大模型厂商集体"下场造芯"：OpenAI牵手三星背后的算力供应链重构

——从"Jalapeno"到下一代芯片，AI公司定义硬件的时代来了

一、导语：一场跨越设计与制造的"双向绑定"

2025年9月9日，首尔的一场新闻发布会传递出AI产业链上少有的明确信号：ChatGPT开发商OpenAI与三星电子已在下一代芯片的"联合研发与联合生产"层面达成最深度的合作共识。这是继6月OpenAI联合博通推出首款定制推理芯片"Jalapeno"、交由台积电代工之后，OpenAI在AI算力底座布局上又一次关键落子。

如果说与博通的合作解决了"谁来设计"的问题，与台积电的合作解决了"谁来制造"的问题，那么与三星的联手，则意味着OpenAI首次同时绑定了"设计共创+先进存储+本土生态"三位一体的资源——这家全球最具影响力的AI模型公司，正在以系统级的姿态向上游延伸，重新定义AI算力供应链的权力分布。

更深层的信号在于：OpenAI并非孤例。谷歌、亚马逊、Meta、微软等大模型厂商近年来均在自研芯片上加速推进。一场由模型厂商主导、以"垂直整合"为关键词的算力革命，已经悄然重塑全球AI芯片的竞争版图。

二、事件背景：从"买卡"到"造芯"，大模型厂商的必然选择

OpenAI此次合作的核心指向是"AI推理"——即在ChatGPT等产品中对数据进行实时计算并返回结果的过程。推理与训练（Training）共同构成AI算力需求的"两极"，但二者在硬件特性上有着显著差异：

-训练：需要极致算力与高带宽互联，对芯片绝对性能要求最高，NVIDIA GPU长期占据主导地位。

-推理：更强调单位功耗下的吞吐效率、成本可控性与大规模部署能力，对定制化、专用化的容忍度更高。

OpenAI联合博通设计的"Jalapeno"芯片，正是面向推理场景的专用ASIC（专用集成电路）。这意味着OpenAI在算力战略上已经走出"完全依赖英伟达"的单一路径，开始按"训推分离"的逻辑优化硬件栈。

更深层的驱动力来自需求侧的爆发。OpenAI披露，韩国企业ChatGPT企业版用户一年内增长约28倍；韩国已成为美国之外付费订阅用户最多的国家。GPT-6 Astra于9月4日发布后，使用率预计将再次提速。当一个模型公司的算力消耗开始以数量级增长时，从商业合理性看，自研或定制芯片几乎是必选项。

2. 韩国"双雄"为何成为关键支点

OpenAI之所以选择三星作为下一代芯片的联合开发与制造伙伴，背后有着多层次的产业逻辑：

第一，HBM（高带宽内存）的不可替代性。AI芯片——尤其是面向大模型推理的加速器——对HBM的需求呈刚性增长。三星与SK海力士是全球HBM市场的两强，去年二者已签署意向书，承诺为OpenAI的"星际之门（Stargate）"数据中心项目供应内存芯片。OpenAI韩国总经理Harrison Kim明确表态，"随着对更先进芯片的需求增加，内存芯片需求将持续增长"——这意味着三星在OpenAI的硬件版图中绝不只是"代工厂"角色，而是HBM、逻辑代工、先进封装等多重资源的复合供应商。

第二，先进制程与先进封装的双重博弈。当前AI芯片的代工高度集中在台积电，特别是其CoWoS封装产能已成为制约全球AI算力供给的"卡口"。三星作为全球第二大代工厂，一直在3nm/2nm先进逻辑工艺和先进封装层面追赶台积电。OpenAI将"联合生产"写入与三星的合作，意味着三星有机会切入最具标杆意义的大模型客户案例——这是其争夺下一代AI代工市场份额的关键一战。

第三，本土生态的深度绑定。三星是全球范围内ChatGPT部署规模最大的企业之一，其韩国及海外员工已大规模在研发、营销和销售场景中使用ChatGPT。OpenAI借此将"客户—生态—供应链"的关系深度耦合，形成商业上的高粘性。

3. 行业范式转移：从"通用GPU"到"专用ASIC"

把视角拉远看，OpenAI与三星的合作并非孤立事件，而是全球AI产业一场深刻范式转移的缩影：

-谷歌：自2015年起持续迭代TPU（Tensor Processing Unit），目前TPU v5e/v5p、Trillium等已大规模部署，并自2024年起向外部客户提供服务，从"自用芯片"演变为"云端AI基础设施供应商"。

-亚马逊：Trainium（训练）和Inferentia（推理）系列已迭代多代，AWS以自研芯片构建差异化云服务。

-Meta：推出MTIA（Meta Training and Inference Accelerator），重点优化推荐系统与生成式AI推理。

-微软：发布Maia系列AI芯片，用于Azure内部负载。

-OpenAI：从与博通合作设计，到与三星联合开发，走的是"轻设计、重生态"路径。

这一趋势的本质是：当AI模型公司的算力支出攀升到足够量级，且对芯片性能、功耗、成本有差异化诉求时，"采购通用GPU"已不再是唯一最优解。"芯片设计能力"正在成为大模型厂商的核心竞争力之一。

三、行业影响：算力供应链话语权的"权力转移"

OpenAI联合造芯的意义，远远超出一则企业合作公告。其影响将沿着"芯片设计—制造产能—存储供给—客户绑定"四条主线展开，重塑全球AI算力产业链的权力结构。

1. 博通与Marvell：定制芯片设计公司的"卖水人"红利

在AI芯片产业链中，定制芯片设计服务商（如博通、Marvell）扮演着"AI时代的Arm"角色——它们不直接面对最终客户，却凭借深厚的ASIC设计能力，成为各大云厂商和大模型公司"造芯"的关键合作伙伴。

OpenAI与博通合作的"Jalapeno"芯片，采用了台积电3nm工艺，预计2026年量产。博通CEO Hock Tan此前已透露，与OpenAI、谷歌等合作的定制AI芯片业务将在2027年带来超过千亿美元的累积收入机会。Marvell也凭借与亚马逊、谷歌的合作，在定制AI芯片设计市场快速壮大。

对于博通和Marvell而言，"模型厂商造芯潮"是一次历史性的赛道扩张。它们既不与英伟达在通用GPU市场正面竞争，又深度受益于AI算力需求的井喷，定位极为巧妙。

2. 台积电与三星：代工格局面临"双客户分化"

当前，AI芯片代工几乎被台积电一家垄断，特别是其CoWoS先进封装产能，成为制约全球AI算力供给的瓶颈。台积电2025年CoWoS产能已扩至月产数万片wafer，但仍然供不应求。

OpenAI"博通设计+台积电制造"与"三星联合开发+联合生产"的双线布局，折射出AI算力供应链的一个现实：头部客户不再愿意把鸡蛋放在一个篮子里。

这给三星带来了历史性的机遇窗口。三星在3nm GAA工艺、HBM4研发、2.5D/3D先进封装等领域均有布局，若能借助OpenAI的标杆案例实现产能与良率突破，将打破台积电在AI代工市场的"单极垄断"。但挑战同样巨大——台积电在制程成熟度、生态完整性、客户信任度上的护城河依然深厚，三星需要在性能、产能、价格上同时拿出说服力。

3. HBM与存储：算力供应链的"水电煤"

如果说GPU/CPU是AI算力的"发动机"，HBM则是"传动系统"——没有高带宽内存，再强大的算力也无法高效释放。

-HBM市场格局：SK海力士与三星占据全球HBM市场绝大部分份额，美光（Micron）为第三极。三星在HBM3E、HBM4上持续追赶SK海力士。

-需求侧井喷：随着GPT-6 Astra等更强大模型上线，单个AI芯片对HBM容量和带宽的需求持续翻倍。HBM供应已成为AI算力扩张的最大瓶颈之一。

-供应链权力：OpenAI将三星定位为下一代芯片合作的核心伙伴，意味着三星不仅在HBM上继续保持话语权，还有机会进入逻辑芯片的联合开发领域。这种"逻辑+存储+代工"的全栈绑定，将让三星在AI算力供应链中的地位显著提升。

4. 英伟达的"护城河"与反击

面对定制芯片潮，英伟达并未坐以待毙：

-保持技术代差：Blackwell（B200/GB200）架构继续保持性能和能效领先，Rubin架构预计2026年推出。

-生态壁垒：CUDA生态经过十余年积累，已成行业事实标准，模型厂商切换到ASIC需要承担巨大的软件迁移成本。

-网络与系统级优势：NVLink、InfiniBand、DGX SuperPOD等系统级方案，提供单一芯片无法替代的整体竞争力。

-新业务模式：推出Spectrum-X以太网、AI Enterprise软件栈等，对冲定制芯片压力。

可以预见，未来3-5年内，英伟达的"通用GPU+CUDA生态"与定制ASIC将形成"双轨并行"的格局，前者占据高端训练与通用推理市场，后者蚕食大规模、低时延、成本敏感的推理负载。

四、趋势展望：垂直整合时代的全球AI算力新秩序

全球大模型厂商"造芯潮"对中国的启示是多维度的：

-算力国产化加速：在大模型公司层面，百度（昆仑芯）、阿里（平头哥）、腾讯（自研芯片）、字节跳动等均在自研AI芯片上有所布局。头部模型公司的算力自研能力，正成为衡量其长期竞争力的关键指标。

-HBM卡脖子风险：HBM是中国AI算力供应链的最大短板之一。当前国内HBM仍处于追赶阶段，长江存储、长鑫存储等正在加速布局HBM相关技术。在国际出口管制趋严的背景下，自主可控的HBM供应链建设刻不容缓。

-代工与封装瓶颈：先进制程和CoWoS等先进封装是另一大瓶颈。中芯国际、华虹半导体在成熟制程上有产能优势，但在3nm/2nm等先进节点上仍有差距。国内产业链需要在Chiplet（小芯片）、先进封装等"绕道"技术上加紧突破。

-设计能力补强：博通、Marvell等定制芯片设计公司的成功提示我们，中国不仅需要发展GPU/CPU等通用芯片，也需要培养一批具备复杂SoC设计能力的团队，服务于大模型公司、互联网公司、车企等的差异化算力需求。

-生态与软件栈：模型厂商造芯的真正门槛，往往不在硬件，而在软件栈和工具链。中国芯片产业需要在编译器、驱动、调度框架、AI框架适配等环节持续投入。

2. 行业演进三大趋势

趋势一：芯片定义权从芯片公司向模型公司迁移。

未来3-5年，AI芯片的"功能定义"将越来越多地由模型公司主导——它们更清楚自己的负载特征、瓶颈和优化方向。芯片公司将从"产品供应商"转向"联合设计伙伴"。

趋势二：供应链从"全球化分工"走向"友岸+本土化"。

在地缘政治和供应链安全双重驱动下，AI算力供应链正在从过去的"全球化最优分工"向"友岸合作+本土备份"演化。OpenAI同时绑定博通、台积电、三星、海力士，正是这一逻辑的典型体现。

趋势三：AI算力定价权向"系统级整合者"集中。

能够提供"芯片+存储+网络+软件栈+数据中心"系统级解决方案的厂商，将掌握下一代AI算力的定价权。英伟达、博通、谷歌、亚马逊等已经走在前列，三星借助OpenAI合作也有望加入这一俱乐部。

3. 通信行业的视角：从"管道"到"算力底座"

对通信行业而言，AI芯片供应链的重构既是机遇也是挑战：

-机遇：通信设备厂商（如华为、中兴）本身就是AI算力的重要用户，深度参与自研芯片；运营商（如中国移动、中国电信）正在建设大规模智算中心，对国产AI芯片形成持续需求。

-挑战：高端AI芯片供应链的高度集中，使得通信行业的AI升级高度依赖少数供应商，自主可控的算力底座成为行业可持续发展的关键命题。

结语

OpenAI与三星的"联合造芯"，看似是一则企业合作新闻，实则是AI产业范式转移的标志性事件。当AI公司开始定义芯片，芯片公司开始定义系统，整个AI算力供应链的权力结构都将被重新书写。

在这场重构中，谁掌握芯片定义权、谁掌握先进产能、谁掌握HBM与先进封装、谁掌握系统级整合能力，谁就将主导下一个十年的AI算力版图。

而对于中国通信与半导体产业而言，这既是看清差距、奋起直追的清醒剂，也是抓住新一轮产业重构机遇的时间窗口。造芯，已不只是芯片公司的事。