YOHO AI

标签： 自研芯片

  • Anthropic悄悄组队自研AI芯片，Claude不想再被算力卡脖子

    Claude背后的公司，要自己画芯片了

    Anthropic最近悄悄干了一件事：它正在组建一支专门设计AI芯片的团队。这个消息最早由Business Insider捅出来，随后Anthropic亲自向TechCrunch确认了。说白了，做Claude的这家公司不想再把”跑得快不快、花得多不多”完全交给别人。

    按照Anthropic的说法，他们要的是”软硬协同”——把模型和底层硬件放在一起设计，让Claude跑得更快、也更省电。上个月The Information还爆料，Anthropic已经在接触三星，把它当成潜在的代工伙伴。这步棋看着突然，其实早有苗头。

    需求就摆在那儿：Claude的用户越来越多，AI公司都在疯抢算力，光靠买别人的芯片，显然填不满这个坑。

    为什么是现在

    Anthropic手里其实攥着AWS、Google、英伟达、AMD一堆算力合作。问题是，真要scale到那个量级，把命门捏在别人手里总归不踏实。这不是谁放的狠话，是商业逻辑在后面推。

    更关键的是，它绝不是第一个动这个念头的。今年6月OpenAI刚亮出和博通合搞的Jalapeño推理芯片；Google DeepMind一直吃自家的TPU；Meta也在闷头搞MTIA加速器。同行全下场了，Anthropic要是还只当个”纯模型厂”，反倒显得不合群。

    Anthropic已经在招有芯片设计经验的工程师，岗位名字很直白——”custom silicon team”（定制芯片团队）。

    造芯不是请客吃饭

    当然，从招人到位列阵，中间还隔着十万八千里。设计芯片和训练模型是两码事，流片、量产、良率，哪一道都是烧钱又烧时间的坑。Anthropic这一步更像是在”占座位”：先把手伸进供应链，免得将来被卡。

    对普通用户来说，这事短期没啥感觉。但往后看，谁能把模型和芯片捏成一个整体，谁就能在成本和性能上甩开别人一截。Anthropic显然不想把这张牌全押在别人身上。

    Anthropic组建自研芯片团队
    Anthropic正组建定制芯片设计团队（图源：TechCrunch）
  • OpenAI 首颗自研芯片 Jalapeño 出炉，不再只靠英伟达

    OpenAI 首颗自研芯片 Jalapeño 出炉，不再只靠英伟达

    OpenAI 首颗自研推理芯片 Jalapeño
    OpenAI 与博通联合发布首颗自研推理芯片 Jalapeño（图源：TechCrunch）

    OpenAI 一直被看作做模型的，6 月 24 日这天它跨过了那条线——和博通联合发布了一颗叫 Jalapeño（墨西哥辣椒）的芯片，这是 OpenAI 第一颗自己定制的 AI 处理器。合作去年 10 月就官宣了，但真把芯片摆到台前，还是头一回。

    专门为跑模型而生

    Jalapeño 的定位很明确：它是推理芯片，不是训练芯片。说人话就是，它负责把已经训练好的模型跑起来、响应用户指令，而不是从零去炼模型。OpenAI 在公告里特别强调，它在跑实时 coding 模型（比如 Codex）时运营成本很低。像预训练这种更吃算力的重活，短期内还得靠英伟达的 GPU，但光是把推理这一块的成本往下压，对 OpenAI 的账本就已经意义不小。

    我们不只是做前沿模型、在模型上搭产品，我们连底下的基础设施都自己设计了——芯片架构、内存系统、网络、调度、部署，全在一层一层地把同一件事优化到极致。

    AI 参与设计了自己的硬件

    最让我觉得绕的一个细节是：OpenAI 自己的 AI 模型，参与了这颗芯片的设计过程。从架构设计到把版图数据交给晶圆厂（tape-out），整段只用了大约九个月。OpenAI 自己说，这可能是高性能半导体领域有史以来最快的 ASIC 开发周期。硬件负责人 Richard Ho 来头也不小，在谷歌待了快九年，是 Cloud TPU 项目的核心工程师。

    为什么非得自己造？说白了是想少依赖英伟达的 GPU。这条路上谷歌有 TPU、亚马逊有 Trainium，都是同一个思路——用专门加速机器学习的硅，把特定工作负载跑得更快更省。OpenAI 总裁 Greg Brockman 的话很直白：我们太懂这个工作负载了，就去找那些没被伺候好的环节，想办法加速它。

    全栈公司的必然一步

    把视角拉高一点看，造芯是 OpenAI 从模型公司往全栈基础设施公司走的自然一步。模型、产品、数据中心、再到芯片，每一层它都想攥在自己手里。据外界披露，微软还承诺包销了 Jalapeño 首期大约 40% 的产能。芯片计划先以工程样片在实验室跑通 GPT-5.3-Codex-Spark 这类模型，后续再放到吉瓦级别的数据中心里规模部署。

    • Jalapeño 是 OpenAI 首颗自研推理芯片，由博通代工实现、台积电 3nm 制造
    • AI 模型参与芯片设计，九个月走完从设计到流片
    • 目标不是取代英伟达，而是把最贵的推理成本压下来

    这不是要和英伟达掀桌子，而是 OpenAI 想把自己最贵、也最日常的那块成本，从别人手里拿回来一部分。当一家公司的模型每天被几亿人调用，每一分钱的推理开销乘上去都是天文数字——自己造芯，只是时间问题。

  • Meta的自研AI芯片要量产了：9月上线，想少给英伟达交「算力税」

    Meta 自研 AI 训练芯片概念图
    Meta 自研 AI 训练芯片 MTIA 概念图（配图由 AI 生成）

    Meta 最近被路透社爆出一个消息：他们最新一代的自研 AI 芯片，最快今年 9 月就要开始量产了。这事听起来挺技术宅的，但背后其实是 Meta 在算一笔很现实的账——它不想再被英伟达的 GPU 价格卡着脖子。

    据路透社看到的内部备忘录，至少有一款芯片用大约六周时间就顺利走完了测试阶段。Meta 找了博通（Broadcom）一起做芯片设计，真正代工交给台积电。配套的存储和零部件也铺开了：内存买三星的，存储用闪迪（Sandisk），光纤设备来自住友电工。换句话说，一颗芯片背后，是一整条被重新梳理过的供应链。

    「每一代 MTIA 都建立在上一代之上，用模块化小芯片、更短的迭代节奏，跟上 AI 需求的快速变化。」——Meta 官方谈自研芯片路线

    一颗芯片背后的千亿赌注

    这套芯片属于 Meta 的 MTIA 项目（Meta Training and Inference Accelerator，训练与推理加速器）。Meta 今年 3 月专门介绍过这四颗新芯片，走的「模块化小芯片」路线——说白了就是把芯片拆成一个个乐高块，哪块不够用了就换哪块，好跟上 AI 需求几个月一变的速度。

    Meta 为什么这么急？最直接的原因是钱。在 GPU 严重短缺的当口，向英伟达和 AMD 买算力越来越贵。自研芯片能帮它省下一部分采购开支，尤其是用来跑推荐算法、排序，以及给自家 App 做推理。当然，Meta 也明确说了，该花的钱还是得花，和英伟达、AMD 的合作不会断。

    这件事有个时间背景：Meta 今年 4 月给出的资本开支指引是 1250 亿到 1450 亿美元，大头都砸在 AI 上。为了给新的 Muse Spark 系列模型备好算力和电力，它在全球签了一堆数据中心和供电协议，光今年就要部署 7 吉瓦的算力，明年还要翻倍。从 2023 年开始，Meta 就在自己搞 AI 芯片了，现在算是把这条路走到了量产节点。

    不是 Meta 一家在「去英伟达化」

    其实不止 Meta 一个人在这么干。大家都想在同一个目标上少被英伟达抽成：把最贵的那部分算力，握在自己手里。看看这一圈玩家就明白了：

    • OpenAI 上个月刚公布了和博通合作的自研推理芯片；
    • Anthropic 据传也在和三星谈自研芯片；
    • 亚马逊有 Trainium，谷歌有 TPU，都是自家用的 AI 芯片；
    • 再加上一堆初创公司，全都在抢同一块「自己造 AI 芯片」的蛋糕。

    对 Meta 来说，自研芯片量产是个里程碑，但也只是开始。芯片造出来能不能真正撑起训练任务、能不能比买英伟达更划算，还得等真刀真枪跑起来才知道。不过有一点是确定的：当最烧钱的几家 AI 公司都开始自己造「发动机」，算力这门生意的玩法，已经悄悄变了。

  • OpenAI拿出第一块自研芯片，但它不想和你聊参数

    终于不再只靠英伟达，OpenAI拿出第一块自研芯片

    OpenAI昨天（6月24日）正式发布了首款自研AI芯片”Jalapeño”，这是一块与博通（Broadcom）合作开发的ASIC专用集成电路，专门用来跑AI推理任务——也就是处理你发给ChatGPT的那些请求。

    距离OpenAI官宣与博通合作造芯片，刚好过去了九个月。背后的算盘其实很清楚：减少对英伟达GPU的依赖。现在AI芯片紧缺，各家都在想办法摆脱”英伟达税”，微软、Meta、亚马逊也都在这条路上跑了，只是性能暂时还追不上英伟达。

    博通CEO Hock Tan在接受路透社采访时说，Jalapeño的性能可以对标英伟达的Blackwell芯片和谷歌的TPU。

    这里得解释一下，Jalapeño是一块ASIC芯片，意思就是它为特定任务而生——AI推理。推理和训练是两回事：训练是让模型”学东西”，需要吞掉海量数据；推理是用训练好的模型去回答用户问题、跑Codex这种智能体。推理芯片的要求和训练芯片不太一样，OpenAI选择从这个场景切入，算是一步稳棋。

    OpenAI把这块芯片称为”多代计算平台的第一步”，预计2026年底之前部署上线。官方说法挺克制：”虽然还在测最终性能，但早期测试显示Jalapeño的每瓦性能会比当前最先进的芯片明显更好。”

    OpenAI自研芯片Jalapeño
    OpenAI首款自研AI芯片Jalapeño，专为推理任务设计（配图为OpenAI办公室）

    这件事的意义不止于”OpenAI有了自己的芯片”。它折射出的是整个AI行业对算力的焦虑：大家都想摆脱对单一供应商的依赖，都在自研芯片这条路上加码。问题是，英伟达的护城河不只是芯片本身，还有CUDA生态——这块Jalapeño到底能不能在实际 workload 中打过Blackwell，还得等真正部署之后才能见分晓。

    有意思的是芯片名字Jalapeño（哈雷佩尼奥辣椒）。OpenAI内部给项目起食物名字不是第一次了，之前GPT系列的内部代号也用过料理-Related命名。这种做法让一家AI巨头看起来没那么”钢铁直男”，虽然本质上这还是一场算力争夺战。

    顺带一提：如果你在关注AI基础设施这条线，这块芯片值得记住——它不一定会颠覆英伟达，但会让OpenAI在和云服务商谈判时多一张牌。推理成本如果能压下来，ChatGPT的定价逻辑可能也会跟着变。