|
本周 OpenAI、苹果、高通、小米四家厂商几乎同步亮出自研芯片的最新进展，密集程度罕见。若仅看单点产品，这是各家分散的工程动作；但将其置于同一时间轴观察，一条清晰的产业主线已经浮现——从通用 GPU 的单一依赖，走向"软硬协同"的多元算力供给。 一阶看，直接后果是算力成本曲线的结构性下移。以 OpenAI 为代表的大模型厂商通过自研推理 ASIC，将每瓦吞吐量与延迟做到对通用方案的显著领先，其本质是把过去流向英伟达的采购成本内部化，为推理侧的规模化铺路。 二阶看，利益相关方正在分化应对。英伟达以加速 Rubin 迭代、强化软件生态与通用性来守住基本盘；Broadcom、台积电等设计代工与制造方成为最大受益者，承接自研芯片订单；而缺乏自研能力的中小 AI 厂商则面临"越用越贵"的算力定价权旁落风险。 三阶看，系统层面正在发生更深重构。芯片设计从硬件工程演变为"模型深度参与设计"的软硬一体化竞争，自研芯片能力或将成为头部 AI 企业的入场券。当算力供给走向多元化、推理成本持续下探，AI 应用的大规模普及才真正具备经济性前提。 值得注意的是，这一轮自研浪潮的窗口期十分短暂——从 OpenAI 仅用约 9 个月即完成流片即可窥见，AI 模型深度参与设计正把芯片开发周期压缩到前所未有的程度。对产业链参与者而言，能否搭上这班车，将直接决定其未来三至五年在 AI 算力价值链中的位置。 半导体供应链的"确定性"重构安世中国在经历供应链断裂后以本土化平台重新出发，二手半导体设备则从"边缘备胎"升级为成熟制程扩产的核心资产——两则看似独立的新闻，指向同一个更深层的产业变局：全球半导体供应链的底层逻辑，正从"效率优先"转向"确定性优先"。 一阶看，最直接的表象是成熟制程供需紧张。功率器件、模拟、MCU 等刚需芯片持续供不应求，而全新核心设备交期拉长至一年以上，供给弹性不足迫使厂商在扩产路径上"另辟蹊径"。 二阶看，利益相关方的应对呈现明显分化。头部存储与晶圆大厂"盘活存量、优先自用"，收紧二手设备货源；本土厂商则加速向更大尺寸晶圆平台迁移、打通国产全链条闭环，以冗余供给对冲地缘风险。 三阶看，系统层面正在形成新的均衡：供应链安全被纳入企业成本函数，客户在选型时开始为"供应确定性"支付溢价。可以预见，成熟制程的竞争将不再是一场单纯的价格战，而是"产能确定性 + 平台化制造 + 供应链冗余"的综合较量。 对中国半导体分销行业而言，这既意味着国产替代带来的结构性机会，也提出了更高要求——谁能更早绑定本土晶圆产能、掌握二手与翻新设备的有效渠道、为下游客户提供可验证的交期与库存承诺，谁就能在供应链重构的窗口期赢得主动权。 |
|
