過去半個月，AI 行業似乎迎來了一個短暫的平靜期。預期中的 GPT-5.6 和 Gemini 3.5 Pro 并未到來，除了 Sonnet 5 的發布和 Fable 5 的回歸，并沒有什么重磅模型面世。但穿透平靜的表象，我們可能正在目睹 AI 產業結構迎來的一場前所未有的密集重組。

6 月 24 日，OpenAI 發布了它的第一顆自研芯片 Jalape?o，一顆專為推理設計的加速器，與 Broadcom 聯合開發，從設計到流片只用了九個月。同一天，OpenAI 宣布與 Broadcom 簽下 10 GW 的算力部署合作協議。一家模型公司開始造芯片，這在兩年前幾乎不可想象。

一周后的新聞密度更高。7 月 1 日，彭博社報道 Meta 正在組建名為 Meta Compute 的云業務部門，計劃對外出售 AI 算力，Meta 股價當天上漲 9%，CoreWeave 下跌 14%，Nebius 下跌 17%。7 月 2 日，微軟宣布成立 Frontier Company，投入 25 億美元、配備 6000 名工程師，專門幫企業客戶部署 AI。

7 月 3 日，韓國媒體披露 Meta 正與三星談判一筆約 65 億美元的芯片代工合同，用三星 2nm 工藝生產下一代自研芯片 MTIA。同一天，彭博社報道 Anthropic 也在和三星接觸，探索自研芯片的可能性，這家此前從未涉足硬件的公司，剛把前 OpenAI 芯片團隊成員 Clive Chan 挖了過來。

再往前推幾周，5 月，Anthropic 簽下 xAI 的 Colossus 1 數據中心，月租 12.5 億美元，合同簽到了 2029 年。6 月，Google 則以每月 9.2 億美元的價格也簽下了 xAI 的算力。SoftBank 宣布成立 SB Neo，從 2027 財年起對外賣算力。

按公司逐條看，這些新聞顯得十分雜亂：做社交網絡的要賣算力，做模型的要造芯片，做操作系統的要派工程師上門駐場，做火箭的靠出租數據中心每月進賬 21 億美元。但如果換一個坐標系，以算力的流向為線索把它們重新排列，我們可能會看到一張新的產業地圖：幾乎所有的線，最終都匯向兩家公司。

算力黑洞

大模型軍備競賽已經有三四年，如今能穩定站在美國前沿模型競賽第一梯隊的公司，數來數去可能只剩三家：OpenAI 和 Anthropic 是沒有爭議的兩家，xAI 的 Grok 勉強算半家，但它更大的故事已經變成了出租算力。CryptoBriefing 在 6 月的一份分析中估算，這三家合計消耗了全球 AI 算力的 21%。Google 的 Gemini 勉強也能算半家，但它的情況要更復雜一點。

模型競賽的門票越來越貴，能留在場上的人越來越少，而留下的人對算力的胃口，正在以遠超任何單一供應商供給能力的速度膨脹。

Anthropic 的算力來源幾乎覆蓋了市場上每一個可能的渠道：它從 xAI 手里租下整座 Colossus 1（12.5 億美元/月，到 2029 年）；與 Google Cloud 簽了五年 2,000 億美元的 TPU 使用承諾；拿了 Amazon 的 40 億美元投資，換取 AWS 上的算力接入；還在和 Meta 談判，在 Meta 的基礎設施上運行 Claude 的私有實例。支撐這張清單的是其收入的暴漲：它的 2026 年營收跑率已超過 300 億美元，而 2025 年底這個數字還只是 90 億美元左右。

OpenAI 的路徑不同，但方向一致。截至 2025 年底，它通過微軟 Azure、Oracle 和 CoreWeave 聚集了約 170 萬塊 H100 等效 GPU；Stargate 項目指向更大規模的自有算力；6 月發布的 Jalape?o 則說明，租和買都不夠了，它要開始造。

圖丨Jalape?o 芯片（來源：OpenAI）

當只有兩三個買家有近乎無限的需求，所有擁有算力的人都會變成它們的供應商。這就是過去幾周所有新聞背后共同的引力。

第一個完成角色轉換的是 xAI。它的 Colossus 1 數據中心混用了 H100、H200 和 GB200 三種 GPU，約 22 萬塊卡，混合架構做大規模訓練效率極低，The Information 報道稱其模型浮點利用率只有大約 11%，遠低于行業 35% 到 45% 的基準。

xAI 自己的 Grok 訓練早已搬進了全 Blackwell 架構的 Colossus 2，Colossus 1 就這樣空了出來。空著不如租掉，于是有了 Anthropic 那份 12.5 億美元的月租合同；一個月后，Google 又以每月 9.2 億美元簽下另一部分容量。兩份合同疊加，xAI 每月光租金收入超過 21 億美元。

D.A. Davidson 的常務董事 Gil Luria 說：“Meta 的處境和 SpaceX 非常相似。”

Meta 確實在走同一條路，但有一個關鍵的不同。它擁有超過 130 萬塊高端 GPU，Meta Compute 考慮的兩條路線（托管模型服務或者直接出租原始算力）都指向變現，據報道定價可能比市場低 20% 到 30%，Anthropic 同樣出現在它的潛在客戶名單上。

可它一邊籌備賣算力，一邊又把 2026 年資本支出指引上調到 1,250 億至 1,450 億美元，還掏出 65 億美元找三星代工下一代 MTIA 芯片，原因是臺積電的 2nm 產能已經排滿到 2027 年。一家真正認為自己產能過剩的公司，顯然是不會這樣花錢的。所以，Meta 賣算力更像是在需求追上供給之前，先讓基礎設施自己養活自己。

對新入場者來說，賣算力是增量生意；對原本就以此為生的 neocloud 來說，同樣的新聞就是另一種滋味了。CoreWeave 手握 668 億美元收入積壓，前十大 AI 模型公司中有九家是它的客戶，但它背著 249 億美元的債務，而它最大的客戶之一 Meta，正在變成它的競爭對手。當供應商越來越多、而大買家自己也開始供貨，中間商的議價能力從哪里來，這個問題暫時沒有答案。

而在這張供需地圖上，有一個名字同時出現在兩側：Google。

作為供應商，它與 Anthropic 的五年 2,000 億美元 TPU 協議是 Google Cloud 增長最快的收入來源之一；4 月發布的第八代 TPU 分成了訓練用的 8t 和推理用的 8i，性能功耗比提升 80%；5 月它還和 Blackstone 成立了 50 億美元的合資公司，專門建 TPU 數據中心。

作為采購者，它卻要以每月 9.2 億美元的價格從 xAI 租下約 11 萬塊 GPU，官方解釋是“確保我們有過渡產能來滿足 Gemini Enterprise 超預期的客戶需求”。

這組矛盾是 Google 當前處境的縮影：模型水平不上不下，Gemini 沒有被甩開，也沒有拉開差距；自持算力龐大到可以對外出租，卻仍不夠覆蓋自己的全部需求；向 Anthropic 出租 TPU 賺到了云業務增長最快的一筆收入，同時也在喂養自己在模型市場上最直接的對手。

Google 可能是 AI 行業最后一個試圖維持垂直整合的大公司，芯片、云、模型、企業服務每一層都不想放手。這條路還能不能走通，取決于它能否在每一層都跟上各自最強的專業對手，而眼下，每一層都有人跑得比它更快。

不能只賣工具，還得賣人

算力的重新分配，解決的是“智能由誰生產”的問題。但生產出來的智能怎么裝進千千萬萬家企業，是另一個問題。過去幾周，這個問題也變成了一門獨立的生意。

微軟的 Frontier Company 是其中動靜最大的一個：25 億美元，6,000 名工程師，直接駐場到客戶內部。這個模式不新鮮，二十年前 Palantir 就發明了 Forward Deployed Engineer（FDE，前沿部署工程師）這個崗位，但微軟把它做到了前所未有的規模，口號是“No Pilots. Scale from Day One”，不做試點，直接上生產環境。Satya Nadella 給這件事定的調子很高：“沒有人想看到一個所有公司、所有行業都在向少數幾個模型交出價值的世界。”

分析師 Lane Shelton 對微軟的這步棋給出了一個精準的概括：“免費部署是獲客成本，消費計量是回收手段，微軟在 Azure 遷移上跑通過這套打法。”他同時提醒客戶：“一個駐場的 Frontier 工程師幫你設計 AI 系統，本質上是把微軟的路線圖裝進了你的架構。”

微軟之外，6 月 30 日，AWS 公布了 10 億美元的 AI 部署項目；5 月，OpenAI 成立 DeployCo，由 TPG 領投，估值超過 40 億美元；同期，Anthropic 與黑石、高盛組建了 15 億美元的部署合資公司。四個項目合計約 90 億美元，“落地”在幾個月之內已經從一個概念變成了一條賽道。

為什么是現在？數據給出了解釋。Publicis Sapient 的調查顯示，73% 的企業說自己在用 AI，但只有 10% 說 AI 已經進入核心運營；德勤 2026 年的報告里，91% 的中國受訪制造企業表示 AI 實施未達預期。

企業不是不想用，而是不會用。現如今各類 AI 工具已經足夠多了，而缺少的是把工具嵌進業務流程的人。這種稀缺直接反映在人力市場上：招聘平臺的 FDE 崗位今年上半年同比增長 2,100%，字節跳動豆包團隊給 FDE 開出的月薪是 3.5 萬到 7 萬元。AI 公司正在從賣軟件，轉向賣軟件加賣人。

自研芯片潮

落地層的獨立還只是服務模式的變化，產業鏈最底層的重組，動的則是英偉達的根基。

兩年前，AI 芯片的故事等于“誰能從英偉達搶到更多 GPU”。現在的問題變成了誰能設計自己的芯片、誰能搶到代工產能。OpenAI 的 Jalape?o 只用于自有基礎設施，不對外銷售，九個月完成從設計到流片，設計流程的一部分還用了自家模型來加速；與 Broadcom 的 10 GW 合作也說明這絕對不只是一個實驗性項目。

Anthropic 剛剛起步，芯片做什么、架構是什么我們都尚不得而知，目前已知的是它同時在和三星、微軟以及英國初創公司 Fractile 接觸，三星還是它 5 月那輪 650 億美元融資的投資方之一。而 Meta 的 MTIA 已經迭代到第四代，兩年四代，每六個月一代。

而自研潮的效果已經反映在市場份額上：行業分析顯示，英偉達在 AI 加速器市場的份額預計將從 86% 降至 75% 左右，自研 ASIC 在先進封裝出貨量中的占比則從 20% 到 30% 升向 45%。英偉達的應對是從賣芯片轉向賣系統，NVLink Fusion 允許客戶的自研芯片接入英偉達的機架架構，就算你不買它的 GPU，它也要留在你的系統里。

不過，想造芯片的公司最終都會在同一個地方排隊：先進封裝。臺積電的 CoWoS 產能超過 70% 被英偉達鎖定，自研芯片繞得開英偉達的 GPU，繞不開這道工序。真正的瓶頸從來不在設計，而在產能。

分工的不穩定

把這半個月的新聞重新串起來，一個分工的輪廓已經清晰：訓練前沿模型變成了只有兩三家公司能做的事，為它們服務則變成了所有人都想做的生意。算力正在從稀缺資源變成多方供給的商品，真正稀缺的，是訓練出下一代最強模型的能力。

但這個分工從成形的第一天起就不穩定。前沿模型公司在向兩端延伸，上游造芯片，下游做落地；算力供應商不甘心只做房東，Meta 還留著自己的模型野心；Google 哪一層都不想放棄。

每一個“新分工”的背后，都有一筆還沒來得及消化的舊投資：Meta 建了太多數據中心，xAI 的舊集群不適合訓練，微軟和 OpenAI 的獨家關系到了頭。眼下的秩序，與其說是產業成熟的標志，不如說是各家消化錯配的臨時安排。

這套分工能維持多久，也許取決于一個更簡單的問題：下一代最強模型發布的時候，它跑在誰的芯片上、誰的數據中心里。以及，盡管遠在大洋彼岸，且屬于兩個完全不同的產業體系，但與中國模型（尤其是開源模型）的競爭，也將不可避免地對這套分工產生相當重要的影響。

參考資料：

1. https://www.reuters.com/business/meta-sell-excess-ai-computing-capacity-via-cloud-business-bloomberg-news-reports-2026-07-01/

2. https://www.cnbc.com/2026/07/01/meta-stock-cloud-ai-compute.html

3. https://openai.com/index/openai-broadcom-jalapeno-inference-chip/

4. https://www.thestreet.com/technology/anthropic-samsung-custom-chip-talks

5. https://techcrunch.com/2026/05/20/anthropic-will-pay-xai-1-25-billion-per-month-for-compute/

6. https://cryptobriefing.com/openai-anthropic-xai-global-ai-compute/

注：封面/首圖由 AI 輔助生成