【赛迪网讯】7月7日，路透社援引三位知情人士报道，DeepSeek正在开发自有AI芯片。芯片定位专攻推理，而非训练。项目大约在一年前启动，目前仍处于早期阶段。DeepSeek已与芯片设计公司、晶圆代工厂和存储器供应商展开接洽，过去几个月还在秘密扩充芯片设计团队，所有岗位均通过行业内推定向招募。

同一天，智谱AI也传出类似消息。The Information报道称，随着GLM系列模型需求增长，智谱正在评估自研定制AI芯片的可能性。智谱近期已向部分国内芯片设计公司进行初步询问。

这不是中国故事独有的版本。6月24日，OpenAI公开了与博通联合设计的首款定制推理芯片Jalapeño，样片已在实验室运行，计划年底部署。4月，Anthropic被曝考虑自研芯片，6月挖来了OpenAI芯片项目的核心工程师。谷歌有TPU，亚马逊有Trainium和Inferentia，微软有Maia，Meta有MTIA。

为什么偏偏是现在？

一个残酷的事实是算力账单。训练一个前沿模型固然烧钱，但训练是阶段性的，推理却发生在每一次真实使用中。模型用户越多、Token吞吐越大，推理成本就越像水电费一样持续累积。机构数据显示，生产环境中推理可占模型生命周期计算成本的80%至90%。

与此同时，出口管制限制了先进英伟达芯片的对华供应。而智谱AI的GLM-5.2在海外开发者平台Vercel上的日Token使用量，一周内暴涨了27倍。DeepSeek的模型以极低成本的高性能吸引了海量的全球API调用，但芯片供应却捉襟见肘。

DeepSeek自研芯片的底气来自一笔巨额融资。2026年6月，DeepSeek完成了成立以来的首轮外部融资，筹集约510亿元人民币（约74亿美元），投后估值在520亿至590亿美元之间。此前多年，DeepSeek一直拒绝外部投资，创始人梁文锋多次表示“不缺钱”“不想被资本裹挟”，此次开放融资本身就是重大战略转向。资金用途也很明确：扩建以国产芯片为主的算力中心、自研AI芯片、扩充全球顶尖人才团队。

但造芯片远比造大模型更像一场豪赌。路透社今年4月援引行业人士估算，设计一款先进AI芯片的成本可能达到约5亿美元。这还只是设计、工程与验证阶段的投入，并不意味着芯片一定能顺利进入大规模生产。国内顶尖芯片设计人才本就稀缺，寒武纪、海光、壁仞等公司早已把人才市场“扫”过数轮。

从商业逻辑上看，大模型公司造芯并非冲动。英伟达GPU像一把瑞士军刀，训练、推理、科学计算都能迅速适配，但一个只需要长期运行固定大模型负载的公司，未必愿意永远为这种通用性付费。专用推理芯片（ASIC）剥离了所有冗余电路，天生为特定算法的矩阵计算而生，具备远超通用GPU的能效比和更低的量产成本。Trendforce预测，到2026年ASIC的增长率将达到44.6%，而GPU的增长率为16.1%。

对DeepSeek而言，即使已经适配华为昇腾，也只是换了一个供应商，并未真正消除单点风险。自研芯片一旦成功，得到的将不只是更低成本，而是对底层算力更强的控制权。所以，DeepSeek、智谱等国产模型公司造芯，同时包含了三个层面的考量：Token成本账、供应安全账、地缘政治账。

消息传出当日，英伟达盘前股价下跌约1.6%。1.6%看着不大，但对一家万亿市值的巨头而言，是上百亿美元的蒸发。

从早期依赖英伟达H800训练R1模型，到转向华为昇腾部署V4，再到如今亲自下场设计推理芯片，DeepSeek的算力路线变迁，几乎就是中国AI产业算力自主化进程的微缩样本。这条路能否走通，至少还需要两到三年才能验证。芯片从试产、制造到实际上线，预估至少需要2年时间。但方向已经很明确，头部大模型公司正在撕下纯算法公司的标签，把战火烧到了芯片这个最硬核的战场。（文/金烨）