AI 模型与 AI 芯片之间的界限正在消失。

几家头部 AI 大厂最新的软硬件布局，真的有种大家都在抄对方后路的荒谬感：以前卖铲子的安心卖铲子，挖金子的专心淘金，现在全乱套了。

Anthropic 刚把谷歌 TPU 团队的核心大牛 Amir Salek 挖走，直接组建了自研芯片团队，专门给 Claude 定制硬件大脑。

这还不算完，他们一边自研，一边还要同时跑着英伟达 GPU、谷歌 TPU 和亚马逊 Trainium，活脱脱演了一出全网硬核芯片大烩菜。

OpenAI 更是直接跟博通搭伙，搞出了专为推理优化的芯片 Jalapeño，据说今年底就要正式推进数据中心。

这年头，做大模型的要是没个流片计划，去硅谷喝酒都不好意思坐主桌。

但另一边，芯片老大哥们也没闲着，反手就砸向了软件大佬的粮仓。

黄老板的英伟达不仅要推 Nemotron 4 去硬刚开源模型，甚至豪掷 60 亿美元买了 Poolside 的技术许可，一口气把人家 100 号核心工程师都挖了过来，把缺啥买啥演绎到了极致。

连 AMD 都赶着放出了运行在自家 GPU 上的 Instella 模型，生怕开发者在自家生态里待得不爽。

这背后的逻辑其实特别残酷：

当单点性能碰到瓶颈，性能和成本就完全取决于模型、算子、编译器和底层芯片之间能不能像齿轮一样咬合。

哪怕在计算架构上只省下 10% 的能耗，规模放大到几十万卡集群，那也是几亿美元的真金白银。

不过，玩全栈垂直整合听起来很美，但芯片可不是写软件，流片失败一次就是几个亿扔进水里，台积电的产能排期更是极其现实。

所以这波大战最耐人寻味的现实是：大家表面上都在疯狂攻入对方腹地，试图建立自己的生态帝权；但私底下，OpenAI 和 Anthropic 的超大模型训练依然离不开英伟达，而英伟达账面上最大的客户依然是这几家模型巨头。

大家都想把对方变成自己的打工仔，但最后发现谁也离不开谁。

做模型的公司被暴涨的推理成本逼得不得不自研芯片保命，但在需要顶配算力硬碰硬的底层训练上，黄老板的 GPU 信仰税恐怕暂时还是没人逃得掉。