黃仁勛和英偉達的“天塌了”？中美四大巨頭，全部轉向自研芯片

黃仁勛大概沒料到，一天之內讓英偉達蒸發近千億美元市值的，不是AMD，不是英特爾，而是他自己最貴的那批客戶。

短短一周之內，四條新聞擠在同一個時間窗口冒出來：短時間內，多家頭部AI公司被曝正在探索自研推理芯片路線。從OpenAI到Anthropic，再到DeepSeek等企業，行業正在出現一個越來越明顯的趨勢：模型公司開始嘗試掌握部分底層硬件能力。硅谷、首爾、杭州、北京，四個坐標，動作卻像事先對過表——都要造自己的芯片，都要繞開英偉達。

這四家，恰好是過去兩年英偉達最舍得掏錢的四位大客戶。它們同時出手，市場立刻嗅出了不對勁。英偉達盤前跳水，千億美元市值一夜蒸發。

這絕不是四家公司各自決策的巧合，而是一場蓄勢已久的產業切割。AI芯片產業的話語權正在出現重新分配，下游模型公司開始試圖獲得更多主動權。這次轉移的規模、速度和參與者的分量，都遠遠超出了大多數人的預期。

要看懂這件事，得先分清兩個概念——訓練芯片和推理芯片。這兩樣東西經常被混著說，但對英偉達來說，商業含義完全不同。

訓練相當于蓋樓，一次性資本開支，模型練完就封頂了。這活兒又累又短，需要海量并行計算，英偉達的CUDA生態加上NVLink互聯構成了極深的護城河，短期內誰也別想撼動。

推理是把樓蓋好之后天天開門做生意。它是持續運營成本，每生成一個詞元（token）都在燒錢。Agent時代一到，token消耗量以百倍速度膨脹。高盛此前測算，到2030年Agent場景下的token用量將增長約24倍。

真正的問題出在這里：英偉達的GPU本質上是一顆通用計算芯片，晶體管里塞了圖形渲染、科學計算、深度學習等各種功能。跑推理時，絕大部分電路是閑著的。

在部分大規模推理場景中，通用GPU存在大量資源無法被充分利用的問題，這也是ASIC等專用芯片出現的重要原因。

翻譯成人話就是：客戶花了一整顆芯片的錢，只用到很小一部分算力，剩下的都是在為＂用不到的靈活性＂付租金。

只要AI進入規模化服務階段，模型公司就一定會算這筆賬，算過之后就一定會轉向自研。這不是＂如果＂的問題，是＂什么時候＂的問題。今年這四家同時動手，只是把一個原本要拖到2026、2027年才發生的事情提前了一年。

美國這兩家的動機很直白——省錢。

據業內分析，專用芯片理論上有機會顯著降低推理成本，但實際效果仍要等量產和部署驗證。市場也傳出部分AI公司正在評估不同晶圓代工路線，包括先進制程合作可能。兩家走的是同一條思路：把模型架構里那些確定不變的部分直接固化成硅片，讓算子變成電路，讓內存通路照著注意力機制的壓縮格式布線。

對OpenAI來說，一年幾十億美元的算力開支是壓在頭頂的大山。自研芯片如果真能砍掉一半推理成本，省下來的錢要么直接變利潤，要么用來降價打市場。在模型能力越來越接近、價格戰越打越狠的下半場，推理成本就是毛利率，毛利率就是活下去的資本。

Anthropic的選擇更妙。它一手用谷歌TPU，一手找三星做芯片，一手還繼續買英偉達。這不是選擇困難癥，是清醒的供應鏈安全策略——雞蛋分幾個籃子放，才不至于一次全砸。

再看中國這兩家，處境完全是另一個邏輯。DeepSeek和智譜不是想不想做，而是必須做。DeepSeek此前大量依賴英偉達GPU，同時也積極推進與國產算力平臺適配，并被報道探索自研推理芯片路線。

好在國產替代的底座已經打好。華為昇騰已經成為中國AI算力生態的重要參與者。國內大廠對昇騰的需求非常旺盛，產能還在爬坡。這時候一線大模型公司自己再往下延伸做專用芯片，本質上是在給國產算力生態補齊＂最后一公里＂。

這里要多說兩句。國內輿論場上有一種聲音，一提到＂自研芯片＂就下意識地皺眉，覺得又是被逼出來的無奈。但如果拉長時間軸看，這種＂被逼出來的自研＂恰恰是中國科技產業最值得押注的一條線。

理由有三。其一，被限制的往往是通用產品，反而催生了針對場景的定制方案，而定制方案在效率上通常比通用方案高出一個量級。其二，中國的應用場景規模足夠大，任何自研芯片一旦跑通，都有足夠的國內訂單攤薄成本，不需要一開始就出海搶市場。其三，也是最容易被忽視的一點——被卡脖子倒逼出來的技術棧，往往更貼近實際需求，反而更有生命力。這一點在通信、新能源、高鐵上都已經反復驗證。

DeepSeek和智譜走到自研這一步，表面看是＂沒辦法＂，往深里看則是＂正合適＂。

更值得關注的是，中國團隊還摸出了一條獨特的商業路徑——＂模型免費加芯片收費＂。開源模型本身不直接賺錢，但如果把GLM、DeepSeek這類模型的權重和架構直接固化到芯片里，用戶想要最極致的推理效率，就得買專用芯片。模型是鉤子，芯片才是收銀臺。

這是一條把美國同行都看得眼睛發亮的路。開源做生態，硬件收租金，本質上是用開放換規模、用規模換硬件溢價。相比OpenAI＂封閉模型加訂閱＂的老套路，這種模式更符合AI大規模普及的產業邏輯，也更適合中國團隊的能力結構。

繞回來講英偉達。四家公司同時動手，除了成本和供應，還有一層更深的原因：沒有人比模型公司自己更懂自己的模型。

舉個例子。DeepSeek的多頭潛在注意力（MLA）把KV Cache壓到常規架構的幾十分之一，細粒度MoE讓每次推理只激活一小部分參數。

這些創新跑在通用GPU上，只能靠軟件層去湊合適配硬件。但如果芯片是自己設計的，算子可以直接固化成電路，訪存通路照著MLA的壓縮格式排布，性能和能效瞬間是另一個數量級。

這就是＂軟硬件協同設計＂的套利空間。Groq、Cerebras這些獨立芯片公司拿不到這層暗知識，只能做通用推理加速器，由于缺少大型模型公司的深度協同，它們面臨生態建設挑戰。而模型公司自己下場，等于把這層套利空間收進了自己口袋。

AI芯片行業未來五年最重要的一條主線，是＂模型定義硬件＂取代＂硬件定義模型＂。過去開發者要遷就CUDA和GPU的架構去寫代碼，未來會是芯片跟著最強的那批模型架構去布線。這個方向逆轉的影響，會比任何單顆芯片的發布都深遠。

那英偉達是不是就完蛋了？

短期內英偉達的天沒塌，但長期看，這家公司必須重新定義自己。

短期看，自研芯片從立項到大規模量產至少要2到3年。這段時間里，英偉達的訂單一顆都不會少。訓練環節的CUDA生態依然鎖死，GPT-6、Claude 5級別的下一代模型訓練仍離不開B200和后續型號。OpenAI一邊推自研，一邊還在排隊搶貨，這就是現實。

中長期的壓力卻是真實的。當2027、2028年這批推理專用芯片集中量產，部分推理負載可能逐漸向ASIC和專用加速器遷移，英偉達的銷售空間會被明顯壓縮。

但英偉達并非沒有防線。NVLink Fusion這套互聯技術已經在向外授權——就算你不買它的GPU，只要還用它的互聯標準，＂過路費＂依然要交。

加上訓練端的絕對優勢，英偉達可能從絕對領先者轉變為多種AI計算方案競爭格局中的核心玩家，估值邏輯需要從＂永遠高增長＂修正到＂增長趨于常態＂。

這次千億美元級別的市值蒸發，反映的就是這個修正。不是末日，是回到常識。

再往大了看，這件事的意義遠超一家公司的股價起落。四家頭部模型公司同一周動手，標志著AI算力市場從＂英偉達單極＂進入＂多極戰國＂。谷歌有TPU，亞馬遜有Trainium，OpenAI有自研芯片，Anthropic牽手三星，DeepSeek和智譜有國產自研，再加上Etched、Groq、Cerebras這些獨立芯片公司，ASIC陣營快速壯大。

黃仁勛不再是那個＂你不買就沒得選＂的霸主。

對資本市場來說，這意味著一次深度的重新定價。上游硬件端的＂信仰溢價＂在退潮，下游應用端的＂剛需邏輯＂在升溫。

過去兩年AI概念股的估值幾乎完全被GPU廠商定義，接下來大概率會向真正跑出商業化閉環的應用公司遷移。這個再定價過程會持續兩三年，中間會有反復，但方向已經清楚。

對中國來說，這是一次難得的戰略窗口期。全球AI產業正在探索降低對單一計算體系依賴的方法，等于全世界都在驗證華為昇騰、寒武紀，以及DeepSeek、智譜這些自研路線的正確性。

中國AI產業不需要復刻英偉達那條路，完全可以走出一條屬于自己的路——用開源模型搶生態位，用專用芯片補商業閉環，用大規模應用場景反哺硬件迭代。三者疊加，恰恰是中國產業最擅長的打法。

回到最初那個問題：黃仁勛的天塌了嗎？

沒塌，但天變了。這個世界不再只有一片天。

對英偉達來說，接下來要證明的不是它還能不能漲，而是它能不能在多極格局下守住自己的核心地盤。

對四家模型公司來說，自研芯片的量產曲線才是真正的勝負手——PPT里的芯片和跑在數據中心里的芯片，中間隔著無數個坑。對中國AI產業來說，這次難得的窗口期，是抓住還是錯過，取決于未來兩年的產業協同。

一場AI芯片的＂戰國時代＂已經開幕。英偉達仍然會是那個最強的諸侯，但已經不是唯一的王。