维科网人工智能 7 月 8 日消息，据 The Information 报道，智谱 AI 正与国内多家芯片设计公司接触，计划为旗下 GLM 大模型定制专属处理器。数据显示，GLM-5.2 上线 Vercel 模型聚合平台首周，日均 Token 调用量激增 27 倍。然而，模型热度飙升背后是巨大的算力成本压力：英伟达高端芯片禁售、华为昇腾产能排队、国产替代尚在爬坡期。智谱此举并非跨界冲动，而是商业模式跑通后，供应链压力向底层硅片传导的必然结果。
模型爆发引发算力危机
智谱当前面临的局面错综复杂。今年 6 月发布的 GLM-5.2 采用 745 亿参数 MoE 架构，支持 100 万 Token 上下文，性能对标 Anthropic 的 Claude Opus 级别，且基于 MIT 协议全量开源。发布当日，其 Coding Plan 套餐即告售罄。Coinbase CEO 公开表示正在测试该模型以降低成本，甲骨文云也接入了部署服务。
尽管开源模型允许用户本地运行，但大量开发者仍倾向于购买 API 服务。智谱正将商业模式从“本地部署”转向“按量收费”的 API 模式，虽提升了收入可持续性，却也独自承担了高昂的推理算力成本。正如餐饮外卖单量越大，后厨能耗越高，智谱的“水电煤”供应却并不稳定。
自 2025 年被列入美国实体清单后，智谱无法采购英伟达 AI GPU，目前主要依赖华为昇腾、其他国产芯片及部分库存。虽然今年 1 月智谱发布了首款全流程使用华为芯片训练的图像生成模型，但受限于美国对晶圆厂先进制造设备的管制，以及软硬件适配的高昂成本，瓶颈依然存在。
智谱计划下半年部署华为昇腾 950 平台以缓解压力，但该芯片产能同样紧张，2026 年出货目标虽上调至 75 万片，订单却已排至字节、腾讯、阿里等大厂之后。模型迭代速度越快，算力供给滞后的矛盾愈发凸显。
自研芯片：从可选项到必选项
智谱并非首家动此念头的模型公司。大洋彼岸，OpenAI 今年 6 月发布自研推理芯片 Jalapeño，由博通设计、台积电 3nm 代工，从立项到流片仅耗时 9 个月，预计可降低约 50% 算力成本。谷歌 TPU 已迭代七代，亚马逊、微软及 Anthropic 均在布局自研芯片。
国内方面，路透社报道 DeepSeek 正研发 AI 推理芯片，阿里平头哥、百度昆仑芯等也已推出相关产品。模型公司自研芯片正成为行业趋势。需明确的是，此类芯片多为针对特定模型优化的 ASIC（专用集成电路），旨在降低推理成本而非替代通用 GPU。
推理成本具有持续性，且瓶颈在于内存带宽而非计算能力。OpenAI 的 Jalapeño 便专为减少数据移动、提升利用率而设计。智谱的目标亦是定制推理专用 ASIC，以压低 Token 运行成本。
然而，智谱与 OpenAI 处境迥异。受实体清单限制，智谱无法通过台积电代工，大概率需选择中国晶圆厂。目前中芯国际先进制程等效 7nm，与台积电 3nm 存在两三代差距，意味着同面积芯片晶体管密度更低、能效比更差。
国产芯片格局与智谱的挑战
国内 AI 算力芯片已形成三大梯队：第一梯队华为昇腾，全栈自研，2025 年累计出货约 81 万张；第二梯队寒武纪，专攻推理，2025 年首次盈利，MLU590 已在字节跳动大规模部署；第三梯队摩尔线程和沐曦，增速快但体量尚小。
智谱虽已使用华为昇腾，但通用推理卡并非为 GLM 量身定制，且面临产能分配难题。自研芯片虽前期投入大，却能保障供应安全并优化长期成本。
但这条路充满挑战。据报道，该项目尚处早期，未选定设计方。从组队、设计到流片、适配，周期至少两年，芯片最快 2028 年上线。届时 GLM 可能已迭代至更高版本，而芯片设计需锁定架构，这就陷入了“芯片开发以年计，模型迭代以月计”的悖论。
此外，智谱已在港交所上市，市值约 1000 亿美元，并计划科创板双重上市。作为上市公司，高昂的研发支出需向投资人交代回报率。若芯片落地时模型已换代，或将面临股东质疑。
结语
智谱造芯是被逼出的本能反应。面对用量暴涨与算力受限的双重挤压，向上游延伸是少数可行之路。近期中国大模型公司集体“内卷”，从模型层下沉至框架、算力乃至芯片。华为曾用十年千亿投入让昇腾具备竞争力，智谱想在两年内走完此路并不现实，但若此刻不行动，未来将更难追赶对手的步伐。