2010 年苹果推出 A4 芯片，这意味着其作出从依靠三星、英特尔等外部供应商，转而开展自研移动芯片的战略转变，当时不少人对此感到困惑，纳闷为何要投入大量资金去从事“自身并不拿手”的硬件工作，不过，随着时间推移，苹果的远见得到了证实。

苹果借助自研的A系列芯片，达成了对软硬件的极其出色掌控，处理器、图形单元、神经网络引擎（NPU）等部件，均可跟iOS操作系统以及应用生态做到毫无缝隙的协同，这不但让其在性能（像流畅度、图形处理能力）与续航方面长久领先安卓厂商，还致使苹果能够给用户呈上独特且统一的体验，比如说Face ID、视频录制等功能，都离不开A系列芯片的强劲支持。

在核心技术方面，能够切实掌握主动权才行，这是去构建差异化竞争优势的关键所在，而构建差异化竞争优势又是去定义用户体验的关键所在，苹果的成功已然证明了这一点。

3.2 特斯拉FSD芯片：智能驾驶的“灵魂中枢”

处于智能汽车范畴之内，特斯拉也迈向了相似的路径。早前的特斯拉汽车采纳英伟达的Drive PX平台，然而马斯克心里明白，要达成真正的全自动驾驶（FSD），必定得拥有全然自主可控的硬件平台。所以，特斯拉于2019年推出了自行研发的FSD芯片，替换掉了先前的英伟达方案。

特斯拉FSD芯片的设计，是完全针对其与FSD软件的复杂神经网络计算需求来进行优化的，这使得特斯拉在不增加成本以及功耗的前提下，达成了数倍于英伟达方案的算力，大幅提高了感知、决策和规划的速度跟准确性，更重要的是，它让特斯拉能够以更快的速度去迭代其智能驾驶算法，不必受到外部供应商硬件更新周期的限制。

以特斯拉的情况来讲，在那技术迅猛发展的关键赛道之中，自行研发专门的芯片，能够产生那种无可比拟的迭代速率以及技术领先的优势啦。

3.3 AI时代的“苹果时刻”：的雄心壮志

与博通的合作，正是希望在AI领域复制苹果和特斯拉的成功。

他们所押注的目标，乃是在未来三到五年的时间段之内，特别是在面对全球范围内多模态AI（像是GPT-5 、Sora这类）以及AGI（也就是通用人工智能）迎来爆发期的情形之下，能不能确保算力供应的稳定性以及性价比，这将会成为决定他们是否能够持续保持领先地位、甚至最终成功抵达AGI彼岸的关键所在。

这是一个从“技术追随者”向“技术定义者”转变的雄心壮志。

4. 对未来进行展望：AI芯片的战局将会被重塑，并且会形成生态全新格局，时间跨度为2026年至2028年。

“造芯”之路，要是成功了，可不只会改变自身命运，还会深刻影响整个AI产业的未来走向。我们大胆猜测一下，2026到2028年可能出现的几种情形。

4.1 算力版图的多元化：从一家独大到群雄逐鹿

要是定制芯片能够成功实现量产，并且投入到其AI云平台大规模予以使用，那么英伟达处于一家独大状态的市场格局将会受到前所未有的冲击，这会鼓励更多的AI巨头（像是、Meta、微软、亚马逊）和其他新兴力量，投身到自研AI芯片的赛道里，到那时intellij idea logo，我们或许会看到一个更为多元化、竞争激烈的算力生态：

英伟达依然强大，但在高端通用GPU市场面临更多挑战者。

这会是一个“群雄逐鹿”的年代，算力资源会愈发丰富，获取成本有希望进一步下降，以此加快整个AI产业的创新脚步。

4.2 “闭环生态”的崛起：AI界的iOS或将诞生？

一旦具备了自主研发的AI芯片，它便能够把那芯片，以及AI模型、API接口、应用平台进而还有未来的硬件设备（像AI个人助手、机器人）完全打通，构建出一个类似苹果iOS生态系统的“AI闭环”。

在这个闭环中：

一旦形成这种生态，它不但能够提供处于领先地位的AI能力，而且还能借助其独具特色的生态系统，达成“锁定效应”，也就是让用户还有开发者被锁定，进而极大程度地提升竞争壁垒程度数值，并演变成为AI时代的“超级品牌”。

4.3 垂直领域的渗透：定制芯片的“毛细血管”效应

顺着AI技术趋向成熟以及成本持续降低的态势，专用AI芯片不会再只是处于头部大厂才有的专属范畴，而是如同毛细血管一般渐次渗透进各个垂直行业，医疗领域、金融领域、国防领域、工业制造等领域，针对AI在性能方面、安全方面、隐私方面以及延迟方面均有着极高的要求。

例如：

这些面向行业的AI定制芯片，会把本地化部署，以及低延迟、高安全性、合规性作为重点突出的销售亮点，去满足特定场景当中的苛刻要求，进而促使AI在更为广大的范围里达成深度运用。

5. AI大厂为何要“自己造炉子”？

用一个最简单的比喻来解释：

从前，从事AI的大型公司宛如一位厨艺精湛的大厨（意为Open AI），其善于创制各类美味的菜谱（也就是AI模型），然而做饭所使用的炉子（即AI芯片）均是从一家“炉具厂”（指英伟达）购置而来的“通用炉子”。这些通用炉子尽管功能颇为强大，却存在两个重大问题：其一，价格太过昂贵，每回使用都需耗费大量金钱；其二，产量存在局限，有时大厨想要多烹制几道菜，炉子却数量不足，或者必须排队等待漫长的时间。更最为关键之处在于，这个具备通用性的炉子虽说能够烹制所有菜品，然而有可能并非全然契合大厨最为擅长的几道“招牌菜”，始终感觉好像欠缺那么一点儿意味。

此时，Open AI 这位大厨不再继续干了，他断定要和一家专门从事生产“炉具零件”的工厂（博通）展开合作，亲手去设计一款专门依照自己 AI“菜谱”特性定制的“特制炉子”。这般情况下，这个炉子不但更具性价比、供应更为稳定，最为关键的是，它能够与 Open AI 的“菜谱”实现完美契合，促使他们的 AI 菜肴制作得速度更快、香气更浓郁、品质更出色！这恰似你家做饭时并非去外面购置现成的燃气炉，而是自行打造一个能够更出色烹制你拿手菜肴的炉子——不仅省下费用，还能够将你的厨艺展现到极致。

综合上面这些分析，我觉得Open AI跟博通一块儿合作去研发AI芯片，毫无疑问它是当下所有新闻当中，最能够看出未来AI发展走向、最有战略方面意义的那么一条。

它并非单单只是Open AI自身所进行的一次技术方面的投资，更是整个AI产业朝着“软硬一体化”全新阶段迈进的一个明确无误的信号。它与以下这些直接存在关联：

这标明着AI从一个处于“野蛮生长”状态的算法驱动时期，过渡至“深耕基础设施、构建全栈生态”这种成熟商业化时期。这属于AI迈向更深远、更自主、更具掌控力境地发展的关键转折点，亦是全球产业链围绕AI开展重组和再平衡的序幕。明白了这一点，我们便抓住了AI时代演进的核心脉络。

如有侵权请联系删除！