一周之内，四家全球最重要的AI模型公司接连宣布要自己做芯片，英伟达股价应声下跌，近千亿美元市值瞬间蒸发。当卖铲人最大的客户群体开始集体叛逃，这场AI算力盛宴的格局正在被彻底改写吗？

  要看清这场变局的全貌，我们得先把镜头拉远，从整个科技产业价值链的深层迁移说起。

  当我们把近期科技产业的多条信号串联起来观察，会发现一个清晰的趋势正在成形：整个科技产业的价值链，正在从硬件本身，向软件以及伴随全生命周期的服务，进行一场史无前例的大规模迁移。

  无论下游那些科技公司的算法迭代得多快，无论是驱动智能汽车的锂电池，还是刻蚀芯片的特种气体，最终都要结结实实地一头撞上化学元素表和基本能源的物理天花板。

  既然最上游的原材料和特种气体已经被地理政治学和物理极限卡得如此紧，那么下游那些把算力当成命根子的公司又是怎么样应对的？特斯拉的动向揭示了一个完全颠覆商业常识的极端操作。

  2026 年 4 月 15 日，马斯克宣布，特斯拉下一代的AI核心芯片，也就是代号AI5的这颗硅片，已完成了流片设计。所谓流片，就是图纸已经定稿，可以交给工厂真正开始刻电路了。

  但他做出了一个让整个半导体行业惊掉下巴的决定：将这颗芯片同时交给台积电和三星这两家代工厂制造。在业内看来，为同一颗顶尖工艺的芯片寻找两家代工厂，简直就是自找麻烦。

  这意味着要承担两套昂贵的光刻掩模板成本，一笔就动辄几千万甚至上亿元。更棘手的是，台积电和三星两家工厂的晶体管物理特性、良品率的爬坡曲线完全不同，要把同一个设计在两条不同的生产线上调试到完美，工程量几乎翻倍。

  这就好比为了印一本书，非要同时买下两家截然不同的印刷厂，并要求他们用的油墨和纸张调到肉眼看不出差别的程度。这完全违背了科技公司一直以来追求的成本优化原则。

  而且这颗芯片预计2027年全面量产，将同时支撑无人驾驶和Optimus人形机器人的大脑。马斯克在研发AI6和Dojo3的同时，仍要在AI5上砸下这种冗余成本，背后的逻辑其实非常耐人寻味。

  在马斯克的认知字典里，这颗芯片早已不是普通的汽车零部件，而是一批关乎企业生死存亡的战略级军需物资。两套掩模板的成本、两套工程团队的开销，如果放在一张正常的财务报表里确实是不可接受的负债。

  但如果把它看作一个大国在构建绝对安全的战略粮仓系统，一切就完全说得通了。国家在储备粮食的时候，会去计较仓库的租金是否太贵，或者谷物在里面的自然损耗吗？

  不会，因为一旦断供，代价就是毁灭性的。当人工智能的竞争从单纯的代码和算法层面，深度下沉到硅基的物理层面时，马斯克其实是在用天文数字的冗余成本去对冲单一供应商可能带来的断供风险。

  而一旦他不计代价地把这个硬件底座彻底夯实，商业模式上的魔法就开始显现：硬件不再是用来赚取差价的商品，而是变成了一张极其坚固的、用来承载软件的入场券。比亚迪现在正在做的事情，简直是在用软件的鞭子不断抽打物理机件的极限。

  2025年这一年里，比亚迪为旗下品牌发布了200次无线软件更新。以汉L EV这款车型为例，上市不到一年的时间里就进行了4次重大更新，直接通过云端下发，把端到端的人工智能驾驶能力提升了一个代级。

  作为对比，在同样的周期内，特斯拉更新了16次，丰田是8次，大众只有5次。在过去100多年的汽车工业史里，一辆车在你去4S店提车的那一刻，就是它这辈子最好开、最先进的巅峰状态，之后每一天都在老化。

  但现在这个常识被彻底推翻了：提车的那一天，恰恰是这辆车整个生命周期里最差的一天。这种反转极为彻底。

  以前那些老牌车企如丰田，为维持二手车的残值，拼命把车辆的换代周期从7年拉长到9年，本质上还是在刻舟求剑，试图在物理衰减的速度上做文章。但现在，比亚迪和特斯拉这一些企业直接通过高频的软件更新，给用户注入了一种源源不断的新鲜感。

  一年200次更新，平均不到两天就更新一次，这背后需要庞大的全栈自研软件团队和测试闭环，本身就是一道传统车企根本跨不过去的门槛。当车辆的生命周期被软件无限延长后，车企的盈利路径自然而然就滑向了订阅制这个方向。

  小鹏汽车已经在探讨L4级别高级别无人驾驶的按月订阅模式，特斯拉更是早就把完全无人驾驶服务在北美以每月99美元的价格挂牌出售。这就回到了那个古老的剃须刀商业模式：先把手柄低价甚至免费卖给你，然后源源不断地靠卖刀片赚钱。

  硬件微利，软件持续抽成，这套在智能手机上大杀四方的逻辑，正在全面接管一切带轮子和带关节的机器。

  但这里面存在一个极其致命的逻辑断层：软件代码确实不会生锈，只要你愿意，它可以永远年轻；但承载这些代码的物理机械，那些齿轮、轴承、液压杆，还有锂电池，可是会结结实实地发生不可逆的老化。

  当一辆车或者一个机器人因为软件的加持，理论上能服役十几年甚至二十年的时候，谁来照顾这具逐渐朽坏的物理躯壳？这就完美闭环到那个既科幻又现实的场景：京东的机器人急救中心。

  软件虽然赋予了机器不朽的灵魂，但必须有一个庞大的物理网络来托底它们脆弱的肉身。京东切入的这个被称为后市场的蓝海，眼光极其独辣。

  机器人在过去很长一段时间里，其实只是活在实验室或者展台上的精密仪器，完全不需要仔细考虑日晒雨淋。但现在它们要真正进入千家万户，去送货、去巡检，甚至去陪伴老人。

  它们会摔在楼梯上导致雷达错位，会因为涉水导致主板短路，它们的电池在经历一千次充放电之后会严重衰减。京东没有去卷机器人的本体制造，而是复用了自己遍布全国的物流仓储节点和配送站，把它们直接改造成了机器人的维修4S店。

  他们为人形机器人、足式机器人提供维修、换电池、故障诊断，甚至设备回收。目前这个业务已经在北京跑通了，并且计划要在三年内覆盖中国50多个主要城市。

  卖机器人整机可能因为竞争太激烈而赚不到什么钱，但是维修、换件、电池保养，确实是一门可以伴随设备整个生命周期的长线收租生意。

  既然物理世界的基础已经被宁德时代的矿山、台积电的芯片，还有京东的维修站彻底稳固下来，一个更庞大的问题就浮出了水面：当这些物理容器变得极其长寿且标准化之后，我们应该多少内容才能填满它们？

  如果还指望人类设计师用鼠标一下一下地去建模画图，产能是绝对跟不上的。这就逼迫着人工智能一定得完成一次维度的跃迁：从一个只会生成搞笑图片的玩具，彻底进化为工业级的数字内容建造机器。

  这就是腾讯刚刚开源的HunyuanWorld 2.0系统所要扮演的真实角色。它完全改变了人工智能生成内容这个概念的定义。

  以前那些惊艳的AI生成视频，无论画面多逼真，本质上都只是一串排列好的死像素，你只能看不能改。把所有这一些信息碎片拼接在一起，其实呈现出的是一条严丝合缝、逻辑自洽的闭环，它正在强行重估这样一个世界上所有事物的基础价值。

  接下来讨论一个很多人感受到但没人说透的问题：AI芯片这场军备竞赛看起来所有人都在赢。台积电利润暴增58%、创历史记录，英伟达往所有AI公司都投了一遍，特斯拉刚刚流片了自己的AI芯片。

  特斯拉最新的动态显示，他们宣布下一代的AI5芯片已完成了流片，而且准备在2027年同时交给台积电和三星去量产。特斯拉其实是这条路上走得非常坚决的代表了。

  这是对英伟达芯片税的一种最正面的反抗。当整个生态里最大的客户之一开始砸下重金去自建替代品的时候，庄家的那道护城河其实就慢慢的开始渗水了。

  完全能理解特斯拉的动机——他们不仅是造车，最近甚至有消息说上海超级工厂那边都在考虑具备生产人形机器人的潜力。这种对算力的无底洞需求，如果全部被卡脖子、交平台税，那利润早就被砸干了。

  把命运掌握在自己手里，是逃兵的唯一出路。三种玩法看起来都在赢，但一个正在浮出水面的暗流是：算力的买卖方式本身正在发生根本性的变化。

  也就是说，市场上的钱不是永远那么便宜的。现在大家能2000亿、2000亿地往下砸，很大程度上是因为前些年积累的资金成本足够低。

  一旦宏观利率环境或者投资人的情绪发生转变，这种廉价资金被耗尽，整个游戏随时会被叫停。这个倒计时确实让人背后发凉。

  而且，如果从地缘的现实维度来看，这场军备竞赛还在产生很多不必要的摩擦成本。所以这一次泡沫一旦破裂，它的杀伤力也许在表面上不同，但这笔庞大资本支出留下来的账单一定是客观存在的，而且必须要有人来付清。

  如果说前面所描绘的还只是特斯拉一家逃兵发起的孤军奋战，那么最新一周的行业动态则显示，这种反叛已经从单点突破演变为集体行动。

  OpenAI的Jalapeño刚刚流片，Anthropic被曝与三星合作开发2nm推理芯片，DeepSeek的推理芯片计划进入关键阶段，智谱也传出自研芯片的消息。

  四家公司横跨中美，覆盖了全球大模型赛道的绝对头部，英伟达最大的客户群体正在集体叛逃。有必要注意一下的是，四家公司要做的全部是推理芯片，而不是训练芯片。

  训练是一次性资本开支，CUDA生态和NVLink互联在这里仍是英伟达的绝对护城河。但推理是持续运营成本，每生成一个token都在烧钱，Agent时代到来后这个消耗量正以百倍速度膨胀。

  而英伟达的通用GPU在推理场景下有效利用率常常不到5%，用户等于是在为大量用不到的灵活性缴纳租金。当一家模型公司99%的负载都是同一种架构的推理时，它终于意识到：自己正在为冗余付费。

  对于OpenAI和Anthropic而言，动机是直接的降本增效。Jalapeño宣称单token推理成本比现役GPU降低约一半，Anthropic直接找三星代工试图跳过台积电的产能排队。

  在模型能力趋同、价格战白热化的下半场，推理成本就是毛利率。但对DeepSeek和智谱来说，自研芯片不是想不想的成本优化，而是不得不的生存必需。

  R1时代所用的H800早已被禁，V4开始转向华为昇腾，但昇腾产能要与国内一大批公司共享，且与英伟达最先进产品仍有1到2代差距。中国公司面临的不是贵不贵，而是有没有的问题。

  四家模型公司同时选择自研的深层逻辑在于：没有人比模型公司更懂自己的模型。

  DeepSeek的MLA把KV Cache压缩到常规架构的几十分之一，细粒度MoE让每次推理只激活一小部分参数，这些架构创新运行在通用GPU上时只能靠软件优化去迁就硬件；

  而如果芯片是自己定义的，算子可以直接固化成电路，访存通路可以照着MLA的压缩格式布线。这种软硬件协同设计的套利空间，正是模型公司敢于自研的底气。

  那么英伟达的天线%、千亿市值蒸发，市场反应看似剧烈，但屋顶只是漏了几块砖。

  短期看，模型公司自研芯片从立项到量产需要2到3年，其间GPU订单不会减少，GPT-6级别的训练仍离不开英伟达，OpenAI一边做Jalapeño，一边还在排队买B200。

  但中长期威胁是线年这批推理ASIC集中量产，英伟达就会从唯一供应商降级为供应商之一，估值逻辑需要从永远增长修正为增长放缓。这也正好呼应了前面所提到的蜜月期本质。

  上游硬件的信仰溢价在消退，下游应用的刚需逻辑在升温。每一场军备竞赛最终都不是被对手终结的，而是被账单终结的。