证券时报记者 周春媚
9月12日，港股百度集团和阿里巴巴股价双双大涨，涨幅分别达到8.08%和5.44%。此前有消息称，两家公司正在使用自研芯片训练AI大模型，阿里巴巴已在小规模模型的训练中使用自研芯片，而百度则尝试用昆仑芯P800芯片训练新版文心大模型。
在当下的全球资本市场，任何有关AI算力的“风吹草动”都可能引发股价异动。9月7日，特斯拉创始人埃隆·马斯克表示，已与特斯拉AI5芯片设计团队进行了一场设计评审，并称AI5将是一款“史诗级的芯片”。在马斯克宣布进军AI芯片领域前两天，OpenAI被曝与美国半导体巨头博通启动自研AI芯片量产，这一消息也推动博通股价大涨。
纵观这些公司，无一例外均是当前最为顶尖和主流的大模型研发厂商。纷纷加码芯片研发的动作表明，算力已从AI竞争中的可选项变为必选项，成为必须牢牢掌控在手中的关键“命门”。多名业内人士在接受证券时报记者采访时表示，科技巨头们的“芯片战事”已不仅是一场单一维度的技术突围，更是一场关乎成本控制与性能提升、供应链安全与生态主导权的战略博弈。
从自研到投资
科技公司双轨并行加码AI算力
最近，阿里巴巴再度成为股市的当红“炸子鸡”，股价连连上涨。推动股价大幅上涨的主要因素之一是有消息称，阿里巴巴正在开发一款新的人工智能芯片，这款芯片已进入测试阶段，主要面向更广泛的AI推理任务。
事实上，与国外科技巨头近期才传出的密集布局不同，国内互联网大厂的“芯片战事”早已打响。2018年，平头哥（杭州）半导体有限公司（以下简称“平头哥”）作为阿里巴巴旗下专注于半导体技术研发与产业化的科技企业正式成立。2019年，平头哥推出首款RISC-V处理器玄铁910，同年发布了首款AI芯片含光800，重点应用于视觉场景。
与阿里巴巴一样，腾讯和字节跳动近年来亦持续加大自研芯片的力度。腾讯已在三款自研芯片上取得重要进展，分别是AI推理芯片“紫霄”、视频转码芯片“沧海”以及智能网卡芯片“玄灵”。字节跳动虽尚未推出自研芯片产品，但已组建相关研发团队，并在近几年的校园招聘中设置了多个与芯片相关的岗位。
除了自研以外，投资芯片公司也是科技巨头抢滩AI算力赛道的共同选择。过去几年，阿里投资了寒武纪、深鉴科技、翱捷科技等芯片企业，腾讯押注长鑫存储、燧原科技、集益威半导体等公司，字节跳动则入股了摩尔线程、聚芯微电子、昕原半导体等多家芯片公司。
一手自研一手投资，科技公司以双轨并行的形式加码AI算力布局。“这既体现了大厂对核心技术自主可控的迫切需求，也反映出其在高风险、长周期的芯片产业中寻求效率与安全平衡的务实考量。”一名人工智能资深专家告诉证券时报记者，自研能够深度匹配自身业务场景，实现算法、框架与硬件的协同优化；而投资则可快速切入前沿技术赛道，同时分散研发失败的风险。
为何“造芯”？
成本、性能与生态的三重考量
互联网大厂为何热衷“造芯”？记者多方采访了解到，这背后有着成本、性能与生态的三重考量。
“生成式AI对算力的指数级需求驱动大厂持续重构底层架构，通用GPU已难以平衡千亿参数模型训练推理的效率与成本。”天使投资人、资深人工智能专家郭涛在接受证券时报记者采访时表示，随着各大AI公司对训练复杂模型的需求激增，芯片制造商难以满足市场需求，全球算力供需失衡的现状也导致科技公司采购芯片的成本不断上升。
“目前，采购外部芯片的成本高昂且供应不稳定，自研AI芯片能显著降低采购成本，并避免受制于供应商的变化，从而补充和满足内部业务对高效算力的需求。”上海经邑产业数智研究院副院长沈佳庆告诉证券时报记者，助推成本降低和增强供应链韧性，是当前科技公司加码AI芯片的核心驱动力。
此外，据记者了解，AI芯片分为通用芯片和专用芯片。通用芯片即常说的CPU（中央处理器）、GPU（图形处理器），可以满足广泛的计算需求和适应不同应用场景，具有高度灵活性和可编程性；专用芯片则为特定的应用或任务设计，如ASIC（专用集成电路）、FPGA（现场可编程门阵列）等，针对特定的算法或任务进行优化，以实现最高的性能和效率。
“相比通用芯片，专用芯片的研发门槛较低，相对容易许多。目前科技公司研发的AI芯片大多是专用芯片，更适配自身的云计算和AI业务。”前述人工智能资深专家表示，例如，腾讯的“紫霄”“沧海”和“玄灵”这三款自研芯片均聚焦特定领域，性能相比业界均有明显提升。沈佳庆也表示，由于AI专用芯片技术门槛相对可控，有利于企业尽快形成产能。
在郭涛看来，相较于此前的芯片投资热潮，本轮生成式AI浪潮下的芯片布局以“算法—芯片—场景”闭环为核心，追求软硬件协同设计的极致能效比。各个科技公司由于业务基础不同，优化芯片的核心驱动力也有所差异。“阿里巴巴聚焦弹性算力池，通过自研芯片提升云平台性能；字节跳动优化芯片实时推理密度，服务短视频及电商场景；腾讯则强化低延时响应，支撑游戏与社交交互。”郭涛说。
而相较于成本与性能，更深层次的动因在于抢夺生态主导权。业内的共识是，英伟达最深的护城河并非强大的GPU硬件，而是其构建的软件生态系统CUDA，通过将二者深度绑定，形成了软硬一体化的优势。“‘GPU+CUDA’的组合长期占据主导地位，‘自研芯片+开源生态’是打破现有垄断格局、构建自主可控技术栈的现实选择。”前述人工智能资深专家表示，通过自研芯片并配套开源软件栈和开发者工具，可逐步形成软硬一体的完整生态，从而掌握更大的产业话语权。
挑战重重 需突破技术迭代
风险与生态壁垒限制
与专门的芯片公司相比，互联网巨头“造芯”有不少独特的优势。“它们业务规模庞大，拥有海量实际业务数据和应用场景，自研芯片时具有供应链与成本控制力。此外，规模化业务也能摊薄研发成本，并形成生态协同效应。”沈佳庆表示，互联网大厂还具有资金与人才优势，具备长期持续投入的资本实力，能吸引顶尖芯片研发人才加盟。
尽管优势突出，但作为一个重资产投入、长研发周期的行业，大厂们的“造芯”之路仍然充满荆棘，注定是一场“硬仗”与“漫漫长跑”。
一方面，技术迭代的风险首当其冲。“AI芯片研发需3—5年周期，但AI技术迭代迅猛，可能导致芯片量产前就面临技术落后的风险。”沈佳庆表示。此外，受地缘政治影响，先进制程受制且代工厂产能波动可能中断生产，加剧了供应链的不确定性。另一方面，生态壁垒的突破有待时日。“自研芯片在软件栈、开发者工具链等生态环节弱于国际成熟企业，用户迁移成本高，制约了商业化。”沈佳庆说。
对于技术迭代风险，郭涛建议应多管齐下提升研发速度。“具体而言，可以采用Chiplet（芯粒，即将大型芯片分解为多个具特定功能的小芯片，并使用先进封装技术将它们互联，最终集成封装为一个系统芯片）模块化设计缩短研发周期。还可以实施‘渐进式替代’战略，初期聚焦边缘端轻量化场景积累数据，再逐步向训练端渗透。”郭涛表示，这其中的成败关键在于将互联网速度文化注入半导体长周期产业，通过持续场景反哺实现技术跃迁，最终形成“敏捷迭代+生态共建+场景反哺”的闭环体系。
在打破生态壁垒方面，沈佳庆强调生态共建的重要性，企业除了聚焦自身业务场景，在细分赛道推出多种专业芯片来提升市场竞争力以外，更要联合其他国产厂商，搭建平台共建软硬件生态。“在越来越前沿的科技战场上，依靠单打独斗已不是主流。”沈佳庆说，打造AI芯片领域软硬件开源技术协作平台，依靠开源模式吸引众多开发者快速迭代技术并形成生态，可能是今后推动科技创新的有效途径。
尚红配资提示：文章来自网络，不代表本站观点。
