Mengapa Syarikat AI Terkemuka Mencari Cip Khusus pada 2026

Pada 7 Julai, dua berita mengenai cip buatan sendiri oleh syarikat AI China menjadi berita hangat.

Pertama, eksklusif Reuters: DeepSeek sedang mengembangkan cip sendiri. Laporan itu mengutip tiga sumber yang mengetahui perkara itu, menyatakan bahawa cip ini bertujuan untuk inferens (inference), bukan latihan. Laporan itu menyatakan bahawa DeepSeek telah secara senyap merekrut jurutera reka bentuk cip, tanpa melalui saluran periklanan awam, serta berhubung dengan pihak luar seperti pabrik pengganti dan pembekal storan. DeepSeek tidak memberi respons terhadap permintaan komen, dan terdapat perdebatan kerana maklumat ini hanya berasal daripada sumber tunggal, Reuters.

Pada hari yang sama, The Information melaporkan bahawa makmal China lain, Zhipu, juga sedang menilai cip khusus buatan sendiri. Menurut sumber yang berpengetahuan, sebabnya adalah permintaan yang meningkat tajam untuk GLM-5.2. Menurut The Information dan pelbagai sumber yang mengutip, model ini adalah model paling pantas tumbuh di platform pengumpulan model Vercel, dengan penggunaan token harian meningkat sehingga 27 kali ganda pada minggu pertama pelancaran. Zhipu telah berhubung awal dengan beberapa syarikat reka bentuk cip tempatan, tetapi belum memilih rakan kongsi, dan dikatakan keseluruhan projek mungkin memerlukan lebih daripada dua tahun. Selepas berita ini keluar, saham Zhipu di pasaran港股 naik sehingga kira-kira 9.9% pada hari itu.

Tentu, kedua-dua mesej masih berada dalam peringkat penilaian awal, tanpa fizikal atau reka bentuk yang telah ditetapkan.

Sebenarnya, DeepSeek dan Zhipu bukanlah pengecualian. Jika anda menarik kamera ke jarak yang lebih jauh, anda akan mendapati bahawa “syarikat AI ingin membuat cip sendiri” pada tahun 2026 telah berubah dari pilihan individu menjadi tindakan lalai dalam industri: dari OpenAI dan Anthropic di seberang lautan, hingga dua laboratorium terkemuka di dalam negara, tindakan mereka sangat serupa. Artikel ini ingin menjawab: mengapa?

Jika berita mengenai DeepSeek masih berada pada tahap desas-desus, OpenAI telah menunjukkan barang nyatanya.

Pada 24 Jun, OpenAI dan Broadcom mengumumkan Jalapeño, cip pertama buatan sendiri OpenAI, yang juga merupakan ASIC yang direka khas untuk inferens model besar.

Richard Ho, ketua peranti OpenAI, mengatakan cip ini "direka dari awal khusus untuk inferensi LLM", dengan pasukan melakukan pengoptimuman khusus terhadap teras, pengangkutan memori, rangkaian, dan corak perkhidmatan.

Menurut OpenAI, ujian awal di laboratorium menunjukkan bahawa prestasi Jalapeño per watt "jauh melebihi tahap terkini industri". Namun, syarikat tersebut juga mengakui bahawa prestasi akhir masih dalam pengukuran, dan laporan teknikal terperinci akan dikeluarkan dalam beberapa bulan mendatang. Kelebihan prestasi yang dinyatakan oleh pengeluar semacam ini hanya dianggap sebagai satu sisi sahaja sebelum benchmark pihak ketiga dikeluarkan.

Beberapa butir perincian patut diperhatikan. Menurut Tom's Hardware, cip ini hanya mengambil sembilan bulan dari perancangan hingga tape-out, dan OpenAI menyatakan ini mungkin merupakan siklus pengembangan ASIC tercepat dalam sejarah semikonduktor canggih berprestasi tinggi; dan yang mempercepat siklus ini ialah model milik OpenAI sendiri: menggunakan AI untuk merekabentuk cip yang membuat AI.

Jalapeño merancang untuk bermula penghantaran pada akhir 2026, diikat dengan kerjasama Broadcom yang berukuran 10 GW dan akan selesai pada 2029. Dilaporkan bahawa Microsoft dijangka akan membeli sekitar 40% daripada kapasiti Jalapeño pertama.

Lihat pula laboratorium terkini lainnya, Anthropic. Pada bulan April tahun ini, Reuters melaporkan terlebih dahulu bahawa Anthropic juga sedang mempertimbangkan untuk mengembangkan cip sendiri, dengan pernyataan yang sangat berhati-hati: rancangan tersebut berada dalam peringkat awal, dan syarikat mungkin akhirnya memutuskan hanya untuk membeli tanpa membuatnya, belum menetapkan reka bentuk, dan belum membentuk pasukan khas.

Namun, pada awal Julai, perkara telah mengalami perkembangan baharu. Menurut pelbagai media, Anthropic telah mula berhubung dengan Samsung untuk membincangkan pengilangan cip khusus, yang dikatakan bertujuan kepada proses 2 nanometer dan pengepakan canggih Samsung.

Dan Anthropic baru-baru ini merekrut Clive Chan, yang merupakan ahli awal dalam pasukan cip buatan sendiri OpenAI.

Dalam menghadapi soalan lanjut, Anthropic menanggapi bahawa "stak peranti pelbagai" yang terdiri daripada cip Google, Amazon, dan NVIDIA masih akan menjadi inti strategi kuasa komputasinya, dan tidak memberikan ulasan lanjut mengenai kerjasama dengan Samsung.

Pernyataan rasmi ini tepat menyoroti motivasi paling sebenar di dalam gelombang cip buatan sendiri. Menurut data The Information, NVIDIA menguasai sekitar 74% pasaran cip AI sedunia; sementara Anthropic belum pernah membuat sebarang cip sendiri, dan setiap panggilan Claude berjalan di atas cip yang disewa daripada rakan kongsi; dan rakan kongsi ini juga merupakan pesaingnya.

Perlu diperhatikan bahawa masa Anthropic mula mengeksplorasi pembangunan semula chip, ia hampir sejajar dengan lonjakan pendapatan yang ketara. Menurut pengungkapan sendiri, pendapatan operasi tahunan pada tahun 2026 telah melepasi US$30 bilion, manakala pada akhir 2025 baru sahaja sekitar US$9 bilion. Apabila skala mencapai tahap ini, perhitungan ekonomi pembangunan chip sendiri baru boleh dibenarkan.

Apabila dilihat secara bersebelahan, berita mengenai DeepSeek, Zhipu, OpenAI, dan Anthropic, anda akan mendapati satu persamaan: semuanya sedang membangun cip inferens, bukan cip latihan. Ini bukan kebetulan.

Perpindahan struktural yang sedang berlaku dalam industri ini ialah: pusat penggunaan daya komputasi sedang berpindah dari "melatih model" kepada "menjalankan model". Pelatihan adalah kos sekali jalan, manakala menyediakan model kepada ratusan ribu hingga jutaan pengguna adalah perbelanjaan berterusan. Menurut analisis industri Introl, inferens kini telah mengambil kira sekitar dua pertiga daripada keseluruhan daya komputasi AI.

https://introl.com/blog/custom-silicon-inflection-2026-hyperscaler-asics-nvidia-gpu

Namun, inferensia adalah medan utama ASIC. Menggunakan perumpamaan dari Chris Miller, penulis buku The Chip War, kepada CNBC: GPU NVIDIA seperti pisau Swiss Army yang mampu melakukan segala jenis komputasi paralel; sementara ASIC seperti alat tunggal yang sangat efisien dan cepat, tetapi dipasang secara kaku hanya untuk melakukan satu jenis tugas. Tahap pelatihan memerlukan fleksibilitas pisau Swiss Army kerana arsitektur model masih berubah; tetapi sekali model telah ditetapkan dan perlu melayani permintaan dalam jumlah besar, alat "tunggal" ini justru lebih hemat tenaga dan lebih murah.

https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/

Ledakan agen memperbesar bilangan ini. Satu analisis daripada MindCast AI mengemukakan satu perbezaan yang menarik:

Penaakulan tradisional adalah "kos pertanyaan": satu soalan, satu jawapan, selesai dibayar;

Agen adalah "kos berulang": satu matlamat pengguna boleh memicu puluhan hingga ratusan panggilan inferens, kerana agen perlu membuat inferens, merancang, mencari, dan melaksanakan.

Gambar diterjemahkan dari https://www.mindcast-ai.com/p/ai-inference-economy

Apabila agen dilancarkan dalam skala besar, ketidakseimbangan ekonomi antara latihan dan inferens akan membesar secara bukan linear. Oleh itu, agensi analisis ini menilai: ekonomi inferens bukanlah perkara yang perlu diperhatikan pada tahun 2028, tetapi merupakan keputusan pembelian yang perlu diambil pada tahun 2026.

Untuk "mengapa perlu membuat sendiri", industri sebenarnya telah memiliki data yang cukup spesifik untuk menyokongnya.

Kesaksian paling jelas datang dari platform imej AI Midjourney. Dilaporkan, selepas Midjourney memindahkan beban inferens daripada GPU NVIDIA ke TPU generasi ketujuh Google, perbelanjaan kuasa komputasi bulanan turun dari kira-kira $2.1 juta menjadi kira-kira $700,000, penurunan sebanyak 65%. Apabila nisbah ini diperbesarkan kepada pengeluar berskala super besar yang menjalankan bilion permintaan setiap hari, seperti yang dinyatakan oleh seorang analis, pelaburan berbilion dolar untuk mengembangkan cip sendiri menjadi satu "soalan pengiraan kewangan yang jelas".

Jawapan kepada soalan ini sedang mengubah seluruh pasaran. Menurut ramalan TrendForce, kadar pertumbuhan penghantaran ASIC khusus pada tahun 2026 akan mencapai 44.6%, manakala GPU komersial hanya 16.1%—ini merupakan kali pertama kadar pertumbuhan cip khusus melebihi GPU. Introl merujuk nombor daripada Bloomberg Industry Research yang lebih luas: pada tahun 2033, keseluruhan pasaran akselerator AI dijangka mencapai US$604 bilion, dan bahagian silikon khusus di dalamnya terus meningkat dengan cepat.

Pembuat skala besar telah memberikan suara dengan wang sungguhan. TPU Google, Trainium Amazon, Maia Microsoft, MTIA Meta... cip buatan sendiri ini masing-masing melayani beban inferensis besar di dalam perusahaan induk mereka.

https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/

Menurut CNBC, Ketua Arkitek Trainium, Ron Diamant, mengatakan ASIC Amazon ini memiliki kelebihan nilai berbanding harga sebanyak 30% hingga 40% berbanding penyedia peranti keras lain di AWS.

Nombor-nombor ini menunjukkan: apabila keperluan kuasa pengiraan anda melonjak hingga ke skala super besar, cip bukan lagi item kos, tetapi menjadi penghalang persaingan itu sendiri. Seperti yang dinyatakan dalam satu analisis Oplexa, mengawal silikon anda sendiri bermakna mengawal peta jalan prestasi, struktur kos, dan rantaian bekalan anda sendiri. Ketiga-tiga perkara ini tidak boleh dibeli dengan sebarang pesanan pembelian.

Jika perhitungan ekonomi adalah alasan yang jelas, maka "tidak ingin menyerahkan nasib kepada sebuah syarikat" adalah arus bawah yang lebih dalam di bawah gelombang tersebut.

Kekuatan NVIDIA sebahagian besar berasal dari cip itu sendiri, tetapi lebih besar lagi berasal dari CUDA. CUDA adalah ekosistem perisian yang telah dikembangkan selama lebih dari dua dekad. Menurut analisis Spheron, hampir semua pengoptimuman inferens LLM yang serius, dari FlashAttention hingga pemprosesan berterusan dalam vLLM, hanya berjalan di atas CUDA. Ekosistem ini lebih merupakan "kos penghijrahan" yang perlu dibayar oleh mana-mana pasukan yang ingin menukar cip, bukan sekadar parit pertahanan NVIDIA. Anggaran menunjukkan bahawa memindahkan stak perkhidmatan dari vLLM ke Amazon Neuron SDK biasanya mengambil masa kejuruteraan antara dua hingga enam minggu, dan beberapa arsitektur model bahkan tidak disokong sama sekali.

https://www.spheron.network/blog/hyperscaler-custom-ai-chips-2026-trainium-tpu-maia-mtia-vs-nvidia-gpu/

Kerana dinding ini tinggi dan tebal, motivasi untuk melengkapinya menjadi lebih kuat. Bagi pengeluar berskala besar dan makmal terkini, setiap beban yang berjalan di atas cip buatan sendiri bermaksud lebih banyak keuntungan kekal di poket mereka, serta memberikan lebih banyak kekuatan semasa berunding harga dengan NVIDIA.

Penilaian TheStreet cukup jelas: apa yang sedang berubah ialah anggapan lama bahawa "laboratorium AI mesti menerima sebarang harga dan syarat penghantaran yang ditetapkan oleh NVIDIA". Microsoft mempunyai Maia, Amazon mempunyai Trainium, Google mempunyai TPU, dan laboratorium AI terkini kini juga ingin mengumpul kekuatan yang sama untuk diri mereka sendiri.

Kembali kepada dua pesan pada 7 Julai. Selain semua alasan di atas, DeepSeek dan Zhipu juga menghadapi masalah yang tidak dihadapi oleh rakan sejawat Amerika mereka: larangan eksport.

Selain itu, perlu ditekankan bahawa desas-desus mengenai DeepSeek mengembangkan sendiri teknologinya berlaku tepat pada masa ia menerima pendanaan luar untuk pertama kalinya: syarikat ini menyelesaikan satu siri pendanaan lebih daripada 50 bilion yuan, dengan valuasi melebihi 330 bilion yuan. Pembuatan cip sangat memakan kos, dan kejadian bersamaan antara dana dan cip ini mungkin bukan kebetulan.

Sementara itu, Zhipu telah menjadi laboratorium AI Cina pertama yang disenaraikan di Bursa Saham Hong Kong pada Januari tahun ini. Kedua-duanya sedang mempersiapkan dompet mereka terlebih dahulu untuk taruhan mahal ini.

Kumpulkan petunjuk-petunjuk ini; jawapan kepada soalan “Mengapa syarikat AI semuanya ingin mencipta cip sendiri” sebenarnya adalah gabungan beberapa kekuatan: inferens menggantikan latihan sebagai medan utama kekuatan pengiraan, memberikan ruang kepada ASIC khas; ledakan agen menjadikan kos inferens meledak secara bukan linear, sehingga setiap sen yang dijimatkan menjadi diperbesarkan; dan ketergantungan mendalam terhadap NVIDIA membuat semua pihak ingin mengumpul kekuatan tawar-menawar sendiri. Bagi syarikat-syarikat China seperti DeepSeek dan Zhipu, tambahkan lagi isu larangan eksport.

Namun, di bawah gelombang semangat ini, perlu juga dituangkan air sejuk. Cip buatan sendiri jauh dari jaminan menang. Kitaran reka bentuk boleh mencapai 18 hingga 24 bulan, dengan perbelanjaan kejuruteraan awal yang besar, dan memerlukan beban kerja yang cukup stabil dan boleh diramal sebelum ia patut direka berdasarkan arsitektur tetap. Bagi syarikat permulaan yang masih menguji arsitektur model, atau perusahaan biasa dengan tugas yang pelbagai, fleksibiliti GPU NVIDIA sebenarnya merupakan pilihan yang lebih berkesan.

TechTimes menjelaskan dengan jelas bahawa keuntungan kos 40% hingga 65% hanya berlaku kepada raksasa yang menjalankan puluhan miliar permintaan setiap hari; bagi perusahaan yang hanya menjalankan beberapa puluh ribu permintaan seminggu, kalkulasi ini berbeza.

Masalah yang lebih patut ditanyakan ialah: gelombang ini akankah melemahkan NVIDIA, atau hanya menambahkan posisi tambahan kepadanya? Jawapan kebanyakan analisis cenderung kepada yang terakhir. Menurut Oplexa, pada tahun 2027, penghantaran ASIC mungkin akan melebihi GPU dari segi kuantiti, tetapi kedua-dua pasaran akan terus tumbuh: infrastruktur AI sedang bercabang menjadi dua lintasan berbeza: beban tetap, frekuensi tinggi, dan boleh diramalkan diberikan kepada ASIC, manakala beban penyelidikan, pelbagai, dan arsitektur yang masih berkembang diberikan kepada GPU. NVIDIA masih memegang kuat pasaran latihan dan sebahagian besar pasaran.

https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/

DeepSeek dan Zhipu belum ada jawapan sama ada mereka boleh menghasilkan cip sendiri, kerana kedua-dua berita tersebut masih berada pada peringkat penilaian awal.

Tetapi keduanya berlaku pada hari yang sama, seperti dua batu yang dilempar serentak ke permukaan air, gelombang yang timbul memperlihatkan kecemasan yang sama: dari San Francisco hingga Beijing, di era di mana kekuatan pengiraan adalah kekuasaan, tiada seorang pun syarikat AI yang ingin bertahan hingga putaran seterusnya bersedia menyewa nyawa mereka selamanya dari tangan orang lain.

Artikel ini berasal daripada akaun微信公众号 "Machine Heart" (ID: almosthuman2014), penulis: Panda