想再聊聊自研芯片。二供再往前一步，其实就是自研芯片。 当算力越来越接近互联网公司的生产资料以后，大厂一定会越来越在意芯片成本。以前芯片更多是支持主营业务的基础设施，性能和稳定性最重要，但现在 AI 算力本身就在直接影响产品成本，芯片每便宜一点，最后都可能变成自己的利润。 Google、Meta、Amazon 自研芯片，一个很强的驱动力是前面说的 margin transfer。Nvidia、Broadcom 赚得太多，我自己体量已经足够大，就有动力把一部分供应商利润变成自己的成本节省。 国内大厂也有这个逻辑， 不过还额外叠加了一个因素就是算力供给的确定性。 我觉得在这方面早布局特别重要，芯片不是今年决定做、明年就能追上的东西。百度其实 2011 年就在数据中心做 FPGA AI 加速，2018 年发布昆仑芯；阿里 2018 年成立平头哥；腾讯至少在 2021 年已经公布紫霄 AI 推理芯片。它们当年做这些的时候，生成式 AI 甚至都还没有爆发。 现在回头看，这些积累的价值开始变得非常明显。比如阿里今年最新披露，平头哥已经覆盖 GPU、CPU、智能网卡和互联芯片，新一代真武 V900 计划用于超大规模 AI 集群，此前真武芯片已经在阿里云规模部署，并服务数百家外部客户。 而且这里面真正积累的并不只是一颗芯片。芯片每迭代一代，大厂同时在积累编译器、算子库、框架适配、互联、集群调度，以及最重要的是自己真实业务的 workload 数据。 百度当年能做昆仑芯，本身就是因为搜索、推荐这些业务已经积累了很多年 AI 加速经验。大厂自研芯片还有一个天然优势，自己就是最大的客户。 普通芯片公司先设计芯片，再找客户验证；阿里、百度、腾讯、字节这种公司可以先在自己的搜索、推荐、广告、云计算、大模型推理里跑。如果一个 workload 每年要消耗几十万张卡，哪怕单位计算成本只下降 10%，长期价值都可能非常大。 阿里在9月的云栖大会上也强调「芯片—服务器—超节点—网络—模型—推理系统」的联合优化，可见头部云厂最终都会想掌握更多底层能力。 所以我觉得未来 AI 芯片不会只是比谁的单颗 GPU 更强。通用 GPU、自研 ASIC、二供厂商会长期共存，利润也会在云厂、头部芯片厂和二供之间不断重新分配。 另外国内又多了一层供应链安全的需求，所以这条趋势可能会更明显。 以前看大厂做芯片，会觉得离主营业务很远。现在 AI 真正起来以后，才越来越能理解为什么有些公司十年前就开始做这件事。