美國知名風險投資人Martin Casado近日提出一個前瞻性觀點：隨著前沿大模型訓練成本飆升至30億至50億美元，未來每個大模型可能配備一顆專屬定製晶片，以最佳化推理成本。這一判斷基於對大模型經濟性的深入分析。

Casado指出，訓練一個前沿大模型的成本已高達30億至50億美元，而推理階段可能需要創造約100億美元收入才能收回前期投入。在如此龐大的成本基數下，哪怕專屬晶片僅將推理成本降低20%，也能節省下20億美元，這筆節省足以覆蓋一顆定製ASIC（專用積體電路）的研發費用。

這一邏輯的核心在於，大模型的權重相對固定，晶片設計可以圍繞單個模型的特定計算模式進行深度最佳化，從而在推理效率上實現顯著提升。Casado認為，這種“軟硬協同”的模式可能改變當前以通用GPU為主的算力供給格局，催生“一個大模型配一顆專屬晶片”的新形態。

作為風險投資人，Casado的觀點代表了對AI算力成本結構變化的觀察。若這一趨勢成真，不僅會重塑晶片設計行業，也可能影響模型廠商的資本開支策略與AI基礎設施的投資方向。不過，這仍屬行業前瞻性判斷，實際落地尚需技術成熟度與市場需求的進一步驗證。