谷歌、亚马逊、微软、Meta和OpenAI正开发专有AI芯片以减少对英伟达的依赖。

世界上最大的科技公司——谷歌、亚马逊、微软、Meta和OpenAI——在英伟达市值超过5万亿美元之后，正在设计定制AI芯片以挑战其主导地位。过去十年来，英伟达的GPU推动了AI革命，从大型语言模型到推荐系统和自动驾驶汽车算法。然而，一场构造性的转变正在进行中，这些公司追求全栈控制，效仿苹果从硅到软件的战略，不仅仅是为了运行更快，而是为了改变竞赛的规则本身。

谷歌第七代Ironwood张量处理器的性能是其前代产品的四倍，可以扩展到多达9,216个互联芯片的大型超级集群中，用于降低延迟和通信开销，这些开销会拖累从大型语言模型到多模态AI系统的大规模模型。Anthropic已承诺部署多达一百万个这样的TPU，表明谷歌有意保持其AI生态系统从TensorFlow到Gemini的垂直集成。亚马逊的方案同样雄心勃勃——其Trainium2芯片驱动Project Rainier项目，这是一个建立在近500,000个芯片基础上的庞大超级计算机，提供AWS内的可预测、成本高效的扩展，同时亚马逊工程师正在努力解决剩余的稳定性和延迟问题。

微软的Cobalt CPU和Maia AI芯片运行在Azure数据中心，工程师们正在试验微流体冷却技术，该技术直接在芯片表面循环液体以维持最优温度，同时大幅降低能源消耗。随着每个季度在基础设施上投入数百亿的巨额资本支出，微软的芯片战略旨在维持AI服务的快速扩展，而不被供应短缺所制约。与此同时，Meta通过其第二代Meta训练和推理加速器（MTIA）芯片已成为一个成熟的AI硬件参与者，针对推荐算法和生成式AI进行了优化，其即将推出的Artemis项目旨在进一步提升性能，而最近对芯片初创公司Rivos的收购则表明其对定制硅芯片设计的更深层承诺，这些设计专门为Meta的多模态、社交和实时AI方向量身定制。

OpenAI也许是最引人注目的新进入者，与博通合作共同设计为OpenAI模型量身打造的定制AI加速器，创建的是"模型优先"而非"硬件优先"的数据中心，预期部署时间不早于2026年底。对于OpenAI而言，这一举措提供了对从算法到数据中心的整个AI堆栈的控制，鉴于GPT等模型的训练运行成本达数亿美元，即使每瓦特性能提升个位数百分点也会转化为巨大的节省——相当于特斯拉制造自己的电池。清晰的模式表明大型科技公司拒绝继续依赖外部供应商，而是追求垂直整合，以掌控驱动其AI雄心的芯片。