“自研芯片真能幫云廠商敲開英偉達(dá)的銅墻鐵壁。

英偉達(dá)的GPU有多難買、多貴，搞AI的人心里都有數(shù)。H100一卡難求，Blackwell還沒捂熱就被搶光。全球云廠商一邊排著隊給英偉達(dá)送錢，一邊悶頭在自家實驗室里搞另一套方案——自研芯片。

這不是什么營銷噱頭。這是一場從“省點錢”到“自己說了算”的漫長博弈。走到今天，云廠商的芯片到底干到哪一步了？

算力饑荒與造芯自救：

三大驅(qū)動力

云廠商為什么非要自己造芯片？最直接的原因就是：太貴了。

自研芯片在推理場景下，總擁有成本能降30%到50%。谷歌就是個典型。2013年，首席架構(gòu)師Jeff Dean算了一筆賬：如果每個Android用戶每天對著手機(jī)說三分鐘話，用CPU跑語音識別，谷歌得把數(shù)據(jù)中心規(guī)模翻一倍。這筆賬把他嚇著了，于是TPU項目上馬。15個月后，第一代TPU就進(jìn)了數(shù)據(jù)中心。

第二個原因是供應(yīng)鏈安全。高端GPU產(chǎn)能有限，還受出口管制，云廠商必須給自己留后路。國內(nèi)的情況最典型，英偉達(dá)在中國的數(shù)據(jù)中心份額，從95%的高點一路往下掉，華為們趁機(jī)起來了。

更深層的是技術(shù)護(hù)城河。軟硬一體優(yōu)化，為自己的AI、數(shù)據(jù)庫、視頻轉(zhuǎn)碼定制算力，這事做成了就是競爭壁壘。騰訊的“滄海”轉(zhuǎn)碼芯片、阿里的“倚天710”CPU，都是這個思路。第三方機(jī)構(gòu)預(yù)測，云廠商自研芯片的年復(fù)合增長率正在快速攀升。

谷歌、AWS、微軟的芯片三國殺：

誰跑在了前面？

海外三巨頭的路子各不相同。谷歌TPU出貨最大，外部商業(yè)化最快；AWS Trainium已經(jīng)長成幾十億美金的生意，客戶版圖擴(kuò)張最猛；微軟起步最晚，Maia量產(chǎn)一波三折，倒是Cobalt CPU走得還算穩(wěn)。

谷歌TPU：出貨量最大，生態(tài)閉環(huán)最完整

TPU的故事始于2013年那場算力危機(jī)。此后十年，谷歌悶頭迭代了八代。v5代開始搞“雙軌并行”：v5e打性價比，v5p主打訓(xùn)練。2025年底發(fā)布的第七代Ironwood，是谷歌第一款面向推理時代設(shè)計的主力芯片，F(xiàn)P8算力4.6 PetaFLOPS，比英偉達(dá)B200的4.5還高一點，單顆性能是v5p的10倍。單個超級Pod集成9216顆芯片，算力42.5 ExaFLOPS。內(nèi)部用的話，單顆TCO比GB200低約44%。

2026年4月，谷歌發(fā)布了第八代TPU，首次將訓(xùn)練和推理拆分為兩款獨立芯片。訓(xùn)練款TPU 8t（Sunfish）用臺積電2nm，博通設(shè)計，F(xiàn)P4算力12.6 PFLOPs，單個Pod 9600顆芯片，總性能121 ExaFLOPS，預(yù)計2027年底量產(chǎn)。推理款TPU 8i（Zebrafish）首次跟聯(lián)發(fā)科合作，片上SRAM是Ironwood的三倍，通信延遲降低5倍。兩款都搭載谷歌自研的Axion CPU，支持PyTorch原生遷移。

出貨量方面，有非官方的市場分析預(yù)測，2026年TPU出貨量約為150萬–300萬顆，樂觀情形下或可達(dá)400萬–500萬顆。這背后不只是谷歌自用，Anthropic簽了上百億美元的協(xié)議，承諾用100萬顆TPU；Meta簽了數(shù)十億美金的多年租用協(xié)議；蘋果也在論文里承認(rèn)，用8192顆TPU v4和2048顆v5p訓(xùn)練了Apple Intelligence的基礎(chǔ)模型。

但谷歌的TPU不對外單獨賣，生態(tài)比較封閉，還是依賴TensorFlow和JAX，跟英偉達(dá)的CUDA體系差得遠(yuǎn)。

AWS：Trainium業(yè)務(wù)已達(dá)數(shù)十億美元

AWS自研芯片的起點是2015年收購Annapurna Labs，花了大概3.5億美元。當(dāng)時沒人太在意，現(xiàn)在回頭看，這是亞馬遜芯片版圖的鑰匙。

首先做起來的是Nitro。2013年AWS發(fā)現(xiàn)，用Xen虛擬化方案，將近30%的CPU算力被系統(tǒng)開銷吃掉了。收購Annapurna之后，2017年推出Nitro System，把虛擬化、網(wǎng)絡(luò)、存儲全卸到專用硬件上，客戶可用算力從不到70%拉到接近100%。Nitro卡已經(jīng)演進(jìn)到第5代，每瓦性能提升40%。

推理芯片Inferentia2018年首發(fā)，第一代Inf1實例比可比GPU吞吐量高2.3倍，推理成本降70%。2026年4月，Inferentia3發(fā)布，性能再翻一倍。

訓(xùn)練芯片Trainium才是大頭。Trainium2在2025年全面推出，性價比比可比GPU高30%到40%。AWS CEO Matt Garman表示 Trainium2 業(yè)務(wù)年化營收達(dá)數(shù)十億美元級別。2025年10月，AWS跟Anthropic合作的Project Rainier在印第安納州部署了近50萬顆Trainium2芯片，到年底擴(kuò)大到100萬顆，專門訓(xùn)練Claude模型。2026年4月，Anthropic又加碼，承諾未來十年在AWS上投入超過1000億美金，覆蓋Trainium2/3/4以及未來各代芯片。

Trainium3在2025年底re:Invent上發(fā)布，臺積電3nm，每顆FP8算力2.52 PetaFLOPS，性能比Trainium2提升4.4倍，能效比提升4倍以上。2026年初正式出貨，幾乎滿單。Trainium4的路線圖也出來了，F(xiàn)P4吞吐量提升6倍，還支持跟英偉達(dá)NVLink Fusion混合部署。

亞馬遜CEO Andy Jassy在2026年4月的股東信里說，AWS自研芯片業(yè)務(wù)（Graviton、Trainium、Nitro）年化收入突破 200 億美元，機(jī)構(gòu)預(yù)估分拆后峰值可達(dá) 500 億美元。自研芯片累計收入承諾超過2250億美金，覆蓋Anthropic、OpenAI等客戶。OpenAI也在2026年2月確認(rèn)，將通過AWS消耗約2GW的Trainium容量。

需要說明的是，AWS的自研芯片主要通過云服務(wù)提供，客戶買的是算力不是芯片。與此同時，AWS也在大規(guī)模采購英偉達(dá)GPU，兩邊不矛盾。

微軟：Maia出師不利，起步太晚

相比谷歌和AWS，微軟的進(jìn)度明顯慢了。

2023年11月，微軟高調(diào)發(fā)布Maia 100和Cobalt 100。Maia 100用臺積電5nm，理論算力1600 TFLOPS MXInt8和3200 TFLOPS MXFP4。但數(shù)字好看沒用，據(jù)The Information報道，Maia 100發(fā)布后只做了內(nèi)部測試，并未實際投產(chǎn)。原因較為復(fù)雜：其設(shè)計始于2019年，當(dāng)時主要針對圖像處理任務(wù)優(yōu)化，對后來爆發(fā)的大模型支持不足；此外，后續(xù)芯片Braga在開發(fā)過程中遇到設(shè)計頻繁變更、芯片模擬不穩(wěn)定以及團(tuán)隊人員流失等問題，導(dǎo)致量產(chǎn)至少推遲了六個月。

Maia 100的拉胯直接拖累了后續(xù)芯片。微軟原本計劃Braga在2025年量產(chǎn)，結(jié)果推遲了至少六個月。原因包括OpenAI在開發(fā)后期不斷提新需求導(dǎo)致設(shè)計頻繁變更、芯片模擬不穩(wěn)定，以及團(tuán)隊約五分之一人員流失。

2026年1月，微軟終于發(fā)布了Maia 200，定位改成“AI推理主力”。Maia 200有超過1000億個晶體管，F(xiàn)P8性能約5 PetaFlops，每美元性能比上一代提升30%。微軟聲稱它的FP4性能是亞馬遜第三代Trainium的三倍。目前Maia 200已在微軟中部Azure區(qū)域部署，但初期還是內(nèi)部用例為主，首批用戶是微軟自家的Superintelligence團(tuán)隊和OpenAI。全面向客戶開放，還要等。

反倒是Cobalt CPU這條線走得穩(wěn)。Cobalt 100是5nm ARM處理器，性能功耗比x86同類實例高50%，已經(jīng)在Teams、Azure SQL里用了，外部客戶包括Adobe、Databricks、Snowflake。覆蓋了Azure約一半的區(qū)域。下一代Cobalt 200設(shè)計已完成。

據(jù)Digitimes Research統(tǒng)計，2026年微軟自研AI芯片預(yù)計出貨33萬顆，在四大云廠商里墊底。摩根士丹利說，微軟在自研芯片上的滯后，讓它跟亞馬遜、谷歌的云計算競爭中處于不利位置。不過微軟砸錢不含糊：2025財年投了800億美金建AI數(shù)據(jù)中心，2026年3月又跟英偉達(dá)簽了采購100萬顆GPU的多年協(xié)議。

三家海外巨頭有個共同點：先推理后訓(xùn)練，先內(nèi)部后外部。推理是自研芯片最先撕開的口子——推理任務(wù)針對特定模型優(yōu)化，不需要訓(xùn)練那么強(qiáng)的通用性，正是ASIC的用武之地。訓(xùn)練側(cè)短期內(nèi)還是離不開英偉達(dá)的CUDA和NVLink。

TrendForce預(yù)測，2026年ASIC市場整體增長率44.6%，遠(yuǎn)超GPU的16.1%，ASIC份額有望從20.9%升到27.8%。這場“三國殺”的終局，比的不是誰先出牌，而是誰能率先在推理時代把自研芯片做成主力。

從“備胎”到“主力”：

國產(chǎn)自研芯片的真實段位

如果說海外云廠商自研芯片是為了省錢和效率，那國內(nèi)廠商就是被逼出來的。A100、H100被禁，H20出口受限，國內(nèi)AI芯片一年缺幾百萬張，國產(chǎn)替代的窗口突然就打開了。

據(jù)IDC數(shù)據(jù)，2025年中國AI加速卡總出貨約400萬張。英偉達(dá)還是第一，約220萬張，但份額從95%暴跌到55%。AMD出貨16萬張，占4%。本土廠商合計出貨165萬張，首次突破40%。其中華為昇騰81.2萬張，獨占國產(chǎn)近一半；阿里平頭哥26.5萬張；百度昆侖芯和寒武紀(jì)各11.6萬張；海光信息8萬張。國產(chǎn)陣營的基本盤，已經(jīng)清楚了。

華為昇騰：制裁下的逆襲

昇騰是國產(chǎn)芯片里體量最大的。2019年，昇騰910商用，7nm工藝，F(xiàn)P16算力256 TFLOPS，直接對標(biāo)英偉達(dá)V100，號稱當(dāng)時全球最強(qiáng)AI處理器。后來910B、910C持續(xù)迭代，910C用雙Die封裝，把兩顆910B封在一起，算力800 TFLOPS（FP16），國產(chǎn)化率約55%。

2026年3月，華為正式發(fā)布昇騰950PR，首次引入FP8/FP4低精度格式，F(xiàn)P4算力1.56 PFLOPS，大約是英偉達(dá)中國特供H20的2.87倍。更重要的是，950PR在CUDA兼容性上做了實質(zhì)性提升，讓習(xí)慣了英偉達(dá)生態(tài)的開發(fā)者遷移起來容易了不少。

軟件生態(tài)上，2025年8月，華為宣布CANN算子庫和工具鏈全面開源，輪值董事長徐直軍直說：讓昇騰“更好用、更易用”。到2025年底，CANN已經(jīng)跟90多個開源社區(qū)深度對接。當(dāng)然，CUDA有18年的先發(fā)優(yōu)勢和數(shù)千萬開發(fā)者，CANN要追上還早。但950PR的兼容性突破和CANN的開源，至少打開了一個口子。

出貨量上，2025年昇騰81.2萬顆，占國內(nèi)整體市場20%，占國產(chǎn)近一半。2026年Q1已經(jīng)出了15萬張910系列卡，全年目標(biāo)更激進(jìn)。到2026年Q1銷售額口徑，昇騰市占率升到35%到40%，而英偉達(dá)的份額相比此前大幅下降。

阿里平頭哥：47萬片交付，六成賣給外面

平頭哥的路子很務(wù)實。2019年9月，含光800推理芯片發(fā)布，在ResNet-50測試?yán)镄阅鼙葮I(yè)界最好芯片高4倍，能效是第二名的3.3倍。2021年推出倚天710服務(wù)器CPU，5nm工藝，當(dāng)時處于領(lǐng)先水平。

2026年1月，平頭哥官網(wǎng)上線“真武810E”高端AI芯片，自研架構(gòu)，96GB HBM2e內(nèi)存，片間互聯(lián)帶寬700GB/s，能跑訓(xùn)練、推理和自動駕駛。業(yè)內(nèi)人說，真武整體性能跟英偉達(dá)H20差不多，市場供不應(yīng)求。

2026年3月，阿里CEO吳泳銘在財報電話會上說，截至2026年2月，平頭哥自研GPU累計規(guī)模化交付47萬片，年化營收百億級別，60%以上賣給了外部客戶，服務(wù)400多家企業(yè)。真武PPU已經(jīng)在阿里云上了多個萬卡集群，客戶包括國家電網(wǎng)、中科院、小鵬汽車、新浪微博等。千問大模型的訓(xùn)練和推理也跑在真武上。IDC 2025年數(shù)據(jù)里，平頭哥出貨26.5萬顆，國產(chǎn)第二。

百度昆侖芯：省錢的起點，性價比突圍

昆侖芯的故事起點很樸素——省錢。李彥宏在2023年一個論壇上算過賬：買別人芯片1萬美元一片，自己造只要2萬人民幣。“所以就逼著自己做。”2011年，百度內(nèi)部啟動了FPGA AI加速器項目，團(tuán)隊后來成了昆侖芯的核心。

2021年，昆侖芯從百度分拆獨立，芯片首席架構(gòu)師歐陽劍當(dāng)CEO。2024年推出第三代P800，自研XPU-P架構(gòu)，INT8算力256 TOPS，16GB HBM內(nèi)存。P800對MoE架構(gòu)特別友好，單機(jī)8卡就能跑671B參數(shù)的大模型，這在業(yè)內(nèi)算比較領(lǐng)先的。

2025年2月，百度智能云點亮了昆侖芯P800萬卡集群，國內(nèi)自研芯片里第一個；4月又點亮了國內(nèi)首個全自研3萬卡集群。2025年8月，昆侖芯中標(biāo)中國移動AI服務(wù)器集采，在“類CUDA生態(tài)”標(biāo)段拿了70%、70%和100%的份額，合計超10億元。2025年營收約35億，接近盈虧平衡，高盛預(yù)測2026年能到65億。IDC數(shù)據(jù)里，2025年昆侖芯出貨11.6萬顆，跟寒武紀(jì)并列國產(chǎn)第三。2026年5月，昆侖芯正式啟動科創(chuàng)板上市輔導(dǎo)。

騰訊的“三芯”戰(zhàn)略：自研專用，外部補(bǔ)位

騰訊走的路跟別人不一樣：自己不做大而全，而是內(nèi)部做專用芯片，外部投資補(bǔ)通用算力。

2021年11月，騰訊首次披露三款芯片：AI推理芯片“紫霄”、視頻轉(zhuǎn)碼芯片“滄海”、智能網(wǎng)卡芯片“玄靈”。紫霄在騰訊會議實時字幕場景里，處理能力是T4的兩倍，成本節(jié)省超45%。滄海在MSU硬件視頻編碼比賽中包攬兩個賽道8項評分全部第一，壓縮率比市面標(biāo)品高35%以上，已經(jīng)部署了數(shù)萬片。玄靈實現(xiàn)了主CPU“0占用”，性能提升4倍。

除了自研，騰訊還是燧原科技的第一大股東，持股20.26%。燧原的產(chǎn)品已經(jīng)在騰訊云、游戲等核心場景大規(guī)模部署。但燧原對騰訊依賴很深——2023年對騰訊銷售額占總營收33.34%，2024年37.77%，2025年飆到80%以上。燧原至今沒盈利，2022年到2025年前三季度累計虧損51.79億，正在沖刺科創(chuàng)板IPO。

2026年4月，據(jù)路透社報道，騰訊跟阿里、字節(jié)一起啟動了昇騰950PR的緊急采購，帶動950PR價格上漲約20%。騰訊現(xiàn)在是三條線同時跑：自研專用芯片、投資綁定訓(xùn)練算力、采購國產(chǎn)通用算力。布局廣度不是最深的，但調(diào)度靈活度值得關(guān)注。

四家國產(chǎn)廠商都先從自己的業(yè)務(wù)場景里把芯片跑通，再往外走。但在英偉達(dá)新的AI加速卡恢復(fù)對華銷售之前，國產(chǎn)廠商能爭取到多少時間窗口，能在多大程度上縮小跟英偉達(dá)的生態(tài)差距，是這輪國產(chǎn)替代能不能走到第二程的關(guān)鍵。

從訓(xùn)練到推理：

AI算力戰(zhàn)場正在悄悄轉(zhuǎn)移

云廠商自研芯片之所以能在短期內(nèi)看到成效，與AI負(fù)載結(jié)構(gòu)的變化密不可分。

訓(xùn)練場景仍是英偉達(dá)的主場。前沿大模型需要巨大的算力、高速的互聯(lián)帶寬和成熟的軟件生態(tài)，英偉達(dá)的CUDA生態(tài)和NVLink互聯(lián)技術(shù)在此優(yōu)勢難以撼動。但在推理場景中，自研芯片的成本和能效優(yōu)勢開始顯現(xiàn)。推理任務(wù)往往針對特定模型進(jìn)行優(yōu)化，不需要訓(xùn)練那樣的通用性和靈活性，這正是ASIC類芯片最擅長的領(lǐng)域。

TrendForce預(yù)測，TrendForce預(yù)測，2026年ASIC在AI服務(wù)器加速方案中的出貨占比將從20.9%升至27.8%，而GPU的占比相應(yīng)下降至69.7%（2025年為75.9%）。

另一個不容忽視的趨勢是：如果未來AI訓(xùn)練范式從“大煉模型”轉(zhuǎn)向稀疏模型、小模型加多模態(tài)的方向，推理側(cè)的算力需求將進(jìn)一步爆發(fā)，自研芯片的機(jī)會窗口也將進(jìn)一步擴(kuò)大。

打破CUDA城墻

還差幾步？

需要強(qiáng)調(diào)的是，以上所有自研芯片的快速增長，主要集中在推理側(cè)。在訓(xùn)練側(cè)，CUDA生態(tài)和NVLink互聯(lián)仍然是難以繞過的壁壘。云廠商自研芯片會成為AI算力體系的重要補(bǔ)充，并在推理、視頻轉(zhuǎn)碼、數(shù)據(jù)庫等特定負(fù)載中分走一部分需求，這已是不可逆的趨勢。但從“補(bǔ)充”到“替代”，還有很長的路要走。

CUDA生態(tài)壁壘是最大的障礙。英偉達(dá)用二十年的時間搭建了數(shù)千種工具、編譯器與庫組成的軟件體系，全球累計數(shù)億塊設(shè)備接入，形成了“裝機(jī)量-開發(fā)者-生態(tài)”的強(qiáng)勁飛輪。開發(fā)者基于CUDA開發(fā)應(yīng)用，形成對英偉達(dá)硬件的深度依賴。

互聯(lián)技術(shù)也是關(guān)鍵瓶頸。英偉達(dá)的NVLink和NVSwitch在集群互聯(lián)性能上大幅領(lǐng)先。硬件互聯(lián)之外的配套軟件工具鏈，同樣需要時間和大量投入才能補(bǔ)齊。

未來三到五年，AI算力市場很可能形成這樣的格局：英偉達(dá)繼續(xù)主導(dǎo)訓(xùn)練與通用AI計算，云廠商自研芯片形成“第二算力源”。這不是一場非此即彼的替代戰(zhàn)爭，而是一場從芯片硅片到軟件棧的全方位生態(tài)競逐。誰的生態(tài)更開放、誰的工具鏈更易用、誰能在推理時代率先規(guī)模化落地，誰就能在這場博弈中拿到更大的份額。