YOHO AI

标签： AI技术

  • 近400家地方报纸联名起诉OpenAI和微软：AI版权大战烧到地方媒体

    OpenAI和微软又被告了。这一次站出来的是将近400家地方报纸，他们6月24日在纽约南区联邦法院提交了诉状，指控这两家公司在未经许可、未支付任何报酬的情况下，爬取并复制了他们的新闻报道，用来训练ChatGPT和微软Copilot。

    地方报纸起诉AI公司
    地方报纸正在发起迄今规模最大的AI版权诉讼

    “连一分钱都没给过我们”

    诉状里的话说得很重。这些生成式AI产品”靠出版商的内容成为可能”，给被告带来了数十亿美元的市场价值，但”没有一分钱流向出版商”。原告方包括Richner Communications等多家报业集团，旗下总共运营着近400家地方和区域报纸。

    具体的指控包括：被告”系统性地、秘密地”爬取了这些出版商的网站，把文章、报道和其他原创作品复制到自己的服务器上，用来训练大语言模型，同时删除了作品里的版权管理信息，并且在用户提问时直接生成了这些内容。

    “除非开发AI产品的公司为其滥用出版商内容的行为负责，否则这场AI热潮将成为地方新闻业的丧钟。”
    ——原告出版商在诉状中陈述

    地方报纸请出了前新泽西总检察长

    这起诉讼的代理律所是Platkin LLP，创始人是前新泽西州总检察长Matthew Platkin（民主党）。Platkin在采访里说，这是迄今由地方和区域报纸牵头的最大规模法律行动。

    此前针对AI公司的版权诉讼——比如《纽约时报》的案子——虽然开了先河，但地方媒体一直没有被带到谈判桌上。Platkin说：”地方新闻是美国绝大多数人信任的新闻来源，是我们民主的命脉，但这个商业模式已经让地方新闻走到了灭绝的边缘。”

    他还提到了一个公平性问题：如果这场版权大战的最终结果只让最大的玩家受益，而那些今天还在兢兢业业报道本地新闻的人得不到任何补偿，”这是不公平的”。

    OpenAI的回应：”合理使用”

    OpenAI发言人在声明里说，他们的模型”赋能创新，基于公开数据训练，符合合理使用原则”。这是OpenAI在一连串版权诉讼中的标准回应。微软方面则没有立即回复置评请求。

    这起诉讼加入了针对AI公司的一波又一波版权诉讼大潮——CNN、《纽约时报》、Reddit、韦氏词典和大英百科全书等都已经分别起诉了Perplexity AI。而这起新诉讼的目标是直接指向了这个行业里最大的两个玩家：OpenAI和微软。

    地方报纸的困境是真实的。过去二十年，随着分类广告转到互联网、读者转到社交媒体，地方报纸的商业模式已经崩塌了大半。现在AI又来了——直接把他们的内容拿去，用来回答用户的提问，读者连点开原网站的动力都没有了。

    这起诉讼能不能赢，还得看法院怎么解释”合理使用”。但至少，地方报纸终于开始抱团跟最大的AI公司正面对抗了。

  • 都说AI要取代程序员，数据却显示工程师比谁都抢手

    AI到底有没有在抢程序员的饭碗？这场争论打了好几年，两边的人都能拿出一堆证据。裁员的公司说：用了AI，一个工程师能干过去三个人的活。但风投机构SignalFire刚出的一份报告，给了这个问题一个挺不一样的答案。

    AI与软件工程
    AI到底是在替代工程师，还是在让他们变得更高效？

    裁员理由写的是AI，但招人数据说的不是一回事

    SignalFire不是拍脑袋得出结论的。他们追踪了8000多万家公司的数亿名员工职业生涯数据，比那些靠调查问卷得出的结论要扎实得多。他们的发现是：2025年，工程岗位是所有职能里最抗打的。

    具体数字是这样——大型科技公司的总招聘量比2019年下降了25%，但工程岗位的降幅只有11%，远低于平均水平。更有意思的是，在SignalFire定义的”科技巨头”（Alphabet、Meta、Apple、Amazon、Microsoft、Netflix、Nvidia、Tesla、Uber、Airbnb、Block、Stripe）2025年的所有新员工里，工程师占了55%。2019年这个比例是46%。

    “很多公司裁员的理由一律写AI，尤其是说AI写代码厉害了，一个工程师能顶过去好几个。但我们在实际数据里看到的情况，跟这个说法不太一样。”
    ——Asher Bantock，SignalFire研究负责人

    早期创业公司的数据更说明问题。2025年，早期初创公司招的工程师数量比2019年还多了7%。如果AI真的在替代工程师，你不会看到这个趋势。

    Anthropic自己的人都不信”AI消灭就业”这个说法

    这事儿有点尴尬。Anthropic CEO Dario Amodei去年警告说，AI有可能在五年内消灭一半的入门级白领岗位，失业率冲到20%。但他自己公司负责经济学的研究主管Peter McCrory，今年3月跟TechCrunch说的情况完全不一样。

    McCrory说，他还没看到AI对就业市场有什么明显的实质影响。用Claude干活的那些人——技术写手、数据录入员、软件工程师——和那些不太被AI影响的工作相比，失业率”至少没有显著差异”。

    黄仁勋说得更直接。今年4月在斯坦福商学院的一场访谈里，有人问他怎么看”AI要消灭所有软件工程岗位”这个说法，他直接说反了。英伟达所有工程师现在都在用AI代理写代码，结果呢？”软件工程师比以前更忙了。”

    “代理写代码几乎是一瞬间的事，但它们一直在逼工程师想出’下一个想法’。”
    ——黄仁勋，Nvidia CEO

    Jevons悖论：效率越高，需求越大

    SignalFire的报告里提到了一个经济学概念——Jevons悖论。这个19世纪就有的理论说的是：蒸汽机效率越高，英国人烧的煤反而越多，因为用煤变得更划算了，需求就扩大了。

    AI写代码这事也是一样。工程师现在用AI辅助，产出效率翻了好几倍，按理说需要的人应该变少。但实际情况是：能做的事变多了，需求反而更大了。Bantock的说法很直白：”他们突然变得效率高了很多，但活是干不完的。”

    这个逻辑其实不难理解。AI降低了写代码的门槛，也让以前不敢想的项目变得可行了，结果就是更多想法等着被实现，而不是更少。

    5月份科技行业裁员创了近年单月新高，AI是头号背锅侠。但SignalFire的数据提醒了一个被忽略的角度：公司在裁员的同时，还在抢工程师。这两件事可以同时是真的——只是被裁掉的和被招进去的，可能不是同一批人。

  • 企业AI狂欢结束，Accenture们开始严控员工用AI的”零花钱”

    企业AI预算管控
    企业开始严控AI token支出（概念图）

    今年早些时候，AI行业还在鼓励每家公司的员工尽量多用AI，把token预算花到上限，甚至搞内部排行榜来激励大家——这个现象有个名字叫”tokenmaxxing”。但现在，风向变了。

    最新的信号来自Accenture。根据404 Media获得的内部会议录音，这家全球咨询巨头的agentic AI战略负责人Justice Kwak在会上说了一句话：”AI正在成为成本结构里不可忽视的一项，支出的可预测性越来越差，CFO、COO、CIO级别的人都在问，花的钱到底值不值。”

    从”多用AI”到”省着用”

    这个转折来得很快。就在不久之前，Accenture还在内部发话，说不用AI的员工”会失去晋升机会”。现在同样这家公司，却在想办法阻止员工把token预算花光——比如用AI把PDF转成PPT这种琐碎任务，在Accenture内部已经被点名了。

    这背后的逻辑其实很朴素：token不是免费的，而且价格不便宜。一家有几万名员工的公司，如果每个人每天用AI助手处理几十条请求，一个月下来账单可以很吓人。更关键的是，很多这样的用法并没有产生对应的商业价值。

    “我们正处在一个拐点，AI正在成为成本结构中实质性的存在。支出变得非常不可预测，领导层——尤其是CFO、COO和CIO级别——仍在问一个问题：我们从AI上花的钱，到底得到了什么价值？”
    ——Justice Kwak，Accenture agentic AI战略负责人

    不只是Accenture

    Accenture不是唯一一个开始”token配给”的公司。根据The Information的报道，Meta也在采取措施限制员工使用AI工具，原因是AI成本已经达到了数十亿美元的规模。

    Amazon之前也干过类似的事——他们曾经搞过一个”tokenmaxxing排行榜”，鼓励开发者尽量多用AI工具，后来因为成本失控，这个排行榜被悄无声息地撤掉了。

    这种现象背后是一个更深层的问题：企业到底该怎么衡量AI的ROI？员工用AI确实可能提高了效率，但这个效率提升能不能覆盖AI使用的成本，很多时候是一笔糊涂账。

    token经济的泡沫信号

    企业开始严控AI支出，这个时间节点值得注意。就在这几天，资本市场出现了一波”AI抛售”——memory芯片制造商的股价受到了明显冲击。投资者正在重新评估AI公司的盈利模型，光有”增长”和”兴奋感”已经不够了。

    从企业端来看，token成本的疑问正在动摇整个AI商业模式的根基。如果连Accenture这种最积极拥抱AI的公司都在问”值不值”，那说明这个行业已经从”跑马圈地”进入了”算账”阶段。

    对员工来说，这也意味着”AI技能”的含金量正在重新定义。会用AI不等于能产生价值，能证明AI使用带来实际产出的人，才会在新一轮的”AI绩效考核”里站得住脚。

    这场从”tokenmaxxing”到”token rationing”的转变，或许是企业AI应用成熟化的必经之路。狂欢结束之后，才是真正考验的开始。

  • OpenAI拿出第一块自己的AI芯片，代工的是Broadcom

    OpenAI Jalapeño AI芯片
    OpenAI首款定制AI推理芯片Jalapeño（概念图）

    昨天OpenAI办了个小仪式，Broadcom的CEO Hock Tan亲自把第一块Jalapeño芯片交到了Sam Altman和Greg Brockman手里。这块芯片的全名很长——OpenAI Intelligence Processor，代号Jalapeño——是OpenAI第一次真正拥有自己名字的定制AI推理处理器。

    这件事的意义不只是”OpenAI做了块芯片”这么简单。它意味着这家公司正在把掌控权从Nvidia手里往自己这边挪一步。

    为什么是现在

    OpenAI和Broadcom的合作关系去年10月就公布了，但芯片真正亮相还是这两天的事。根据OpenAI官方的说法，从设计到送厂制造（tape-out），整个过程只用了9个月。他们说自己用AI模型辅助了芯片设计，所以才能跑这么快。

    如果这个数字属实，这确实是高性能半导体行业里最快的ASIC开发周期之一。通常这种级别的芯片从设计到出炉要走两三年，OpenAI说自己9个月搞定了，里面有它自己模型的功劳——用AI设计AI芯片，这个逻辑闭环很有意思。

    Jalapeño不是一块通用加速卡，它是从零开始为大型语言模型推理设计的。用OpenAI硬件项目负责人Richard Ho的话说：”我们围绕对前沿AI模型推理需求的理解，从头优化了架构。”

    它到底强在哪里

    OpenAI目前给出的最核心数据是：性能功耗比（performance per watt）大幅优于当前业界最先进水平。具体好多少，他们说要等几个月后的技术报告才会披露。

    目前Jalapeño的工程样品已经在实验室里跑起来了，生产目标频率和功耗都达标，跑的负载包括GPT-5.3-Codex-Spark。这块芯片的设计思路是减少数据搬运（data movement），同时把计算、内存和网络资源平衡好，让实际利用率尽量接近理论峰值。

    专门做推理，不是训练。这个定位很清晰——预训练这种最吃算力的任务短期内还是会跑在Nvidia的GPU上，但推理侧的成本优化空间巨大，哪怕只省个10-20%，对OpenAI这种规模的运营来说都是真金白银。

    全栈叙事

    OpenAI在这波宣传里反复强调的一个词是”full stack”——全栈。他们的逻辑是：不光做模型，不光做产品，现在连芯片架构、内核、内存系统、网络、调度、部署系统全部自己设计，每一层都围绕同一个目标优化：让模型更快、更可靠、更便宜。

    这个叙事其实和Google的TPU、Amazon的Trainium是一个路子。这些公司都发现，与其完全依赖Nvidia，不如自己掌握一部分算力供应链。区别在于，OpenAI是纯软件公司起家，现在往硬件走，这个跨越比Google和Amazon都要大。

    接下来怎么铺

    Jalapeño只是第一代。OpenAI和Broadcom签的是multi-generation路线图，计划从2026年底开始部署到吉瓦级（gigawatt scale）的数据中心，合作方包括Microsoft和其他伙伴。

    Broadcom的CEO Hock Tan在声明里说：”这只是多代路线图的第一步。通过和OpenAI直接联合开发我们的领先硅片，我们能让吉瓦级数据中心从2026年开始部署。”

    吉瓦级是个什么概念？大概是一个中等城市的总用电功率。把AI数据中心做到这个规模，算力供给确实是个核心瓶颈，这也是为什么OpenAI要自己下场做芯片。

    这块芯片目前还在测试阶段，离大规模部署还有段时间。但它传递的信号很明确：OpenAI不想在算力这件事上完全被人卡脖子，哪怕这个”人”是Nvidia。

  • 做AI写作工具的Superhuman，把AI检测工具GPTZero买了

    做AI写作工具的Superhuman，把AI检测工具GPTZero买了

    AI写作和AI检测，本来像是矛和盾的关系，现在被同一家公司握在手里了。

    Superhuman收购GPTZero
    Superhuman收购AI内容检测平台GPTZero

    Superhuman（就是那个改名前的Grammarly）宣布收购GPTZero——一个专门检测AI生成内容的工具。GPTZero能做的事包括：判断一段文字是不是AI写的、检测AI幻觉（就是模型瞎编的内容）、查抄袭。

    集成到Superhuman Go

    收购之后，GPTZero会集成到Superhuman Go里。这个AI助手号称能在”100万个应用和网站”里工作，以后用户在写东西的时候，就能同时用到写作辅助和内容真实性验证两套能力。

    Superhuman的说法是，他们要做”内容真实性”的两端：一边帮用户负责任地用AI写作，一边帮用户判断读到的内容是不是AI生成的。

    教师市场仍是重点

    这个组合确实有点意思。GPTZero之前最有名的用户群体是教师——老师们用它来检测学生作业是不是用ChatGPT写的。Superhuman收购后表示，教育市场仍然是重点，会把GPTZero的工具直接嵌到用户已经在用的写作场景里。

    当然，这事在外人看来有点矛盾：你一边卖AI写作工具，一边卖AI检测工具，这不是自己打自己吗？但Superhuman的逻辑是，用户既需要AI帮助写作，也需要知道哪些内容是AI生成的——两个需求同时存在，不如都攥在自己手里。

    收购金额没披露。GPTZero会继续以独立品牌运营，Superhuman方面表示不会把它完全吞掉，而是让它继续服务已有的用户群。

  • 白宫想要审查Meta的AI模型，扎克伯格还在犹豫

    白宫想要审查Meta的AI模型，扎克伯格还在犹豫

    就在各家公司争相把AI模型开放给美国政府审查的时候，Meta选了最后一个当”钉子户”。

    Meta拒绝美国政府AI审查
    白宫与Meta在AI审查问题上的博弈

    《纽约时报》的报道说，白宫官员正在向Meta施压，要求它把AI模型提交给”AI标准与创新中心”（CAISI）做安全评估。OpenAI、Anthropic、Google、xAI、微软早就签了协议，只有Meta还没松口。

    行政令背后的推力

    这事可不是突然冒出来的。6月2日，特朗普签了一份行政令，要求前沿AI模型在公开发布前，给联邦专家最多30天的时间做审查。政府这边要在7月底前把正式评审流程搭好，但其他公司实际上已经交了几个月的作业了。

    CAISI这个单位是专门找软件漏洞、防网络攻击、阻止军事滥用的。政府现在最想看的，包括Meta今年4月刚发布的Muse Spark模型——这个模型还带了个专门的推理模式，用来处理复杂问题。

    Meta发言人的回应很外交辞令：”我们在研究具体细节，希望很快能签协议。”翻译过来就是：还在谈，别催。

    开源路线与政府审查的张力

    这事背后的张力挺有意思。Meta一直以来打的都是开源牌，跟OpenAI、Google那种把模型锁在服务器里的思路完全相反。现在政府说要提前审查，等于是要Meta把”开源”的节奏交给华盛顿来把关。

    几周前，政府刚命令Anthropic暂停Mythos 5对非美国公民的访问，理由是”国家安全关切”。这个信号发出去之后，剩下的公司基本都乖乖交卷了，只剩Meta还在扛。

    Meta到底会不会最终签字，还是个未知数。从它过去几年跟监管打交道的方式来看，拖字诀是常用手法——能拖就拖，拖到对自己最有利的时点为止。

  • 做人形机器人的Agility要上市了，估值25亿美元

    做人形机器人的Agility要上市了，估值25亿美元

    做人形机器人的Agility Robotics昨天宣布，将通过SPAC方式上市，估值约25亿美元。合并对象是Churchill Capital Corp XI，这笔交易预计募资超过6.2亿美元，其中约2亿美元来自新老机构投资者的认购。

    Agility2015年从俄勒冈州立大学分拆出来，最出名的产品是双足机器人Digit。目前Digit已经在9家客户现场投入实际使用，包括舍弗勒（Schaeffler）、GXO、加拿大丰田工厂、拉美电商Mercado Libre。该公司背后站着亚马逊、英伟达、软银Vision Fund 2、DCVC等重磅投资方。

    “人形机器人即将成为提升生产力、供应链韧性和美国技术领导力的关键驱动力。”Agility CEO Peggy Johnson在声明中说，”Agility已经在客户环境中部署了可执行商业任务的人形机器人，帮助企业应对劳动力短缺、提升效率，并将AI驱动的自动化安全地整合到运营中。”

    这次上市募资的用途很明确：扩大下一代Digit v5的产能、交付现有订单、拓展新老客户。Agility透露，新机型已经拿到超过3亿美元的多年度订单，还有30多个潜在客户在评估大规模部署方案。

    Agility Robotics的Digit人形机器人
    Digit人形机器人正在仓库中执行搬运任务（来源：TechCrunch）

    人形机器人是不是一门好生意，这个问题在2026年已经有了不同的答案。前几年大家还在争论”人形机器人到底能干什么实际工作”，现在Agility、Figure、Boston Dynamics都在推商业部署，客户也真的在掏钱。劳动力短缺在制造业和物流业是真实痛点，人形机器人如果能稳定干活，ROI是可以算过来的。

    25亿美元的估值贵不贵？对比一下：Figure AI此前融资估值也曾达到26亿美元左右，但Agility这边已经有实际商业部署和收入，故事讲起来更扎实一些。SPAC上市虽然比传统IPO快，但合并后股价表现参差不齐，投资人会盯着Digit能不能真正规模化交付。

    合并后的公司股票将在北美某交易所挂牌，代码AGLT，具体哪家交易所还未公布。SPAC合并预计在2026年晚些时候完成。

    一句话总结：人形机器人从实验室走向仓库 floor，Agility拿下了赛道里的一个重要里程碑——不是因为估值多高，而是它证明了一件事：人形机器人真的能赚钱。

  • 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。

  • 高通39亿美元拿下Modular，要把英伟达的CUDA护城河挖开





    高通39亿美元拿下Modular，要把英伟达的CUDA护城河挖开


    高通39亿美元拿下Modular，要把英伟达的CUDA护城河挖开

    AI竞争打到这个份上，光有芯片已经不够了。高通今天宣布以约39亿美元的全股票交易收购AI软件创业公司Modular，目标很明确：打破英伟达CUDA软件生态的垄断，给开发者一个”写一次、到处跑”的替代方案。

    39亿美元买了什么

    Modular这家公司做的事情，用一句话概括就是：让AI模型可以不挑芯片地跑。它的软件平台能把开发者写的AI代码，自动适配到英伟达GPU、AMD芯片以及其他各种处理器上，不用为每一种硬件单独重写一遍。

    这对开发者来说是个大痛点。现在如果你想把AI模型从英伟达的GPU迁移到AMD的芯片上，或者放到边缘设备里去跑，往往要重写不少底层代码，调优、调试，没个几周搞不定。Modular的卖点就是消除这个摩擦——写一次，到处跑。

    高通CEO Cristiano Amon说：”这次收购不仅对高通，对整个AI行业都是个关键时刻。随着智能体AI在数据中心和边缘环境里铺开，行业正在走向分散化、多厂商的架构，这需要更开放、更现代的软件基础。”

    交易结构是全股票，高通会向Modular的股东发行约1920万股高通股票。按高通最近的收盘价计算，这笔交易价值大约39.2亿美元。双方预期在2026年下半年完成交割。

    矛头直指CUDA

    英伟达在AI硬件市场的统治地位，很大程度上不是靠芯片性能单独建立的，而是靠CUDA——这个软件平台把几百万开发者锁在了英伟达的生态系统里。你用CUDA写了代码，想换到其他芯片上去跑？重写吧。

    这就是英伟达真正的护城河。高通买下Modular，就是要给开发者一个认真的替代选项。Modular的软件不绑定任何特定厂商的芯片，英伟达的GPU能用，AMD的也能用，高通自己的芯片当然更能用。对客户来说，这意味着更少的锁定、更多的选择、更好的议价能力。

    Qualcomm Modular AI software acquisition
    高通收购Modular，布局AI软件栈（图源：TechStartups）

    Amon在声明里说了一句话，值得琢磨：”未来属于对开发者友好、水平化的平台，能在多样化的计算环境中运行，让客户在选择AI部署方式和地点时有真正的选择权。”这话翻译过来就是：英伟达的模式是垂直的、封闭的，我们要做的模式是水平的、开放的。

    高通的两步棋

    这笔收购对高通来说有两个战略意义。第一个是数据中心市场。高通一直在试图在这个被英伟达主宰的市场里分一杯羹，它已经说过要在2026年底之前开始出货面向数据中心的AI芯片。有了Modular的软件，高通的硬件套餐对开发者和企业客户来说就更有吸引力了。

    第二个是推理市场。训练模型抢头条，但推理才是大多数公司真正长期烧钱的地方——模型训练完之后，部署到产品里、响应真实用户请求，这一步要持续跑、大规模跑，算力账单每个月都在那儿。Modular的软件能让推理部署更高效，帮客户节省成本，这对高通来说是一个重要的卖点。

    高通的主力收入现在还是手机芯片，这一点短时间内不会变。但这家公司很明显在加速多元化，从PC、边缘设备、汽车系统，现在又打到数据中心基础设施。AI给了它一个重新定位的机会：从一个移动芯片供应商，转型成一个AI基础设施的全面玩家。

    还不止Modular

    有意思的是，高通的收购胃口可能还不止于此。据The Information报道，高通还在跟AI芯片创业公司Tenstorrent谈收购，报价在80亿到100亿美元之间。如果这笔交易也成了，高通在AI硬件+软件的全栈布局就会更加完整。

    当然，这些都是大数字。39亿美元收Modular，再加可能的最高100亿美元收Tenstorrent，加起来就是140亿美元的规模。但放在AI基础设施这个赛道里看，这些钱可能是必须的门票。谷歌、微软、亚马逊、Meta、OpenAI，全在往自己的全栈能力里砸钱，高通如果不跟上，窗口期可能不会等它。

    对开发者来说，这些巨头打架不一定是坏事。竞争越激烈，选择就越多，被单一厂商锁定的风险就越小。Modular加入高通之后，能不能真的动摇CUDA的地位，现在下结论还太早。但这至少是一个认真的尝试，而AI行业现在正好需要这样的尝试。


  • OpenAI拿出第一块芯片，起名Jalapeño





    OpenAI拿出第一块芯片，起名Jalapeño


    OpenAI拿出第一块芯片，起名Jalapeño

    ChatGPT背后的公司不再满足于只做模型和应用，它们要自己做芯片了。OpenAI今天跟Broadcom一起发布了第一块专属AI推理芯片，名字叫Jalapeño（jalapeño，墨西哥辣椒）。从宣布合作到芯片出炉，只用了9个月。

    9个月干完别人几年的活

    OpenAI在今天（6月24日）的官方公告里说，Jalapeño是专门给大型语言模型推理设计的加速器芯片。推理（inference）指的是模型已经训练好之后，拿来响应真实用户请求的过程——你在ChatGPT里打字，后端模型跑起来给你答案，这一步就是推理。

    这块芯片是ASIC，全称Application-Specific Integrated Circuit，说白了就是为特定任务定制的电路，不像通用CPU那样什么都能跑但什么都不精。Jalapeño从零开始就是为LLM推理优化的，内存搬运、计算单元、网络连接，全部围绕同一个目标：让ChatGPT的回答更快、更便宜、更稳。

    OpenAI总裁Greg Brockman说：”世界正在走向算力驱动的经济。Jalapeño是我们长期全栈基础设施战略的一部分，目标是让算力变得更充裕，AI更快、更可靠、更便宜。”

    最让人意外的是速度。从初始设计到制造tape-out（芯片设计定稿、送厂生产），Jalapeño只用了9个月。OpenAI说这是高性能半导体行业有史以来最快的ASIC开发周期。他们用了自己的AI模型来加速设计和优化流程——换句话说，AI帮人类把造AI芯片的速度提上去了。

    性能能对标英伟达吗

    Broadcom CEO Hock Tan在接受路透社采访时直接放话：Jalapeño的性能跟英伟达Blackwell芯片和谷歌TPU（张量处理单元）在一个水平上。当然，”在水平上”这个说法留了余地，毕竟Blackwell是目前市面上最强的AI训练/推理芯片之一。

    OpenAI自己在公告里措辞更谨慎一些：早期测试显示Jalapeño的每瓦性能会大幅优于当前最先进的水平，但具体数据要等几个月后的技术报告。眼下工程样品已经在实验室里跑起了生产目标频率下的ML工作负载，包括GPT-5.3-Codex-Spark。

    OpenAI Jalapeño AI推理芯片
    OpenAI首款AI推理芯片Jalapeño（图源：OpenAI官方）

    这块芯片的设计思路值得说一下。它不是把现有AI加速器修修改改拿来用，而是从空白画布开始，完全围绕LLM推理的需求重新设计。具体来说，它减少了数据在芯片内部搬来搬去的开销（数据搬运是AI芯片最大的功耗和延迟来源之一），并且在计算、内存、网络之间做了精细的平衡，让实际利用率更接近理论峰值。

    为什么要自己造芯片

    答案很简单：英伟达的GPU不够用，而且贵。OpenAI每年在算力上的开支是笔天文数字，随着用户量增长和模型变大，这笔账单只会越来越厚。自己造芯片，长期来看能把成本压下来，也能按照自己的节奏和需求迭代，不用完全看英伟达的脸色。

    这条路上OpenAI不是独一家。微软、Meta、亚马逊都已经在自研AI芯片了，谷歌的TPU更是跑了快十年。差别在于，OpenAI的芯片从第一天就是围绕着它自己对未来模型路线图的理解来设计的——它知道自己下一步要做什么模型，知道这些模型在推理的时候会怎么跑，所以可以直接在芯片架构层面做优化。

    这就是OpenAI说的”全栈优势”：不只是做模型，不只是做产品，而是把芯片架构、内核、内存系统、网络、调度、部署和产品体验全部捏在自己手里。每一层都可以为同一个目标优化：让模型更快、更可靠、更便宜。

    今年年底开始部署

    OpenAI说Jalapeño是”多代计算平台的第一步”，计划2026年底之前开始部署，和微软等数据中心合作伙伴一起，在千兆瓦级别的数据中心里跑起来。Broadcom负责芯片实现和网络技术，Celestica负责主板、机架和系统整合。

    对于普通用户来说，这块芯片的影响不会直接看到——你不会在笔记本电脑里装上Jalapeño。但它会让ChatGPT的响应更快，让Codex能跑更长的任务而不超时，让API的价格继续往下走。OpenAI的算盘是：更好的基础设施→更高的效率→更好的模型→更好的产品→更多用户→更多收入→再投到下一代基础设施里。这个飞轮转起来，智能就会变得越来越便宜，越来越普及。

    Jalapeño只是开始。OpenAI和Broadcom已经在一起规划下一代、下下一代的芯片了。AI算力这场军备竞赛，现在从模型层打到了芯片层，而OpenAI刚刚亲手把棋子放上了棋盘。