人工智能行业正经历一场深刻的硬件变革。OpenAI等巨头开始采用Cerebras等公司的芯片，标志着对英伟达单一依赖的终结。这一转变不仅关乎供应链安全，更直指推理环节的成本控制，为AI服务的规模化应用探索新的经济模型。此举预示着AI硬件生态将更加多元和开放。
智能速览
OpenAI首次在非英伟达芯片上运行AI模型。
行业焦点从一次性训练成本转向持续性推理成本。
谷歌、Meta等巨头也通过自研芯片实现多元化布局。
企业寻求与AMD、博通等合作以获得定价权和供应链保障。
中国在内存芯片领域的进步正重塑全球市场格局。
精华内容
这场芯片供应策略的转变，远不止是简单的技术选型，其背后是成本、供应链与未来话语权的深度博弈。
推理的经济账
AI公司的成本结构正在发生变化。模型的训练虽然昂贵，但属于一次性投入；而推理，即为亿万用户提供实时服务的过程，则是一项持续性的巨大开支。这正是OpenAI推出Codex Spark模型的核心逻辑，它虽然不是最强大的模型，但更轻量、更快，是真正能带来收入的“主力模型”。正如报道所言：“旗舰模型是追求声望的策略，主力模型是追求收入的策略。”因此，优化推理环节的硬件性价比，已成为企业实现规模化盈利的关键。
巨头的双重策略
各大AI实验室正采取一种巧妙的平衡策略。一方面，他们依然渴望获得英伟达最顶级的Blackwell芯片，因为这仍是训练前沿模型的“黄金标准”。但另一方面，他们私下里又积极与Cerebras、AMD、博通等新兴或传统芯片厂商建立合作。这种“一边笑着和英伟达签约，一边又和Cerebras、Broadcom、AMD签约”的做法，旨在摆脱对单一供应商的过度依赖，以获取更优惠的采购价格和更可靠的供应链保障。
供应链重塑
英伟达高端GPU的产能瓶颈，为其他芯片厂商创造了绝佳的市场切入点。由于无法满足所有需求，资本开始寻找新的投资方向，意味着基础设施建设领域的巨额资金将不再只流向一家公司。这种多元化的趋势也蔓延至存储芯片领域。报道指出，中国企业不仅在高端芯片市场进步显著，在低端内存芯片市场也取得了巨大突破，凭借成本优势有效填补了市场空白，正在赢得国际客户的认可，进一步重塑了全球半导体产业链的竞争格局。
AI硬件的多元化不仅是企业应对风险的商业选择，更是推动整个行业走向成熟与健康发展的关键一步。当技术路径不再单一，创新活力才能被充分激发。未来，这种竞争将如何定义AI服务的成本与可及性？
