輝達多年來在 AI 晶片市場近乎壟斷的地位，正迎來一股強勁的逆風。OpenAI 近期公佈了其首款定製晶片計劃，這款名為 Jalapeño 的推理晶片由 博通 協助打造，標誌著這家 AI 領頭羊正式加入了自研晶片的行業大軍。此舉並非孤立事件，而是谷歌、蘋果和 SpaceX 等科技巨頭集體行動的一部分，它們都在通過自研晶片，試圖擺脫對單一供應商的過度依賴。
這一趨勢的核心動機並非與輝達徹底決裂，而是一種戰略對沖。TechCrunch 的 Equity 播客指出，定製晶片意味著企業能獲得更貼合自身特定需求的硬體，從而在關鍵工作負載上實現更優的效能和效率。這種轉變早有先例，最著名的便是蘋果公司當年放棄英特爾處理器，轉向自研 M 系列晶片後，其 Mac 產品線在效能和能效上實現了巨大飛躍。如今，AI 領域的巨頭們正試圖複製這一路徑。
OpenAI 的 Jalapeño 晶片專為推理任務設計，即執行已訓練好的 AI 模型來生成響應。這與訓練晶片不同，推理任務更注重成本效益和低延遲。通過與博通這樣的成熟半導體廠商合作，OpenAI 得以將晶片設計專長與大規模製造經驗相結合，加速產品落地。儘管 Jalapeño 的具體效能引數和量產時間表尚未公佈，但其出現本身就傳遞了一個明確訊號：頂級 AI 公司正在將晶片視為核心競爭力，而非可隨意替換的商品。
谷歌是這條路上的先行者，其自研的 TPU 早已大規模部署於內部和雲服務，用於支援搜尋、翻譯和 Gemini 模型等業務。蘋果則在其裝置中廣泛使用自研的 A 系列和 M 系列晶片，為 Siri 和各類端側 AI 功能提供算力。而 SpaceX 的加入則揭示了另一層需求：在太空探索和衛星通訊等極端環境下，通用晶片往往難以滿足功耗、體積和抗輻射等嚴苛要求，定製化設計成為必然選擇。
對輝達而言，這股自研浪潮無疑增加了長期壓力。儘管其 H100 和即將推出的 B200 等 GPU 仍是訓練大規模模型的首選，但客戶在推理環節尋求替代方案，將逐步侵蝕其市場版圖。輝達的護城河在於其 CUDA 軟體生態，開發者習慣和龐大的程式碼庫構成了高轉換成本。然而，隨著 PyTorch 等開源框架的成熟以及各大公司對自身軟體棧的深度最佳化，這道護城河並非不可逾越。
從更宏觀的視角看，這場晶片自研運動反映了 AI 產業成熟度的提升。當一項技術從實驗室走向規模化應用時，成本控制和供應鏈安全便成為核心議題。依賴單一供應商意味著定價權旁落和潛在的供應中斷風險，這在近年來的全球晶片短缺中已有深刻教訓。因此，無論是出於效能追求、成本考量還是地緣政治下的供應鏈韌性需求，大型科技公司都將自研晶片視為一項戰略性投資。
市場對此反應複雜。一方面，博通等晶片設計服務商和台積電等代工廠成為直接受益者，它們從定製晶片浪潮中獲得了新訂單。另一方面，輝達的股價雖然依舊堅挺，但投資者開始更審慎地評估其長期增長天花板。這場競爭才剛剛開始，輝達的應對策略，以及 OpenAI 等公司自研晶片的實際表現，將是未來幾年 AI 硬體領域最值得關注的焦點。