ASIC商业化，拐点已至

2026年第二季度，ASIC芯片领域的消息密度达到了前所未有的水平。仅6月18日亚马逊确认洽谈将Trainium芯片向外部数据中心出售，到6月24日OpenAI与博通联合发布首款自研推理芯片Jalapeño，一周之内两大重磅事件接踵落地。再往前回溯，谷歌5月携手黑石集团成立50亿美元合资公司将TPU商业化，微软的Maia 200正在与Anthropic洽谈算力租赁，Meta则因收购Rivos后的内部整合失败而陷入被动。

这些事件指向同一个结论：ASIC正在从AI算力体系的边缘走向中心。超级云计算厂商和前沿AI实验室同时发力，背后不仅是成本控制的商业本能，更是对下一代AI基础设施控制权的争夺。高盛预测，AI驱动的ASIC需求将在2027年与GPU需求平分秋色 ；而2026年四大云厂商的AI资本支出合计预计将达到7000亿至7750亿美元，同比增长近78% ——如此庞大的资金体量，任何单一芯片供应商都无法独占。

云厂商：从内部自用到走向台前

长久以来，定制化AI芯片多被视为云计算巨头的“内部玩具”，用于消化庞大的自用算力需求。然而，2026年的多项战略异动表明，这层边界正在被打破。背后的核心驱动力是AI工作负载的结构性转变——从“训练主导”全面转向“推理主导”。SemiAnalysis和Bernstein的研究估计，在大规模推理部署中，ASIC相比通用GPU的总拥有成本（TCO）优势达40%至65% ；AI图像生成平台Midjourney在迁移至谷歌第七代TPU后，月度计算成本从210万美元降至70万美元 。这种经济性优势直接反映在云服务定价上：根据Artificial Analysis的数据，基于TPU的谷歌Gemini 3.1 Pro每百万Token混合价格约1.74美元，比同级别的Opus 4.7（4.10美元）和GPT-5.5（4.35美元）便宜近60%。

亚马逊的动作尤为引人注目。 2026年6月18日，亚马逊AI业务负责人Peter DeSantis在接受采访时证实，AWS正在洽谈向其他公司的数据中心出售其定制的Trainium芯片。早在今年4月的致股东信中，亚马逊CEO Andy Jassy就已暗示，如果芯片业务作为独立实体，将今年生产的芯片卖给AWS和外部公司，其年收入将达到约500亿美元 。目前，亚马逊内部芯片部门的年收入运行率已突破200亿美元，其最新的Trainium3芯片在发布后迅速处于"基本售罄"状态，并获得了超过2250亿美元的收入承诺 。其核心客户包括OpenAI、Anthropic和Uber，其中Anthropic已承诺部署超过100万颗Trainium芯片，签约高达5GW的芯片容量。

谷歌的布局则更为激进。2026年5月，谷歌宣布与黑石集团成立合资公司"TPU Cloud"，黑石初始承诺出资50亿美元（含杠杆最高可达250亿美元）。该项目目标在2027年上线约500MW容量的AI数据中心，完全基于谷歌提供的TPU硬件、软件和服务构建。这是TPU诞生十年来，首次在Google Cloud体系外进行大规模商业化销售。谷歌还为纽约州西部的"Lake Mariner"AI数据中心项目提供了高达32亿美元的财务担保，该项目将为Anthropic提供数千个基于TPU的计算节点 。供应链层面，谷歌已向英特尔下单生产超过300万颗TPU，联发科也正在切入下一代TPU v10的设计供应链，打破了博通长期独占的格局。

三大云厂商的自研芯片已各自形成明确的产品定位和客户网络：亚马逊的Trainium/Inferentia系列服务于Anthropic、OpenAI和Uber；谷歌的TPU v7 Ironwood和v8系列已吸引Anthropic、Meta和Midjourney；微软的Maia 200则正在争取Anthropic和OpenAI。

微软同样在推进。其基于台积电3nm工艺打造的第二代AI加速器Maia 200已在数据中心投入运行，搭载216GB HBM3e内存，FP4峰值性能超过10 petaflops 。今年5月，Anthropic正在与微软洽谈租用基于Maia 200的Azure服务器，一旦达成将成为微软自研芯片的首个重磅外部客户。

OpenAI的九个月造芯

值得注意的是，自研芯片的参与者已不限于云计算巨头。2026年6月24日，OpenAI联合博通正式发布首款定制推理芯片Jalapeño（哈拉佩诺），标志着全球最大的AI模型公司正式入局芯片赛道 。

Jalapeño被定义为"智能处理器"，专为大语言模型推理场景设计。OpenAI负责底层架构设计，博通负责硅片实现与网络硬件， Celestica负责板卡与机架系统集成，台积电完成制造。OpenAI总裁Greg Brockman透露，依托公司自研大模型辅助优化，这款芯片从顶层设计到流片仅耗时9个月。早期测试显示，Jalapeño在性能/瓦特指标上显著优于现有方案。

OpenAI的造芯逻辑与云厂商有所不同。作为全球最大的GPU采购方之一，OpenAI面临的核心问题是算力供给始终跟不上业务扩张速度。Brockman在发布会上坦言："我们对工作负载有深刻理解，一直在寻找那些被现有硬件低效服务的特定任务，思考如何构建专门加速它们的硬件。" 博通CEO陈福阳也表示，其六大核心客户的算力需求近乎无限，"算力紧缺不止会持续2026、2027年，预计2028年行业需求还会继续攀升" 。

Jalapeño的物理样品已于6月24日交付OpenAI，计划2026年末实现小规模首批部署，2027年快速爬坡，2028年上半年全面规模化量产。远期规划总耗电量最高将达到10GW 。这意味着OpenAI正在构建从模型、产品、数据中心到芯片的完整垂直技术栈。正如其官方声明所言："OpenAI不仅在开发前沿模型或构建产品，它正在设计模型之下的基础设施——芯片架构、内核、内存系统、网络、调度、部署系统和产品体验。" 

阵痛与壁垒：Meta的教训

然而，自研芯片并非坦途。Meta在这一领域的挫折，为整个行业敲响了警钟。

2025年9月，Meta斥资超20亿美元收购了RISC-V芯片初创公司Rivos，意图加速其自研AI芯片（MTIA）项目 。然而仅半年后，这场联姻便陷入泥潭。据报道，Rivos的整合进程受到Meta现有员工与Rivos团队之间在薪酬和战略路线上严重冲突的阻碍，双方围绕未来芯片应依赖Meta现有IP还是Rivos技术展开政治斗争，直接导致多个项目延期 。更有消息人士透露，Rivos项目在Meta内部已被实质性取消 。

这暴露了互联网企业跨界半导体的深层矛盾：软件代码可以随时迭代更新，但芯片一旦流片（Tape-out），任何微小的架构失误都意味着数亿美元和几个月时间的损失。微软的Maia项目同样经历了从2025年推迟到2026年的量产延期 。这些案例说明，即便拥有数百亿美元的研发预算，从零构建一个成熟的芯片生态仍需要长期持续投入。

与此形成对比的是，OpenAI选择了一条更务实的路径：不自建芯片团队，而是与博通深度合作，利用后者成熟的硅片实现能力和供应链资源，将自身对模型工作负载的理解转化为芯片架构设计，9个月内完成从设计到流片的全过程 。这种"模型公司定义架构+半导体公司实现制造"的分工模式，或许代表了一种更高效的产业协作范式。

产业链重构与市场展望

云计算巨头和AI实验室自研芯片的狂潮，正在重塑半导体产业链的价值分配。博通和Marvell控制了全球约95%的定制AI ASIC共同设计市场。博通2026财年第二季度AI半导体收入达到108亿美元，同比暴增143%，CEO陈福阳预计2027年AI芯片收入将超过1000亿美元 。高通也凭借低功耗架构积累，成功斩获字节跳动数百万颗AI芯片的订单。中国台湾ASIC设计公司世芯电子的CEO预测，AI ASIC收入将从2024年的约130亿美元增长至2030年的超过1500亿美元，复合年增长率接近50% 。

根据TrendForce的最新预测，2026年定制AI芯片出货量将实现44.6%的增长，而同期商用GPU出货量增速为16.1%。这是AI时代开启以来，定制芯片出货增速首次显著超过通用GPU。Bloomberg Intelligence预计定制芯片需求到2033年年均增长27%。高盛全球研究所估计，2026年至2031年间全球AI领域总计需要约7.6万亿美元的资本投入。

从半导体产业的演进规律来看，"通用"与"专用"的分野正在变得清晰。通用GPU凭借CUDA等软件生态，在模型训练和多用途AI开发领域仍将保持统治力。然而，在推理规模呈指数级增长的商业化部署阶段，拥有极致成本优势的定制ASIC正在快速切分市场。TrendForce的数据显示，ASIC AI服务器出货量预计将在2026年达到AI服务器总市场的27.8% 。

对于前沿模型公司而言，"多芯片策略"正在成为标配。Anthropic目前同时运行在AWS Trainium、Google TPU、Azure GPU以及洽谈中的Microsoft Maia四大硬件平台上；OpenAI则在使用亚马逊Trainium、AMD、Cerebras芯片的同时，开始部署自研的Jalapeño 。Bessemer Venture Partners合伙人Adam Fisher公开表示："一些新兴云公司无法脱离购买某一家全栈硬件，因为他们担心配额被削减"——但随着算力短缺加剧，越来越多的公司正在突破这一束缚 。

2026年的非GPU AI芯片集中爆发，只是AI基础设施重构的序幕。当模型公司开始定义芯片架构，当云厂商开始向外销售硅片，半导体产业的传统分工正在被重新书写。