大模型价格战下半场：将推理价格打下去

Anthropic就从OpenAI挖来了其自研芯片团队的早期核心成员Clive Chan，负责整个AI推理芯片的自研。

几乎所有大厂都将自研推理芯片作为优先选项，但自研这条路并不轻松，甚至会耽误大模型企业的进展。

首先是研发难度，AI大模型企业擅长算法架构这类软件层面，AI芯片此前只是上游的工具，如今要自研AI推理芯片，是要从软件领域跨界到完全陌生的硬件领域，需要在人员技术上重新积累。

其次是芯片厂商的迭代速度，相比大模型厂商，华为昇腾、寒武纪、英伟达这类AI芯片厂商有技术基础，他们对接整个大模型行业，能够根据市场需求快速研发生产，而大模型厂商只是针对自身需求定制推理芯片，再加上研发能力与芯片厂商有差距，这就可能导致出厂即落后的情况发生。

最后自研推理芯片最大的难题在于没有生态支持，以英伟达为例，其AI芯片除了算力性能外，更重要的是超过400万开发者的CUDA生态，这意味着，有庞大的开发者愿意适配芯片框架，愿意采购，进而增加芯片的采购量，从而降低成本。

而智普AI、DeepSeek等大模型企业自研芯片，它们没有生态，只能给自己用，无法依靠数量均摊研发成本，会让整个芯片成本居高不下。

可以说，对于智普AI、DeepSeek来说，自研推理芯片最难的不是研发，而是生态和产能，只有解决算法迭代、芯片流片、产能排期、用户生态这四个方面后，才能真正实现用自研推理芯片降低每百万Token推理成本的目标。

2026年的AI大模型行业，已经从“能不能做出好模型”的工程师时代，进入了“能不能把成本降到足够低”的工业时代。而AI大模型厂商能不能推出并使用自研推理芯片，这关系到这些公司是一家AI产品公司，还是一家AI时代的基础设施公司。