腾讯买了百度芯片

marsbitPublicado a 2026-06-29Actualizado a 2026-06-29

Resumen

过去二十年,中国互联网大厂追求封闭式垄断,将各类能力集中在一家超级公司内。但近期百度计划分拆芯片业务昆仑芯独立上市,估值或超母公司,同时阿里平头哥也寻求上市,且腾讯已成为昆仑芯客户,这些事件共同标志着行业底层逻辑的深刻转变。 过去芯片是大厂的内部成本中心,主要用于降本。如今,随着AI应用尤其是Agent的爆发,推理需求激增,芯片本身已成为一门可盈利的生意。昆仑芯等产品已从自用扩展到为腾讯、中国移动等多行业客户服务,实现了从成本部门向利润中心的转型。 腾讯采购百度芯片具有象征意义,打破了大厂在基础设施层面“老死不相往来”的传统,意味着头部企业开始接受专业化分工。这类似于手机行业中苹果与三星的关系,竞争与合作并存,也表明国产AI芯片通过了严苛的实用检验。 资本市场正重新评估算力价值。随着英伟达等公司确立“卖铲子”的商业模式,AI基础设施拥有了清晰的商业回报模型。国产芯片公司已跨越“能否做出来”的阶段,进入争夺“国产AI芯片底座”地位的资本竞赛。 全球巨头如OpenAI、谷歌、亚马逊等也都在自研芯片,旨在降低推理成本并构建软硬件协同的壁垒。AI竞争已从模型能力、应用创新,下沉到底层基础设施的效率和成本控制。 总之,昆仑芯等业务的分拆与开放合作,并非大厂衰退,而是中国互联网在AI时代的一次必然解耦。产业链过于庞大,迫使企业从封闭走向开放,通过分工协作构建更庞大的产业生态。互联网时代的“大厂越来越大”正在转变为AI时代的“大厂越来越小”,能力释放以形成更大规模的产业。

过去二十年,中国互联网一直在做一件事:把尽可能多的能力,塞进一家超级公司里。

腾讯做社交,接着做支付、游戏、云计算;阿里做电商,顺手做物流、金融、大文娱;百度做搜索,同时铺地图、搞自动驾驶、卷大模型。

那个时代的逻辑是占山为王。谁拥有的入口和用户最多,谁就是赢家。

但最近几条看似孤立的新闻放在一起,风向彻底变了。

百度计划分拆昆仑芯赴港上市,目标估值约500亿美元。

是什么概念呢?目前百度的总市值也才360亿美元左右。子公司比母公司贵了将近40%。

几乎同一时间,阿里旗下的平头哥也传出独立上市的计划。

更耐人寻味的是The Information的报道显示:腾讯,已经成为昆仑芯的重要客户。

与此同时,根据报道,昆仑芯在路演中提出了一个极其强硬的条件:想认购IPO股票?先承诺采购芯片,金额是认购额的3到7倍。“想当股东,先当客户”。

很多人把这当成单纯的资本游戏。但在我看来,这件事共同指向了中国互联网底层逻辑的变化。

过去,大厂靠封闭和垄断建立护城河;今天,大厂必须靠开放和分工来做大规模。

一、芯片从烧钱黑洞变成印钞机

过去,大厂为什么要做芯片?

答案很简单:为了省钱。

百度需要训练搜索算法和大模型,自研芯片比买英伟达便宜;阿里要支撑庞大的云计算基础,自己做芯片能把硬件成本压下来。

在过去,芯片部门在集团内部归研发管,是纯粹的成本中心。它负责花钱,但不直接产生收入。放在集团内部自给自足,理所当然。

今天,这笔帐被重新算了一遍。

Agent的出现,让整个行业看清了一个残酷的现实,AI最恐怖的消耗,不在大模型研发,而在高频的推理。

每一次AI回答、每一次Agent执行任务、每一次代码生成,背后都在疯狂吞噬Token。Token的底层,就是GPU、推理芯片、网络和数据中心。

当应用端的用户量迈过爆发点,API调用就变成了真金白银的流水。于是一个过去缩在内部,不起眼的硬件研发部门,突然拥有了独立且性感的商业模式:芯片自己,就是一门暴利生意。

根据公开信息,昆仑芯P800已完成规模化验证,2025年至今交付了多个万卡集群,并在全国产集群上完成了文心5.1的训练。它的客户清单,已经从百度自用,快速扩展到中国移动、吉利、南方电网、招商银行,以及腾讯。

当芯片从花钱的部门变成赚钱的生意,分拆独立,就从一种财务手段,变成了不得不做的战略必然。

二、腾讯买百度芯片,比上市本身更重要

The Information的报道里,腾讯的出现是最具戏剧冲突的细节。

过去二十年,中国互联网大厂在基础设施层面几乎是老死不相往来的。阿里的云绝不卖给腾讯,腾讯的技术不可能用百度的底层。每家公司都在用最昂贵的方式,重复造自己的轮子。

今天,腾讯开始采购百度的昆仑芯。它标志着中国AI产业,第一次开始形成真正意义上的成熟分工。

AI时代的基础设施太贵了。芯片研发周期长、资本投入重、人才壁垒高。如果大厂做出来只供自己体系内使用,规模效应就永远上不去,单颗芯片的成本就无法平摊。

最后发现,什么都想自己造,结果就是什么都造不好。

于是,行业开始出现松动。腾讯采购昆仑芯,意味着头部玩家开始接受一件事:最好的AI生态,不需要所有的零件都要自己闭环。

这很像手机行业的苹果和三星。两者在终端市场上杀得你死我活,但iPhone最核心的OLED屏幕,依然离不开三星的工厂。

竞争对手的采购,是最高级别的背书。当腾讯愿意把自己的算力底座分一部分给昆仑芯,说明国产AI芯片已经通过了最严苛的实战检验,连对手都觉得够用、安全。

三、资本市场,开始重新给算力定价

昆仑芯2011年就成立了,为什么偏偏在2026年加速推进上市?

答案其实不在百度身上,在资本市场的标的转变。

五年前,AI芯片只是大厂财报里的研发投入。没有足够大的商业化吞吐量,资本市场绝不会给硬件公司高估值。

今天完全变了。英伟达、三星、SK纷纷打破市值神话,给全球资本市场定下了一个新的锚点:AI时代最大的赢家,往往是卖铲子的人。

尤其是随着今年Agent和多模态应用的爆发,推理需求呈现指数级增长。整个投资界开始重新计算AI公司的价值,过去大家聊参数和打分,今天大家只算Token成本、推理效率和数据中心的利用率。

AI基础设施,第一次拥有了极其清晰、且能跑通的商业回报模型。

昆仑芯不是今天才想上市,是直到今天,资本市场才终于看懂、并愿意给国产AI芯片定一个足够高的价格。

事实上,这已经成为一场集体的资本长征。阿里旗下的平头哥启动独立上市;寒武纪在A股完成了资本验证;壁仞、摩尔线程、沐曦等国产GPU公司均已上市,燧原也都在进入新的IPO节奏。

过去十几年,国产芯片公司最难的课题是证明我做不做得出来以及有没有人肯用。

今天,这个阶段已经过去了。它们要证明的是另一件事:在英伟达之外,谁能成为中国AI时代的国产芯片底座。

四、全球巨头的确定性战争

把视角拉到全球,你会发现大家在做完全一样的事。

OpenAI为什么要自己造芯片?本质是月活用户的调用量太大了,每一次烧的都是真金白银。自研芯片哪怕只把每瓦性能提高20%,一年就能省下几十亿美元。更重要的是,他们明白自己的命运不能只系在英伟达一家供应商身上。

再看其他巨头。谷歌的TPU已经迭代到第8代,是全球最成熟的自研芯片体系;亚马逊有Trainium和Graviton;微软有Maia;Meta有MTIA。

全球头部的AI玩家,已经全部把手伸向了最底层的硬件。

道理极其直接。推理成本是AI公司最大的单项支出,谁能把硬件成本压下来,谁的商业模型才能真正成立。况且,当你同时控制大模型架构和芯片架构时,所能做出的软硬件协同优化,是买外部通用GPU永远无法企及的壁垒。

昆仑芯的IPO只是一个信号,它宣告着中国的AI基础设施,正在正式从大厂的后花园走向公共市场。

五、竞争的维度,彻底下沉

过去两年,所有人都在讨论GPT、Claude、DeepSeek。大家习惯性地认为,大模型的参数和跑分就是AI竞争的全部。

但现在,模型越来越像操作系统。它至关重要,但它不再是唯一决定胜负的变量。

真正决定一家AI公司未来能赚多少钱、能活多久的,是那些更底层、更枯燥的硬指标:

谁能把单个Token的成本压到极致?谁的推理集群效率最高?谁能拥有源源不断、且不受外界干扰的算力供应?

2023年是模型的战争,大家比的是谁聪明;2024年是应用的战争,大家比的是谁有用。

到了2025—2026年,战争沉到了最底层。全球AI竞争,正式进入基础设施的消耗战。

【版面之外】的话:

过去,我们总是习惯用帝国和垄断的视角,去看待中国互联网大厂。

它们像一个个吞噬一切的黑洞,把触角伸向每一个角落,试图在自己的高墙内完成所有的商业闭环。那是一个大厂越来越大,生态越来越封闭的二十年。

但昆仑芯和平头哥的拆分,以及腾讯的下单,亲手给那个时代画上了句号。

这背后不是百度或阿里的衰退,而是一种必然的宿命:AI产业链实在是太庞大了,庞大到没有任何一家超级公司,能够独自吞下完整的基础设施。

模型每天都在迭代,应用每三个月就会洗牌,但底层的芯片、网络和数据中心,一旦建成就是十年的产业底座。

今天表面上看起来是百度和阿里在“拆家”,但实际上,是中国互联网正在完成一次长达二十年的解耦。

互联网时代,大厂越来越大。AI时代,大厂反而越来越小。

它们开始把能力释放出来,组成一个更大的产业。

本文来自微信公众号: 版面之外 ,作者:画画

Preguntas relacionadas

Q文章中提到的腾讯采购百度昆仑芯事件,其核心意义是什么?

A这一事件的核心意义,是中国互联网大厂首次在底层基础设施层面实现开放合作,标志着中国互联网从过去追求封闭垄断的“帝国模式”,转向依靠开放和专业分工来构建产业生态的新阶段。腾讯采购竞争对手的芯片,是对产品最严格的背书,也意味着国产AI芯片已通过实战检验。

Q为什么大厂旗下的芯片公司(如昆仑芯、平头哥)在近期纷纷寻求独立上市?

A主要有三大原因:首先,AI Agent和推理需求的爆发,使芯片从内部成本中心转变为能独立创造巨大收入的盈利业务。其次,英伟达等公司引领了资本市场对AI基础设施的全新估值逻辑,使其能获得远超以往的市值认可。最后,独立发展能让芯片公司摆脱只为母公司服务的局限,面向更广阔的公开市场,实现规模效应并降低成本。

Q文章指出AI全球竞争的维度正在“彻底下沉”,具体下沉到了哪些层面?

AAI竞争的重点正从早期的模型参数与应用创新,下沉到更底层、更硬核的基础设施层面。这些层面包括:单个Token的推理成本、推理集群的整体能效、以及稳定且不受外部干扰的算力供应能力。这意味着一场关于成本控制、运营效率和供应链安全的长期消耗战。

Q文章认为“互联网时代,大厂越来越大。AI时代,大厂反而越来越小”,这句话如何理解?

A在互联网时代,大厂通过不断扩张边界、建立封闭生态来巩固优势,追求“大而全”,因而“越来越大”。但在AI时代,由于产业链(尤其是芯片、算力等基础设施)极其庞大且专业,任何一家公司都无法独自吞下。因此,大厂开始将核心能力(如芯片)分拆独立,成为公共市场的专业服务商,通过开放合作构建更大的产业生态,自身反而变得更聚焦、更“小”。

Q昆仑芯在IPO路演时提出的“想当股东,先当客户”条件,反映了怎样的行业变化?

A这个强硬条件反映了两个关键变化:第一,AI芯片的价值核心已从技术概念转变为实际的市场需求和商业落地能力,投资者需要用真金白银的采购承诺来证明其市场价值。第二,它表明昆仑芯等公司拥有强大的市场信心和话语权,体现了芯片业务从依赖母公司的技术配套部门,转变为具备独立商业模式和市场地位的盈利实体。

Lecturas Relacionadas

You Use Claude and Codex Every Day, but Meta Has Restricted Internal Use

In May, Meta imposed internal restrictions on its engineers regarding the use of Claude Code and Codex, two widely used AI programming tools. Despite being a major client, Meta's guidelines, still in effect, prohibit these external models from being used for specific tasks to prevent potential "escalations with partners." The core concern is "distillation"—the risk that outputs from Claude or Codex could inadvertently contaminate the training data and evaluation processes for Meta's in-house AI coding assistant, MetaCode. If MetaCode is trained or evaluated using data generated by these external models, it risks learning their capabilities rather than developing its own, blurring the line of intellectual origin. The restrictions are precise: engineers cannot use the external models to generate test questions, debug source code, or suggest test cases. AI-generated content is also barred from environments accessible to MetaCode. However, AI can still assist with peripheral tasks like workflow setup and code organization, provided all outputs are manually reviewed. This caution reflects a broader industry dilemma. While distillation is a common technique, using a competitor's model output for training raises legal and ethical questions about the ownership of derived capabilities. Contractual terms from companies like OpenAI and Anthropic explicitly forbid using their outputs to build competing products, putting enforcement power in the hands of rivals. The move is also financially motivated, as Meta seeks to reduce its hefty internal AI spending, estimated in the billions this year. Meta's policy illustrates the delicate balance companies must strike: leveraging powerful external AI tools while safeguarding the integrity and independence of their own AI development. As AI systems increasingly help build other AIs, distinguishing the origin of capabilities becomes a fundamental challenge for the entire industry.

marsbitHace 2 hora(s)

You Use Claude and Codex Every Day, but Meta Has Restricted Internal Use

marsbitHace 2 hora(s)

Why Do We Need an AI Content Perspective Today?

The article "Why Do We Need an AI Content Perspective Today?" explores the complex and often contentious integration of AI into the cultural and creative industries, particularly film and television. It begins with the cancellation of Amazon's AI-generated animation "Punky Duck," highlighting the ethical debates surrounding AI content. AI's rapid advancement is transforming video production, enabling cost-effective, full-length AI films (e.g., "RAPHAEL," "Dreams of Violets") while sparking industry resistance over issues like "synthetic actors." The core debate has shifted from whether to use AI to how to use it responsibly. The article analyzes why AI's entry into film is uniquely unsettling. It distinguishes between "cultural fast food" (short-form, fast-paced content like micro-dramas) and "cultural main courses" (traditional, long-form film/TV). AI currently excels at the former, matching its fragmented narratives, shallow emotional needs, and free-to-consumer models. However, venturing into the latter challenges the human-centric essence of storytelling—creativity, emotional depth, and the unique value of human labor and experience. While AI can generate massive volumes of content and lower costs, it risks devaluing human creativity, leading to homogenized output, and creating unfair competition through potential intellectual property infringement. Its efficiency also amplifies content safety risks, making preemptive governance crucial. To counter these risks, the article proposes establishing clear boundaries guided by a human-centered AI content perspective. It outlines four principles: 1) Amplify, rather than displace, human creative space; 2) Respect and protect human creative output; 3) Ensure human creative control and responsibility remain paramount; and 4) Guarantee transparency and traceability in AI creation. The conclusion emphasizes that humans must act as the "helmsmen" of technology, steering AI development to enhance, not replace, the core human values at the heart of cultural expression.

marsbitHace 2 hora(s)

Why Do We Need an AI Content Perspective Today?

marsbitHace 2 hora(s)

Trading

Spot
活动图片