OpenAI下场造手机芯片：一场重塑AI产业链的阳谋

核心事件： 天风国际证券分析师郭明錤今日发布产业调查报告，披露OpenAI正与联发科（MediaTek）、高通（Qualcomm）合作开发手机处理器，立讯精密（Luxshare）获得独家系统协力设计与制造合同，预计2028年量产。

这一消息迅速在科技圈炸开了锅。表面上，这是一家AI公司要做手机芯片；深层次看，这是OpenAI从纯软件公司向"软硬一体"生态帝国转型的关键一步。

---

一、OpenAI为什么造芯？从软件到硬件的战略野心

OpenAI当下的处境可以用一句话概括：模型能力已够，但成本太高，终端太少。

ChatGPT日活早已突破数亿，但每一条对话背后，是昂贵的GPU集群在燃烧。据估算，GPT-4级别的单次推理成本高达数美分，这对订阅商业模式构成了长期压力。OpenAI要实现从"月付20美元"到"人人可用"的跃迁，必须降低推理成本——而最有效的路径就是自研推理芯片。

更深层的逻辑在于：谁控制了端侧算力，谁就控制了AI的入口。

今天的手机处理器已经不再是单纯的"CPU+GPU"，NPU（神经网络处理单元）正在成为核心战场。苹果A系列芯片的Neural Engine、高通的Hexagon DSP、联发科的APU（AI处理单元）——每一家都在争夺"手机AI"的定义权。如果OpenAI只做云端模型，那么端侧推理的优化权就会被芯片厂商和手机OEM掌握。而端侧AI正是未来三年最大的增量市场：离线语音助手、实时翻译、AI摄影、个人Agent……这些场景需要的是在手机本地流畅运行的模型，而不是每次都要上云。

OpenAI显然不想把这块蛋糕拱手让人。自研手机处理器，意味着他们可以从芯片层面对模型进行深度优化——把GPT系列模型的推理管线直接写进硅片。这不仅是成本控制，更是从应用层到硬件层的垂直整合。

来源：郭明錤天风国际证券产业调查报告（2026年4月27日）

---

二、为什么是联发科/高通，而不是英伟达/台积电？

这个选择值得细品。

为什么不选英伟达？ 英伟达在云端AI芯片领域几乎垄断，但其移动端方案（Tegra系列）早已式微。更重要的是，英伟达的CUDA生态以云端训练为核心，与手机端侧推理的需求不匹配。OpenAI需要的是低功耗、高能效比的移动SoC方案，而不是动辄300W的GPU。此外，英伟达自身也在推AI手机，与OpenAI存在潜在的竞争关系。

为什么不选台积电？ 台积电是纯粹的晶圆代工厂，不提供芯片设计能力。OpenAI如果直接找台积电，需要自己完成从架构设计到IP集成的全流程，这对一家AI软件公司来说难度太大、周期太长。而联发科和高通恰恰在移动SoC的IP集成和功耗优化上积累了二十年经验。

联发科和高通能带来什么？

联发科近年来在高端市场攻势凌厉。天玑系列芯片的APU性能不断攀升，在能效比上已经能与高通骁龙掰手腕。更重要的是，联发科的商业模式更加灵活，愿意与客户深度定制——这对OpenAI这样的"跨界玩家"格外友好。

高通则拥有最强的移动端AI生态积累。其骁龙平台集成了Hexagon DSP和Adreno GPU的异构计算能力，开发者工具链（Qualcomm AI Engine、SNPE）成熟度最高。但高通对客户定制化的开放度通常不如联发科，这可能是双方合作中需要磨合的地方。

这个组合传递的信号是：OpenAI要的不是"造一颗更强的芯片"，而是"造一颗最适合跑OpenAI模型的芯片"。 联发科提供性价比和灵活性，高通提供性能和生态广度，OpenAI提供模型和算法优化——三者的结合，目标直指2028年的AI手机市场。

---

三、立讯精密拿到"系统协力"意味着什么？

郭明錤特意提到了"系统协力设计与制造"这个关键词，给了立讯精密独家合同。这个信息点值得单独拆解。

简单来说，立讯精密不是芯片设计公司，它不做芯片架构。它的角色是系统级整合——把OpenAI的芯片、内存、传感器、天线、散热模块、电池管理全部集成到一个可量产的模组或整机系统中。

这意味着什么？

第一，OpenAI可能不是在造一个"芯片"，而是在设计一个"AI手机子系统"。 这颗处理器不会单独卖给手机厂商，而是以模组或参考设计的形式交付。立讯精密负责将这个模组变成一个可制造的产品。

第二，立讯精密的角色升级了。 这家公司以连接器和精密制造起家，后来切入AirPods组装，再后来进入iPhone整机组装链。现在拿到OpenAI的"系统协力"合同，意味着它从"代工"升级为"方案整合商"——这是一个质的飞跃。

第三，这对整个电子制造服务（EMS）行业是一个信号：AI终端的系统集成正在成为新增长点。 谁能帮AI公司把芯片变为产品，谁就能在下一波浪潮中占据关键生态位。立讯精密拿下的不只是订单，更是未来话语权。

---

四、2028年量产，这四年会发生什么？

从2026年宣布合作到2028年量产，四年时间意味着什么？

2026-2027：架构定义与流片。 双方需要共同定义芯片架构，确定核心IP组合（CPU架构、NPU规格、ISP、Modem等）。第一版流片（Tape-out）预计在2027年完成。对于一个全新设计的移动SoC来说，两年出第一版芯片已经是非常激进的节奏。

2027-2028：验证、优化与试产。 流片完成后需要大量验证工作——功耗测试、性能调优、模型适配、系统稳定性测试。立讯精密在这期间需要完成系统模组的设计和产线搭建。

关键变量一：AI模型的演进速度。 四年后的GPT-6（甚至GPT-7）的参数量和推理方式，与今天截然不同。芯片设计必须"面向未来"——用今天的架构去跑四年后的模型，这是一场赌博。

关键变量二：竞争对手的反制。 苹果已经在自研AI芯片的路上走了很多年，谷歌的Tensor芯片（在Pixel系列中）也迭代到了第三代。到2028年，苹果和谷歌的端侧AI能力可能达到什么水平？高通和联发科一边与OpenAI合作，一边也在服务其他客户，竞争态势复杂。

关键变量三：终端生态的成熟度。 AI手机在2026年仍处于"概念"阶段，到2028年能否形成规模市场，取决于开发者生态和用户接受度。OpenAI需要在四年内同步构建开发者工具链和应用生态。

---

五、对中国AI芯片产业的启示

OpenAI的这一步棋，对中国AI芯片创业公司有清晰的借鉴意义：

1. "生态垂直整合"是AI芯片的终极出路。 纯粹的AI加速器创业（只做芯片，不做应用）越来越难走。OpenAI的模式说明：只有把"算法-芯片-系统"三块打通，才能形成竞争壁垒。中国AI公司如果想造芯，需要一个"贴身合作伙伴"来完成系统级整合——就像OpenAI找到了立讯精密。

2. 手机SoC是AI芯片的最高竞技场。 手机芯片对功耗、面积、成本的要求极为苛刻，能在这里活下来的玩家都有极强的竞争力。中国AI芯片企业即使不做手机SoC，也应该研究手机SoC的优化思路——低功耗高算力的能力是所有AI芯片的通用要求。

3. 供应链主动权比什么都重要。 立讯精密拿到的"系统协力"角色，本质上是一个供应链枢纽。在全球AI竞赛中，谁掌握了从设计到制造再到集成的"整链能力"，谁就有最深的护城河。中国需要更多这样的系统级整合者，而不只是单独的芯片设计公司或组装厂。

4. 软硬一体是"降维打击"的武器。 OpenAI从模型做到芯片，本质上是在用软件优势降维打击硬件市场。中国AI公司如果能在某一垂直领域（如自动驾驶、机器人、智慧安防）实现类似的软硬一体整合，就有可能复刻这种"垂直碾压"效应。

---

最后，这起事件的核心信号是：AI战争已经进入了"全栈攻防"阶段。 不再是一家公司做好模型就能赢，而是要从云到端、从算法到芯片、从设计到制造，在每个链条上都建起自己的壁垒。OpenAI迈出的这一步，只是这场全栈战争的开端。