标签: 芯片

  • 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。

  • 苹果造车计划黄了,却意外成就端侧AI最强芯片

    苹果造车计划黄了,却意外成就端侧AI最强芯片

    苹果芯片与神经网络引擎
    苹果十年造车梦碎,却意外喂出了端侧 AI 最硬的底牌(图源:The Verge)

    苹果那辆传了十年的车,最后还是没造出来。项目在 2024 年被悄悄砍掉,前后烧掉上百亿美元,外界大多把它当成苹果少有的滑铁卢。但彭博社 Mark Gurman 在最新的 Power On 通讯里捅破了另一层窗户纸:那场失败的豪赌,其实给今天的苹果 AI 埋下了一块最硬的底牌。

    一辆车逼出来的芯片

    故事得回到项目刚启动那会儿。苹果当时瞄准的是 L5 级全自动驾驶——车子完全不用人管,自己跑。要做到这一点,车必须在本地实时处理海量的感知和决策数据,对算力的要求高到当时的手机芯片根本扛不住。于是工程师们一头扎进机器学习研究和定制芯片,想做一颗专门塞进车体的 AI 处理器。

    结果这颗车规级芯片最终没流片,一辆车也没装上。但它在研发过程中催生的一套底层能力,并没有跟着项目一起进垃圾桶,而是演变成了后来人人都熟悉的神经网络引擎(Neural Engine)——今天几乎所有苹果设备里负责 AI 运算的那块核心。

    那笔钱没有白花。一个没能交付的产品,反而成了苹果在端侧 AI 起跑时偷偷抢到的身位。

    从认脸到跑大模型

    神经网络引擎第一次亮相,是 2017 年随 iPhone X 和 A11 仿生芯片一起登场的。那会儿它还很朴素,主要干计算机视觉的活儿:让 FaceID 在暗光下认出你的脸、把表情实时映射到 Animoji、再撑起一些 AR 效果。这些功能有个共同点——原本要传到云端处理的敏感图像,现在全锁在设备本地完成。

    真正让逻辑变清楚的,是 M 系列芯片把这块加速单元搬上了 Mac。消费级电脑开始能跑过去只有云端服务器才扛得动的模型。这一步,也给苹果后来那套隐私优先的叙事,提供了实打实的硬件支点:本地能算的越多,离开设备的数据就越少。

    软件掉队,硬件领跑

    客观说,苹果在 AI 软件上的节奏一直被吐槽——Apple Intelligence 落地慢、Siri 升级跳票,外界没少阴阳怪气。但硬件这一边,确实拿得出手。Gurman 透露,苹果接下来打算跳过即将到来的 M6 芯片的 Pro、Max 和 Ultra 版本,直接加速推进 M7,预计 2027 年上半年登场,神经网络引擎会有大幅升级。M7 Ultra 还会成为苹果新一代服务器产品的基础,最高支持到 1.5TB 内存。

    • 十年造车梦碎,却催生了贯穿全系设备的神经网络引擎
    • 端侧算力让苹果敢把隐私当核心卖点,数据尽量不离开设备
    • M7 提前加速,Ultra 版本直奔 1.5TB 内存的服务器场景

    回过头看挺有意思:一个烧掉上百亿、折腾十多年的失败项目,最后可能变成苹果在端侧 AI 时代最划算的一笔长期投资。当整个行业都在把大模型往设备本地搬的时候,那颗没能上车的芯片,倒先一步给了苹果抢跑的资格。

  • Etched走出隐身:50亿美元估值、10亿美元订单,专打AI推理芯片

    一家芯片公司从隐身模式里走了出来

    Etched这家公司以前低调得很,但最近它直接把成绩单摊在了桌上:芯片已经由台积电成功制造出来,累计拿下了10亿美元的系统订单,整体估值也到了50亿美元。它的方向很专注——做Transformer推理专用的芯片和整机系统,专门帮前沿模型更快、更便宜地跑推理。

    所谓推理,就是用户输入问题后模型真正生成答案的那一步。对今天的AI公司来说,这一步既是用户体验的瓶颈,也是最大的成本中心。谁能把推理成本压下去,谁就能让大模型服务更便宜、响应更快。Etched赌的正是这一点。

    Etched已签10亿美元客户订单,累计融资8亿美元,最新一轮由Stripes领投,投后估值50亿美元。

    这家公司2022年成立,创始人Gavin Uberti和Robert Wachen都是哈佛辍学生,后来拿了Peter Thiel的Thiel Fellowship。其实他们早在2024年就跟TechCrunch聊过芯片计划。那时候他们已经从Primary Venture Partners等投资人手里拿到超过1.25亿美元。不过据他们在Patrick O’Shaughnessy的播客里回忆,2023年最初融资时非常艰难,他们拿着30页备忘录讲“AI未来需要专用芯片,而不是通用GPU”,结果几乎每个大投资人都拒绝了。

    投资人名单豪华,但市场考验才刚开始

    现在融资环境完全是另一个世界。Etched披露的累计融资额是8亿美元,其中去年12月那轮未公开的融资由Stripes领投,金额约5亿美元,估值50亿美元。参与方包括VentureTech Alliance、Jane Street、Hudson River Trading、Two Sigma、Ribbit Capital,以及Andrej Karpathy、Geoffrey Hinton、Fei-Fei Li、Arthur Mensch、Scott Wu等AI界名人。Peter Thiel和Stanley Druckenmiller也在股东名单里。

    不过融资热归融资热,芯片能不能真正兑现性能,还需要独立测试。Etched目前在做的是“前沿推理集群”——把芯片、定制机柜和软件打包成一套系统。它说自己比Nvidia的GPU更快、更省电、更便宜,但这些数字来自公司自己,真实世界表现还得等客户大规模部署后才能验证。

    AI推理芯片概念图
    专用AI推理芯片正试图从通用GPU手中抢走推理市场。

    在这个赛道里,Etched不是孤例。Cerebras今年率先IPO,Groq刚刚完成6.5亿美元融资,亚马逊、Google、微软都在做自己的AI芯片,OpenAI也推出了和Broadcom合作的首款定制芯片。推理芯片的竞赛正在升温,每家公司都在赌自己的路线。


    对AI行业来说,推理芯片的稀缺性正在被放大。训练一度是最大难题,但现在越来越多公司发现,真正烧钱的其实是服务用户时的推理。Etched的崛起说明,资本市场已经把这个环节视为下一个主战场。至于它能不能撼动Nvidia,还要看第一批客户订单交付后的实际表现。

  • 黄仁勋又发新卡了,这次英伟达要把AI芯片塞进你的电脑里

    这两天台北的Computex 2026展会正式开幕,英伟达的CEO黄仁勋又站出来搞事情了。这次他带来的不是普通的显卡,而是专为Agentic AI设计的新一代Vera Rubin芯片,据说OpenAI和Anthropic已经率先决定用了。

    不止是新芯片,还要做PC处理器

    除了Vera Rubin芯片,黄仁勋还宣布要和微软合作,推出基于台积电3nm工艺的ARM架构Windows PC芯片,名字叫RTX SPARK,计划2026年秋季就上市。这意味着英伟达正式进军个人电脑芯片市场,要打破英特尔这么多年的垄断。

    黄仁勋在演讲里说,Agentic AI的时代已经全面到来了,以后的AI不是只能聊聊天,而是能自主完成很多复杂的任务,这就需要更强大的芯片来支持。

    黄仁勋在GTC Taipei 2026大会演讲
    黄仁勋在GTC Taipei 2026大会上发表主题演讲

    其实这几年英伟达在AI芯片领域的优势已经很明显了,这次发布的Vera Rubin芯片专门针对Agentic AI做了优化,处理多任务的能力比之前的芯片强了不少。而RTX SPARK PC芯片更是直接杀入英特尔的腹地,以后我们买电脑的时候,除了英特尔和AMD的处理器,可能还要多一个英伟达的选项了。


    国产芯片也在发力

    就在英伟达发布新芯片的同时,国内的算力芯片也在进步。深圳河套学院最近用昇腾910C集群,完成了1.6万亿参数的DeepSeek-V4-Pro全流程训练,这说明国产芯片已经能支撑世界级的超大参数模型训练了。以后国内做AI训练和推理,用国产芯片也能有不错的效果,不用完全依赖国外的产品。

    • Vera Rubin芯片专为Agentic AI设计,性能大幅提升
    • RTX SPARK PC芯片采用台积电3nm工艺,2026年秋季上市
    • 国产昇腾910C集群已完成万亿参数模型训练,国产算力进步明显
  • 英伟达又破纪录了,但黄仁勋盯上了更大的蛋糕

    英伟达又破纪录了,但黄仁勋盯上了更大的蛋糕

    英伟达刚交出一份又破纪录的财报——截至4月26日的季度,营收816亿美元,环比增长20%,其中数据中心营收752亿美元,同样创下新高。季末公司还授权了800亿美元的股票回购计划,看上去一切都在按计划推进。

    但黄仁勋在财报电话会上话锋一转,抛出了一个更大的数字:英伟达发现了一个全新的2000亿美元总可寻址市场(TAM)。这个市场来自英伟达今年3月刚发布的Vera CPU——全球第一款专为代理式AI(Agentic AI)设计的中央处理器。

    黄仁勋在GTC大会
    黄仁勋在GTC大会上(图源:Getty Images)

    为什么是CPU?

    这个逻辑听起来有点反直觉——英伟达不是做GPU起家的吗?黄仁勋的解释是:AI模型的”思考”部分由GPU负责,但AI智能体(Agent)的大部分任务执行,其实跑在CPU上。随着智能体数量爆发,对CPU的需求会跟着涨。

    “全球有10亿人类用户,我的判断是未来会有数十亿个智能体。这些智能体都会使用工具,而这些工具会像个人电脑一样运行——当然不是现在,我们会在发展过程中逐步达到这个规模。”黄仁勋在电话会议上这样说。

    Vera的设计思路和传统CPU不一样。传统CPU追求”核心数”,目标是尽可能同时跑多个应用实例;而Vera专门优化了token处理速度,匹配智能体场景的需求。这款产品既可以单独销售,也可以和英伟达的下一代GPU Rubin捆绑销售。

    财报里的其他细节

    说回财报本身。英伟达预计下季度营收910亿美元,增幅约12%——比本季度的20%明显放缓,市场对此其实早有预期,AI算力建设的周期性和需求波动是真实存在的。

    中国市场的出口管制仍是悬而未决的问题。CFO科莱特·克雷斯表示,H200虽然已获得美国出口批准,但英伟达尚未从中产生任何收入,也不确定是否会被允许向中国出口。

    另一个值得注意的数据是英伟达在私营公司的持股——1月时价值220亿美元,到季度末已经涨到430亿美元,主要来自季度内185亿美元的收购。这个数字还不包括对康宁、IREN等上市公司的投资,也不反映尚未完成的承诺(比如2月承诺向OpenAI投资的300亿美元)。


    黄仁勋在电话会上还提到了和Anthropic的合作——今年和明年为Anthropic上线的产能会”非常可观”。在此之前,英伟达对Anthropic的覆盖基本为零。这说明英伟达正在把算力基础设施的触角伸向AI最大的几个客户,而Vera CPU就是这套布局里的重要一环。

    2000亿美元是不是画饼?现在下判断还为时过早。但Vera上市首年就有200亿美元的销售额,至少说明市场愿意给它一个机会。至于能不能守住这块新市场,就要看英特尔、AMD和各大云厂商自研芯片的反击速度了。