AI产业正在围着OpenAI和Anthropic两家公司打转|gpu|openai|微软|知名企业|英伟达|谷歌|高带宽内存

过去半个月，AI 行业似乎迎来了一个短暂的平静期。预期中的 GPT-5.6 和 Gemini 3.5 Pro 并未到来，除了 Sonnet 5 的发布和 Fable 5 的回归，并没有什么重磅模型面世。但穿透平静的表象，我们可能正在目睹 AI 产业结构迎来的一场前所未有的密集重组。

6 月 24 日，OpenAI 发布了它的第一颗自研芯片 Jalapeño，一颗专为推理设计的加速器，与 Broadcom 联合开发，从设计到流片只用了九个月。同一天，OpenAI 宣布与 Broadcom 签下 10 GW 的算力部署合作协议。一家模型公司开始造芯片，这在两年前几乎不可想象。

一周后的新闻密度更高。7 月 1 日，彭博社报道 Meta 正在组建名为 Meta Compute 的云业务部门，计划对外出售 AI 算力，Meta 股价当天上涨 9%，CoreWeave 下跌 14%，Nebius 下跌 17%。7 月 2 日，微软宣布成立 Frontier Company，投入 25 亿美元、配备 6000 名工程师，专门帮企业客户部署 AI。

7 月 3 日，韩国媒体披露 Meta 正与三星谈判一笔约 65 亿美元的芯片代工合同，用三星 2nm 工艺生产下一代自研芯片 MTIA。同一天，彭博社报道 Anthropic 也在和三星接触，探索自研芯片的可能性，这家此前从未涉足硬件的公司，刚把前 OpenAI 芯片团队成员 Clive Chan 挖了过来。

再往前推几周，5 月，Anthropic 签下 xAI 的 Colossus 1 数据中心，月租 12.5 亿美元，合同签到了 2029 年。6 月，Google 则以每月 9.2 亿美元的价格也签下了 xAI 的算力。SoftBank 宣布成立 SB Neo，从 2027 财年起对外卖算力。

按公司逐条看，这些新闻显得十分杂乱：做社交网络的要卖算力，做模型的要造芯片，做操作系统的要派工程师上门驻场，做火箭的靠出租数据中心每月进账 21 亿美元。但如果换一个坐标系，以算力的流向为线索把它们重新排列，我们可能会看到一张新的产业地图：几乎所有的线，最终都汇向两家公司。

算力黑洞

大模型军备竞赛已经有三四年，如今能稳定站在美国前沿模型竞赛第一梯队的公司，数来数去可能只剩三家：OpenAI 和 Anthropic 是没有争议的两家，xAI 的 Grok 勉强算半家，但它更大的故事已经变成了出租算力。CryptoBriefing 在 6 月的一份分析中估算，这三家合计消耗了全球 AI 算力的 21%。Google 的 Gemini 勉强也能算半家，但它的情况要更复杂一点。

模型竞赛的门票越来越贵，能留在场上的人越来越少，而留下的人对算力的胃口，正在以远超任何单一供应商供给能力的速度膨胀。

Anthropic 的算力来源几乎覆盖了市场上每一个可能的渠道：它从 xAI 手里租下整座 Colossus 1（12.5 亿美元/月，到 2029 年）；与 Google Cloud 签了五年 2,000 亿美元的 TPU 使用承诺；拿了 Amazon 的 40 亿美元投资，换取 AWS 上的算力接入；还在和 Meta 谈判，在 Meta 的基础设施上运行 Claude 的私有实例。支撑这张清单的是其收入的暴涨：它的 2026 年营收跑率已超过 300 亿美元，而 2025 年底这个数字还只是 90 亿美元左右。

OpenAI 的路径不同，但方向一致。截至 2025 年底，它通过微软 Azure、Oracle 和 CoreWeave 聚集了约 170 万块 H100 等效 GPU；Stargate 项目指向更大规模的自有算力；6 月发布的 Jalapeño 则说明，租和买都不够了，它要开始造。

当只有两三个买家有近乎无限的需求，所有拥有算力的人都会变成它们的供应商。这就是过去几周所有新闻背后共同的引力。

第一个完成角色转换的是 xAI。它的 Colossus 1 数据中心混用了 H100、H200 和 GB200 三种 GPU，约 22 万块卡，混合架构做大规模训练效率极低，The Information 报道称其模型浮点利用率只有大约 11%，远低于行业 35% 到 45% 的基准。

xAI 自己的 Grok 训练早已搬进了全 Blackwell 架构的 Colossus 2，Colossus 1 就这样空了出来。空着不如租掉，于是有了 Anthropic 那份 12.5 亿美元的月租合同；一个月后，Google 又以每月 9.2 亿美元签下另一部分容量。两份合同叠加，xAI 每月光租金收入超过 21 亿美元。

D.A. Davidson 的常务董事 Gil Luria 说：“Meta 的处境和 SpaceX 非常相似。”

Meta 确实在走同一条路，但有一个关键的不同。它拥有超过 130 万块高端 GPU，Meta Compute 考虑的两条路线（托管模型服务或者直接出租原始算力）都指向变现，据报道定价可能比市场低 20% 到 30%，Anthropic 同样出现在它的潜在客户名单上。

可它一边筹备卖算力，一边又把 2026 年资本支出指引上调到 1,250 亿至 1,450 亿美元，还掏出 65 亿美元找三星代工下一代 MTIA 芯片，原因是台积电的 2nm 产能已经排满到 2027 年。一家真正认为自己产能过剩的公司，显然是不会这样花钱的。所以，Meta 卖算力更像是在需求追上供给之前，先让基础设施自己养活自己。

对新入场者来说，卖算力是增量生意；对原本就以此为生的 neocloud 来说，同样的新闻就是另一种滋味了。CoreWeave 手握 668 亿美元收入积压，前十大 AI 模型公司中有九家是它的客户，但它背着 249 亿美元的债务，而它最大的客户之一 Meta，正在变成它的竞争对手。当供应商越来越多、而大买家自己也开始供货，中间商的议价能力从哪里来，这个问题暂时没有答案。

而在这张供需地图上，有一个名字同时出现在两侧：Google。

作为供应商，它与 Anthropic 的五年 2,000 亿美元 TPU 协议是 Google Cloud 增长最快的收入来源之一；4 月发布的第八代 TPU 分成了训练用的 8t 和推理用的 8i，性能功耗比提升 80%；5 月它还和 Blackstone 成立了 50 亿美元的合资公司，专门建 TPU 数据中心。

作为采购者，它却要以每月 9.2 亿美元的价格从 xAI 租下约 11 万块 GPU，官方解释是“确保我们有过渡产能来满足 Gemini Enterprise 超预期的客户需求”。

这组矛盾是 Google 当前处境的缩影：模型水平不上不下，Gemini 没有被甩开，也没有拉开差距；自持算力庞大到可以对外出租，却仍不够覆盖自己的全部需求；向 Anthropic 出租 TPU 赚到了云业务增长最快的一笔收入，同时也在喂养自己在模型市场上最直接的对手。

Google 可能是 AI 行业最后一个试图维持垂直整合的大公司，芯片、云、模型、企业服务每一层都不想放手。这条路还能不能走通，取决于它能否在每一层都跟上各自最强的专业对手，而眼下，每一层都有人跑得比它更快。

不能只卖工具，还得卖人

算力的重新分配，解决的是“智能由谁生产”的问题。但生产出来的智能怎么装进千千万万家企业，是另一个问题。过去几周，这个问题也变成了一门独立的生意。

微软的 Frontier Company 是其中动静最大的一个：25 亿美元，6,000 名工程师，直接驻场到客户内部。这个模式不新鲜，二十年前 Palantir 就发明了 Forward Deployed Engineer（FDE，前沿部署工程师）这个岗位，但微软把它做到了前所未有的规模，口号是“No Pilots. Scale from Day One”，不做试点，直接上生产环境。Satya Nadella 给这件事定的调子很高：“没有人想看到一个所有公司、所有行业都在向少数几个模型交出价值的世界。”

分析师 Lane Shelton 对微软的这步棋给出了一个精准的概括：“免费部署是获客成本，消费计量是回收手段，微软在 Azure 迁移上跑通过这套打法。”他同时提醒客户：“一个驻场的 Frontier 工程师帮你设计 AI 系统，本质上是把微软的路线图装进了你的架构。”

微软之外，6 月 30 日，AWS 公布了 10 亿美元的 AI 部署项目；5 月，OpenAI 成立 DeployCo，由 TPG 领投，估值超过 40 亿美元；同期，Anthropic 与黑石、高盛组建了 15 亿美元的部署合资公司。四个项目合计约 90 亿美元，“落地”在几个月之内已经从一个概念变成了一条赛道。

为什么是现在？数据给出了解释。Publicis Sapient 的调查显示，73% 的企业说自己在用 AI，但只有 10% 说 AI 已经进入核心运营；德勤 2026 年的报告里，91% 的中国受访制造企业表示 AI 实施未达预期。

企业不是不想用，而是不会用。现如今各类 AI 工具已经足够多了，而缺少的是把工具嵌进业务流程的人。这种稀缺直接反映在人力市场上：招聘平台的 FDE 岗位今年上半年同比增长 2,100%，字节跳动豆包团队给 FDE 开出的月薪是 3.5 万到 7 万元。AI 公司正在从卖软件，转向卖软件加卖人。

自研芯片潮

落地层的独立还只是服务模式的变化，产业链最底层的重组，动的则是英伟达的根基。

两年前，AI 芯片的故事等于“谁能从英伟达抢到更多 GPU”。现在的问题变成了谁能设计自己的芯片、谁能抢到代工产能。OpenAI 的 Jalapeño 只用于自有基础设施，不对外销售，九个月完成从设计到流片，设计流程的一部分还用了自家模型来加速；与 Broadcom 的 10 GW 合作也说明这绝对不只是一个实验性项目。

Anthropic 刚刚起步，芯片做什么、架构是什么我们都尚不得而知，目前已知的是它同时在和三星、微软以及英国初创公司 Fractile 接触，三星还是它 5 月那轮 650 亿美元融资的投资方之一。而 Meta 的 MTIA 已经迭代到第四代，两年四代，每六个月一代。

而自研潮的效果已经反映在市场份额上：行业分析显示，英伟达在 AI 加速器市场的份额预计将从 86% 降至 75% 左右，自研 ASIC 在先进封装出货量中的占比则从 20% 到 30% 升向 45%。英伟达的应对是从卖芯片转向卖系统，NVLink Fusion 允许客户的自研芯片接入英伟达的机架架构，就算你不买它的 GPU，它也要留在你的系统里。

不过，想造芯片的公司最终都会在同一个地方排队：先进封装。台积电的 CoWoS 产能超过 70% 被英伟达锁定，自研芯片绕得开英伟达的 GPU，绕不开这道工序。真正的瓶颈从来不在设计，而在产能。

分工的不稳定

把这半个月的新闻重新串起来，一个分工的轮廓已经清晰：训练前沿模型变成了只有两三家公司能做的事，为它们服务则变成了所有人都想做的生意。算力正在从稀缺资源变成多方供给的商品，真正稀缺的，是训练出下一代最强模型的能力。

但这个分工从成形的第一天起就不稳定。前沿模型公司在向两端延伸，上游造芯片，下游做落地；算力供应商不甘心只做房东，Meta 还留着自己的模型野心；Google 哪一层都不想放弃。

每一个“新分工”的背后，都有一笔还没来得及消化的旧投资：Meta 建了太多数据中心，xAI 的旧集群不适合训练，微软和 OpenAI 的独家关系到了头。眼下的秩序，与其说是产业成熟的标志，不如说是各家消化错配的临时安排。

这套分工能维持多久，也许取决于一个更简单的问题：下一代最强模型发布的时候，它跑在谁的芯片上、谁的数据中心里。以及，尽管远在大洋彼岸，且属于两个完全不同的产业体系，但与中国模型（尤其是开源模型）的竞争，也将不可避免地对这套分工产生相当重要的影响。

参考资料：

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/