博通（Broadcom）于9月3日发布第三季度财报，营收、利润和现金流均创历史新高。其中，营收达296亿美元，同比暴涨86%；AI半导体收入167亿美元，同比飙升221%。这一业绩背后，是谷歌、Meta、OpenAI、Anthropic等大模型巨头纷纷将定制AI芯片业务交给博通，形成一股对抗英伟达垄断的集体自研浪潮。
博通原本以网络交换芯片闻名，如今已转型为AI芯片设计总包商，为多家科技巨头提供定制芯片设计服务。其客户名单几乎囊括了全球最顶尖的AI公司，订单量激增，业务应接不暇。
谷歌自研芯片起步最早，2016年便公开第一代TPU（张量处理单元），专为机器学习和TensorFlow设计。到2026年，谷歌已推出第八代TPU，并首次分为训练和推理两款专用芯片：TPU 8t面向大规模训练，TPU 8i面向后训练、强化学习和低延迟推理。更值得注意的是，谷歌不仅自用，还计划对外出售。2026年5月，谷歌与黑石集团成立50亿美元合资公司，推动TPU商业化。此外，Anthropic与谷歌签署了2000亿美元的长期采购协议，核心采购谷歌TPU而非英伟达GPU，这被视为顶级AI公司首次大规模、长周期地“抛弃”英伟达算力。
Meta则采取双线策略。一方面与博通合作开发MTIA系列芯片，其中MTIA 300已投入生产，主要用于内容推荐和排序；计划2027年初推出MTIA 400，年底推出MTIA 500，全面转向生成式AI推理。另一方面，2026年2月，Meta与AMD签署可能高达上千亿美元的半定制芯片合作协议，AMD甚至向Meta发行认股权证，双方深度绑定。
OpenAI则拿出了实物芯片。2025年宣布与博通合作，2026年推出首款推理芯片Jalapeño（墨西哥辣椒），由台积电3nm工艺代工。早期测试显示其每瓦性能大幅优于英伟达当前最先进系统，推理成本可降低约50%。从设计到流片仅耗时9个月，计划2026年底大规模量产，下一代产品预计2028年推出，此后每年迭代。
Anthropic的路线与众不同，它并未公开完全自研的品牌芯片，而是同时使用英伟达GPU、谷歌TPU和AWS Trainium。不过，2026年8月5日，Anthropic成立内部芯片设计团队，专门设计适配Claude的定制芯片，并从OpenAI和谷歌挖角硬件人才，包括谷歌TPU之父Amir Salek。其算力部署计划宏大：2026年1GW，2027年5GW，2028年10GW，如此规模若无自研芯片支撑，成本将难以承受。
亚马逊早已将自研芯片做成大生意。2020年发布Trainium，现已迭代至Trainium3，2027年将推进到Trainium4。Trainium4尚未上市，未来产能已被客户提前锁定。截至2026年，亚马逊披露的Trainium相关未来收入承诺累计超过2250亿美元，并称其自研芯片业务已跻身全球前三大数据中心芯片业务。
微软也于2026年1月发布Maia 200推理芯片，已部署在美国数据中心，驱动OpenAI最新模型和自家Copilot服务。
国内方面，华为昇腾、阿里真武、百度昆仑芯等自研芯片也在推进，字节跳动亦有相关传闻，但腾讯尚未明确动作。外媒还爆料DeepSeek和智谱等新锐大模型公司有造芯传闻，但均未获正面确认。
为何大模型公司不满足于购买英伟达GPU，转而定制芯片？核心原因有三：
其一，省钱。英伟达GPU通用灵活但价格昂贵，且并非适合所有推理场景。定制芯片可针对自家模型的注意力计算、KV Cache、低精度格式和内存带宽优化。以OpenAI的Jalapeño为例，其专门针对推理优化，性能优于英伟达GB300。当芯片采购量达数十万颗、日调用量达十亿级别时，每节省一分钱乘以十亿，就是数十亿美元的利润差。
其二，夺权。英伟达占据全球74%的AI芯片市场，并掌握CUDA软件生态。完全依赖英伟达，大模型公司只能跟随其产品节奏。自研芯片则可将模型、编译器、网络和数据中心协同设计，让硬件跟随模型演进，而非让模型迁就现有GPU。谷歌已跑通此模式。
其三，保命。避免算力命脉掌握在单一供应商手中。一旦高端GPU缺货、涨价或受出口政策影响，模型训练和产品扩张都可能受阻。定制芯片虽不能完全替代GPU，但能增加算力来源，提高议价能力和供应链韧性。尤其对国产大模型公司，高端GPU对华出口受限，供应链断供是生死变量。
博通定制芯片业务的暴涨，本质上是所有玩家在算三笔账：省钱的经济账、夺权的战略账、保命的生存账。这场算力自主化的浪潮，正在重塑AI芯片竞争格局。