智谱被曝考虑自研AI芯片：大模型厂商“造芯”潮再添新玩家

自研芯片传闻浮现，智谱尚未置评

据集微网7月14日援引消息人士透露，国内大模型领军企业智谱（Zhipu AI）正在评估自研AI芯片的可行性。该消息称，智谱已组建初期团队进行技术方向与供应链调研，但并未披露具体时间表或预算规模。截至发稿，智谱官方尚未对此传闻作出公开回应。 这并非大模型厂商首次涉足芯片设计。此前，百度、阿里等科技巨头已通过旗下子公司推进自研AI芯片，而初创公司层面，月之暗面、MiniMax等也曾传出过类似探索动向。如果智谱最终确认入局，将标志着中国AI大模型行业“软件+硬件”一体化竞争格局进一步深化。

算力饥渴驱动自研逻辑

当前，大模型训练与推理对算力的需求呈指数级增长。据IDC在2025年发布的《中国AI计算力发展评估报告》估算，2025年中国AI服务器市场规模将突破100亿美元，其中大模型相关算力消耗占比超过六成。另据研究机构SemiAnalysis预测，到2026年，全球单一顶尖大模型单次训练的算力成本可能接近1亿美元量级——虽然这一数字基于模型参数与训练时长假设，但已足够说明算力支出的严峻性。 对于智谱而言，长期依赖外部采购GPU（如英伟达H100/H200系列）不仅面临供应链风险——尤其是出口管制背景下的供应不确定性——还会因硬件利润被芯片厂商收割，导致研发投入向硬件成本倾斜。自研芯片的理论吸引力正在于此：通过定制化架构优化特定模型的计算效率，从而降低长期总成本。据行业估算，自研推理芯片在大规模部署后，单位算力成本可比通用GPU降低30%至50%（此为行业经验区间，具体数据因架构与制程差异较大）。 不过，自研AI芯片绝非易事。先进制程流片成本持续攀升，据半导体研究机构IC Insights统计，5纳米制程的一次流片费用已超过5000万美元，而3纳米制程则可能突破1亿美元。这意味着即便对于融资规模较大的AI公司而言，自研芯片也是一项资本密集型的高风险决策。

产业竞争与生态变局

智谱的芯片布局将直接影响中国AI芯片市场的竞争态势。目前，国内已有多家初创企业专注于AI推理芯片，如寒武纪、地平线、燧原科技等，它们的产品在特定场景下已具备一定竞争力。据市场研究机构IDC数据，2024年中国AI芯片市场规模约为132亿美元，其中GPU仍占据约70%份额，但专用ASIC（如谷歌TPU架构的衍生方案）在云端推理领域增速达45%以上。 若智谱成功自研芯片，它可能首先用于自身大模型服务的推理环节，成为类似“大模型业务垂直整合”的案例。这种模式已在海外被谷歌（TPU）、亚马逊（Trainium/Inferentia）等巨头验证，但国内创业者需同时挑战芯片设计人才稀缺、IP授权壁垒、良率爬坡周期等现实问题。 值得关注的是，智谱若自研芯片，可能进一步带动国内先进封装与Chiplet（芯粒）生态的发展——因为在当前出口管制环境下，获取最先进制程困难，许多企业转而通过多Die集成、HBM堆叠等封装技术提升性能。据SEMI预测，2026年中国先进封装设备支出将同比增长18%至28亿美元，Chiplet相关设计服务市场增速可能更高。

数据参考

以下数据均来自行业公开报告，仅用作背景参考，并非本次新闻确认数据：

• AI服务器市场规模：IDC《中国AI计算力发展评估报告》（2025年）估算，2025年中国AI服务器市场规模将突破100亿美元。
• 单次训练算力成本：SemiAnalysis（2025年）预测，到2026年全球顶尖大模型单次训练成本可能接近1亿美元，属估算区间。
• 流片费用：IC Insights（2024年）历史统计显示，5纳米制程流片超5000万美元，3纳米制程超1亿美元。
• 中国AI芯片市场：IDC（2024年）数据，2024年中国AI芯片市场规模约132亿美元，GPU份额约70%，ASIC增速超45%。
• 先进封装支出：SEMI（2025年）预测，2026年中国先进封装设备支出将达28亿美元，同比增长18%。 目前，智谱自研AI芯片仍停留在传闻阶段，其具体战略、团队构成及资金规划均有待进一步确认。在算力供需矛盾持续加剧的背景下，该事件折射出大模型行业从“拼模型”向“拼基础设施”转型的深层趋势。 #智谱 #AI芯片 #大模型 #自研算力