两条看似无关的新闻，，在6月最后一周先后落地。。。。

6月25日，，OpenAI宣布首款自研AI推理芯片Jalape?o，，与博通联手仅用9个月完成从设计到流片——这家全球最大的GPU买家，，最先自己造芯片了。。。。

6月30日，，半导体研究机构SemiAnalysis在社交平台果真宣布：英伟达原版4芯片Rubin Ultra已在GTC 2026宣布仅三个月后遭作废，，新版性能缩水近半。。。。"这一切爆发的配景是，，"该机构增补道，，"英伟达的市场份额正在被侵蚀。。。。"

而早在去年，，媒体爆出Anthropic的年化营收已迫近70亿美元，，旗下Claude Code在推出两个月内创立了5亿美元年化收入。。。。而驱动这一切的算力底座，，已经不再只有英伟达——谷歌TPU肩负训练、亚马逊Trainium认真推理、英伟达GPU退居为"研究探索"的第三选项。。。。

三条新闻，，指向统一个问题：CUDA护城河——英伟达最结实也最被神话的竞争壁垒——正在泛起裂痕。。。。

87%到75%，，英伟达的"不可替换"正在瓦解

先看一组数字。。。。

据Silicon Analysts基于英伟达/AMD财报及台积电产能分配数据的估算，，英伟达在AI加速器市。。。。ò词杖爰疲┑姆荻罟旒Ｈ缦拢

可以看到，， 英伟达的收入仍在增添——从150亿到1500亿，，四年十倍。。。。但份额从87%岑岭滑向75%，，意味着增量市场中有越来越大的一块被切走了。。。。

切走这块蛋糕的，，不是某一个敌手，，而是来自周围八方的竞争：谷歌TPU、亚马逊Trainium、微软Maia、Meta MTIA、博通定制的XPU——尚有刚加入的OpenAI。。。。

博通CEO陈福阳在2026财年一季报电话会上透露了一个此前未果真的数字：博通AI半导体收入已抵达84亿年化运行率，，同比增添10684亿年化运行率，，同比增添106400-500亿的年度轨迹冲刺。。。。这家公司已经签下了六个超大规？？？突涠ㄖ艫I芯片，，OpenAI是第六个。。。。

换句话说，，全球最大的几家云盘算公司和AI公司，，不约而同地选择了统一个偏向：自己造芯片。。。。

Anthropic的选择

若是说市场份额数据是酷寒的统计，，那Anthropic的案例就是一个活生生的"去英伟达化"教科书。。。。

Anthropic是现在全球增添最快的AI公司之一。。。。 年化营收迫近70亿美元（2025年同期仅约10亿），，服务凌驾30万家企业客户，，大客户数目同比增添近7倍。。。。Claude Code在推出两个月内创立了5亿美元年化收入，，Anthropic称其为"史上增添最快的产品"。。。。

而驱动这一切的算力底座，，是一种被Anthropic CFO Krishna Rao称为"奇异盘算战略"的三平台架构：

注重最后一列。。。。英伟达GPU排第三，，不是并列，，不是"备选"，，是三个选项里规模最小的谁人。。。。

这不是一个缺钱的小公司在用廉价替换品拼集。。。。这是全球第二大AI公司，，在生产情形中，，用非英伟达芯片驱动其增添最快的产品。。。。

SemiAnalysis在6月30日的帖子中特殊点出了这一点："Claude Code的推理事情有相当大一部分运行在Trainium上，，Claude的训练在TPU上完成。。。。就在一年前，，TPU和Trainium能增添到这种规模，，同时CUDA护城河被缓慢侵蚀，，照旧难以想象的事。。。。"

Anthropic为什么要这样做？？？不是由于TPU和Trainium比H100更强——在绝对性能上它们可能仍有差别。。。。而是由于特定场景下，，专有芯片的性价比远超通用GPU。。。。训练用TPU，，由于谷歌给了几百亿美元的条约和百万颗芯片的供应允许。。。。推理用Trainium，，由于AWS是其主要云服务商、已投资80亿美元，，Project Rainier超算集群完全跑在Trainium 2上，，没有GPU溢价。。。。

亚马逊在Trainium上赌得很大。。。。据其2026年一季报披露，，Trainium产品线已获得凌驾2250亿美元的收入允许，，客户包括OpenAI和Anthropic。。。。AWS的AI收入运行率已凌驾150亿美元，，Bedrock推理服务大部分跑在Trainium上。。。。

这里的要害词不是"性能"，，是"本钱"。。。。推理是天天都在烧钱的事。。。。ChatGPT每次回覆问题、API每次返回代码，，背后都是GPU在跑电。。。。Anthropic用Trainium替换GPU做推理，，不是为了跑得更快，，是为了每花一美元算更多次。。。。

三道侵蚀切口：CUDA护城河从那里裂开

CUDA之以是被视为英伟达最结实的护城河，，是由于它构建了一个"硬件-软件-开发者"的关闭生态：

20年积累，，400万+开发者所有主流ML框架优先为CUDA优化cuDNN、TensorRT、NCCL等优化库形成深度绑定切换本钱以年计，，以亿美元权衡

但2026年的AI芯片竞争，，不再是"做一个比H100快10%的GPU"——那是正面进攻，，无人能赢。。。。侵蚀来自三个侧面：

侵蚀路径一：自研ASIC——不打全战场，，只切最肥的推理蛋糕

这是最致命的路径。。。。它的逻辑不是"我能做得比英伟达好"，，而是"我不需要GPU的所有功效，，我只需要推理"。。。。

一块英伟达H100要做的事：图形渲染、科学盘算、AI训练、AI推理、视频编解码……一块Jalape?o只做一件事：运行OpenAI自己的模子举行推理。。。。前者是瑞士军刀，，后者是一把专砍一种木头的斧头——在特定使命上，，斧头比军刀好用得多，，也自制得多。。。。

OpenAI Jalape?o的定位极其精准： 反面英伟达比万能，，只在推理——这个天天消耗数十亿次API挪用、每年燃烧数亿美元本钱的场景——做到极致。。。。OpenAI官方目的是降低30-50%的推理本钱。。。。在天天烧掉数百万美元推理用度的体量下，，这意味着每年节约数亿美元的纯利润。。。。

并且OpenAI不是第一家。。。。 微软Maia 200（2026年1月宣布）、谷歌TPU Ironwood（第七代，，首款专为推理设计）、亚马逊Trainium 3——四大云厂商所有亮出了自研推理芯片。。。。再加上Meta MTIA和苹果的定制芯片，，全球前七大科技公司中，，只有一家还在"只买不造"——而它也在路上了。。。。

侵蚀路径二：AMD——从"保存"到"可信替换"

AMD的AI GPU收入从2022年的不到10亿美元飙升至2026年预计的150亿美元以上，，四年凌驾15倍增添。。。。

这背后的要害转折点是MI400系列。。。
；；；；贑DNA5架构、432GB HBM4内存、19.6 TB/s带宽，，预计2026年下半年量产。。。。S&P Global展望MI400单系列将孝顺72亿美元收入，，占AMD数据中心营业的25%。。。。

更主要的是客户端的信号。。。。Meta已与AMD签署了高达6吉瓦的采购允许——这不但是AMD历史上最大的AI芯片订单，，也是一个明确的信号：超大规？？？突г谧龆喙┯ι探峁。。。。

AMD的局限同样显着：台积电CoWoS产能分配仅约11%，，而英伟达占有60%以上。。。。产能天花板决议了AMD短期内无法对英伟达形成数目级攻击。。。。但"可信的第二供应商"这个定位自己，，就已经拆掉了"非英伟达不可"的叙事墙角。。。。

侵蚀路径三：软件层解耦——Triton、JAX和"CUDA-Free"的未来

这是最容易被忽略、但恒久最危险的一条路径。。。。

CUDA的绑定依赖于一个简朴事实：AI研究员写代码用PyTorch，，PyTorch底层跑在CUDA上。。。。但若是PyTorch底层不再依赖CUDA呢？？？

这正在爆发。。。。 PyTorch团队已履历证了使用Triton编译器可以实现"CUDA-Free"推理——在H100和A100上运行Llama 3模子，，Triton内核天生的token吞吐量可与CUDA媲美。。。。2026年2月，，Triton推出了新的多后端支持，，允许统一套代码编译赴任别硬件上——AMD GPU、英特尔GPU、甚至种种ASIC。。。。

谷歌的JAX框架走得更远。。。。它从一最先就设计为硬件无关——同样的代码可以在TPU、GPU甚至CPU上运行。。。。Anthropic选择TPU举行训练，，很洪流平上就是由于JAX让它们可以在不重写模子代码的条件下迁徙算力平台。。。。

软件层的解耦意味着什么？？？ 意味着新一代AI研究员可能在从未写过一行CUDA代码的情形下，，训练出最先进的模子。。。。当开发者不再被锁定在CUDA生态中，，"必需买英伟达"的硬逻辑就酿成了"可以买英伟达"的软选择。。。。

Rubin Ultra作废：物理极限的分水岭

回到开篇的新闻。。。。英伟达4芯片Rubin Ultra在宣布三个月后遭作废，，被SemiAnalysis视为"制造执行层面的问题正在让更多市场份额流失"。。。。

手艺原因并不重大。。。。原版Rubin Ultra妄想将4颗盘算芯片+16个HBM4E内存？？？榧稍诩虻シ庾澳，，接纳台积电CoWoS-L工艺。。。。但据Global Semi Research，，4芯片设置下泛起了封装基板翘曲——基板向多个偏向弯曲，，导致盘算芯片无法与基板完全接触。。。。信号传输失效，，芯片基础无法事情。。。。

台积电的备选方案CoPoS（面板级封装）要到2028年底才宇量产。。。。英伟达等不起——以是新版Rubin Ultra回退到2芯片设计，，性能缩水近半。。。。

这件事的象征意义大于现实营业影响。。。。

英伟达仍然会卖掉它能生产的每一块Rubin Ultra。。。。但"从4芯片回退到2芯片"袒露了一个更深层的问题：英伟达的产品迭代速率，，正在撞上物理极限的墙。。。。 更大的芯片→更重大的封装→更高的缺陷率→要么延迟、要么缩水。。。。这是一条不可无限延伸的曲线。。。。

而与此同时，，竞争敌手们正在用另一种方式绕过这面墙：不做更大的芯片，，做更专用的芯片。。。。

定价权的裂痕

英伟达的护城河真正不可撼动的部分，，不是CUDA软件生态，，是制造端。。。。台积电60%的CoWoS先进封装产能握在它手里。。。。这是物理壁垒，，不是软件壁垒。。。。竞争敌手可以写出更好的框架、设计出更高效的ASIC——但在出货量上追赶英伟达，，首先要过台积电产能这一关。。。。

但问题也就在这里：制造壁垒依赖的是一家第三方晶圆厂。。。。它不是英伟达自己能控制的资产。。。。

而英伟达88%的毛利率——H100本钱3320美元、售价28000美元——建设在一个条件上：客户无法脱离它。。。。 若是这个条件从"无法脱离"酿成"性价比最优的选择"，，那定价权就不再是绝对的了。。。。

Anthropic证实晰另一条路：不追求最好的芯片，，追求最适合的芯片。。。。训练用TPU而不是GPU，，不是由于TPU更快，，而是由于谷歌给了足够多的芯片和足够好的价钱。。。。推理用Trainium而不是GPU，，不是由于Trainium更强，，而是由于AWS是战略股东，，Project Rainier绕开了通用GPU的溢价。。。。

当全球第二大AI公司把GPU降级为三大算力平台中最小的一块时，，"必需买英伟达"这件事就不再是铁律了。。。。

英伟达仍然是最好的。。。。头部AI公司没有一个彻底脱离了它——Anthropic保存了一部分GPU用于"前沿研究探索"，，OpenAI的Jalape?o只做推理不做训练，，Meta的MTIA只笼罩推荐系统和内容审核。。。。

但从"只有英伟达"到"英伟达最贵，，先用自制的"，，这中心的差别就是定价权的流失。。。。

市场已经最先为这个可能性重新定价。。。。今年以来，，SemiAnalysis的每一次看空报告都引发相关板块强烈震惊：6月初SOCAMM削减新闻导致美光单日跌13%，，6月10日CPO延迟争议迫使英伟达高管出面辟谣，，6月30日Rubin Ultra作废再度点燃讨论。。。。

这些波动的背后，，是市场在艰难回覆一个以前不需要回覆的问题：若是CUDA不是不可替换的，，英伟达值几多钱。。。。

千般荒芜，，以此为梦
；；；；万里蹀躞，，以此为归。。。。