近日，兩則消息接連引爆科技圈：首先是路透社報導 DeepSeek 已秘密推進自研 AI 推理晶片項目逾一年，隨後 The Information 披露智譜 AI 正與中國芯片設計廠商接洽，評估定製化 AI 晶片方案。在短短 48 小時內，中國大模型第一梯隊的兩家代表企業先後將觸角伸向了算力最底層的矽基世界。這並非孤立事件，從 OpenAI 的 Jalapeo 晶片到 Anthropic 的造芯計劃，從 Google TPU 到 Amazon Trainium，全球頭部 AI 玩家競爭早已越過模型層，下沉到硬件最深處。
當 DeepSeek 與智譜相繼踏上這條重資產賽道，標誌著中國 AI 產業正式從「算法優先」的上半場，邁入「軟硬全棧」的下半場。
這場由外部管制與內部需求共同催生的造芯運動，正重構整個行業的成本結構、競爭壁壘與供應鏈格局。雖然消息幾乎同時釋出，但兩家公司的造芯進度與路徑選擇卻呈現出明顯差異。DeepSeek 的晶片項目啟動較早、推進更深。據知情人士透露，該項目約在一年前便已秘密啟動，核心定位是推理專用晶片，不承擔大模型訓練任務。目前 DeepSeek 已與晶片設計公司、晶圓代工廠及儲存廠商展開多輪洽談，並在近幾個月通過非公開渠道大規模招聘晶片設計工程師，團隊擴張動作極為低調。
這一選擇與 DeepSeek 的技術基因高度契合。創始人梁文鋒曾在 2024 年罕見接受訪問時坦言，晶片供應不足是公司面臨的核心挑戰之一。從早期依賴英偉達 H800 訓練 R1 模型，到 2026 年 4 月發布的 V4 模型全面適配華為昇騰晶片，DeepSeek 的算力路線始終在動態調整。而 V3.1 版本中引入的 UE8M0 FP8 數據格式，早已被業內解讀為「算法團隊在寫模型時就開始為硬件特性做準備」。
一個月前，DeepSeek 完成約 510 億元人民幣的首輪外部融資時，「自研 AI 晶片」已被明確列入資金用途，這筆融資為其重資產投入提供了彈藥，也讓造芯從戰略構想進入落地階段。
相比之下，智譜的造芯計劃尚處於更早的評估期。據 The Information 報導，智譜近期向多家中國芯片設計公司發出初步諮詢，探討聯合開發專為 GLM 系列模型優化的定製 AI 處理器（ASIC），目前尚未敲定合作夥伴。從組建團隊、晶片設計、流片測試到軟件堆疊適配，整個項目週期預計超過兩年。推動智譜下決心的直接導火索是業務爆發帶來的算力壓力。GLM-5.2 發布後，其在 Vercel 等平台的日均 Token 使用量曾單周暴漲 27 倍，官方 Coding Plan 等付費服務因算力緊缺出現供不應求。
同時，智譜已被列入美國實體清單，高端英偉達晶片的採購通道基本關閉。目前智譜同時採用華為昇騰、其他國產晶片及少量存量英偉達晶片，但華為晶片的軟件適配成本高，產能同樣受外部管制約束，長期算力供給的不確定性迫使智譜尋求更底層的解決方案。兩家公司的共同點清晰可見：都選擇從推理側切入，都走定製化 ASIC 路線，都以「降低外部依賴 + 提升自家模型效率」為雙重目標。這不是盲目跨界，而是經過精密計算的戰略選擇。
大模型公司造芯的三重驅動力
大模型公司造芯並非中國特色，而是全球 AI 產業的共同趨勢。OpenAI 的 Jalapeo 晶片項目已推進多時，Anthropic 也被曝出正在評估自研晶片方案， Google 、Amazon、Meta 更是早有佈局。這股浪潮背後，是成本、控制權與架構創新三重驅動力的疊加。第一重驅動：推理成本失控，自研是終極降本手段。算力成本是大模型公司最大的運營支出，佔比普遍超過 60%。
訓練是一次性的重投入，而推理是永不停歇的流水消耗——每一次用户提問、每一行代碼生成、每一張圖片輸出，都在實時燃燒算力。隨著 AI 應用規模化鋪開，行業算力需求的重心正快速從訓練向推理傾斜。
英偉達 GPU 的毛利率長期維持在 60% 以上，高端 AI 晶片更是賣方市場。對於日均 Token 調用量數十億級別的頭部廠商而言，每 Token 成本下降一分錢，全年便能節省數億元開支。自研 ASIC 晶片雖然前期投入巨大，但針對特定模型優化後，單位推理成本可比通用 GPU 降低 30%-50%，功耗下降更為顯著。當業務規模達到臨界點，自研晶片的投資回報曲線就會翻轉——這是一筆越用越划算的賬。
第二重驅動：供應鏈主權，在地緣不確定性中押注確定性。對於中國 AI 企業而言，造芯的緊迫性比海外同行更強。自 2022 年以來，美國對中國 AI 晶片的出口管制持續升級，從 A100/H100 到 H800/A800，再到 H20，每一次管制收緊都在壓縮可用算力空間。今年 4 月，美國一度禁止 H20 對華出口，雖然後續恢復但附加了 15% 收入上繳條件，供應鏈的政治風險持續走高。
DeepSeek 與智譜均已深度依賴國產算力替代，但華為昇騰同樣面臨製造端的管制壓力，產能擴張受限。將全部算力身家寄託於單一供應商，無論對方是英偉達還是華為，都存在系統性風險。自研晶片並不是要完全替代第三方，而是建立「備胎」與「議價權」——有了自研能力，在與上游晶片廠商的談判中便有了底牌，供應鏈安全也多了一層保險。
第三重驅動：架構自由，打破通用硬件的天花板。降本與安全是表層原因，更深層的邏輯在於：GPU 本質上是為圖形渲染設計的通用計算架構，用它跑大模型天然存在架構冗餘。圖形渲染管線、通用計算單元、複雜的緩存層級——許多硬件模塊對 Transformer 推理而言是不必要的負擔。自研晶片可以從指令集層面為大模型量身定製：砍掉無關模塊，增加 Transformer 專用加速單元，優化高帶寬內存接口，針對自家模型的參數規模、計算模式、數據格式做深度調優。
這就是「算法定義晶片」的思路——不是讓模型去適配硬件，而是讓硬件去服務模型。 Google TPU 四代迭代的經驗已經證明，專用架構在 AI 訓練與推理效率上能持續拉開與通用 GPU 的差距。
值得注意的是，DeepSeek 與智譜都將首款自研晶片定位於推理場景，而非訓練。這一看似保守的選擇，實則是綜合了技術難度、商業價值與產業現狀後的最優解。訓練晶片的技術門檻遠高於推理晶片。大模型訓練需要極高的算力密度、極快的晶片間互聯帶寬、極大的顯存容量，對製造工藝的要求也最為苛刻。7nm 以下的先進製程是訓練晶片的標配，而這恰恰是中國半導體產業鏈的短板。強行自研訓練晶片，很可能陷入「設計得出、造不出」的困境。
推理晶片則不同。推理對單晶片算力峯值的要求低於訓練，更看重能效比、延遲穩定性與成本控制。中高端製程即可滿足推理晶片需求，國內晶圓廠的成熟工藝產能有更大的發揮空間。從推理切入，既能快速驗證技術路線，又能在業務中直接產生經濟效益，投入產出比更優。更重要的是，推理是當前商業化的主戰場。訓練是成本中心，推理才是收入中心。所有 to B 的 API 服務、to C 的產品訂閲，最終都由推理算力承載。
自研推理晶片可以直接作用於營收成本，快速體現在利潤表上。對於已經進入商業化放量階段的頭部大模型公司而言，這是最務實的切入點。
當然，推理優先並不意味著放棄訓練。行業普遍認為，推理晶片驗證成功後，技術積累與團隊能力自然會向訓練側延伸。 Google TPU 也是從推理開始，逐步覆蓋訓練全場景。這是一條由易到難、由點及面的漸進路線。
市場格局的變化與影響
DeepSeek 與智譜相繼造芯，將對中國 AI 晶片產業格局產生連鎖反應。首當其衝的是當前的國產算力主力供應商——華為。華為昇騰目前佔據中國 AI 晶片市場約一半份額，DeepSeek 與智譜都是其重要客户。客户下場自研晶片，短期內不會改變採購格局——畢竟自研晶片量產至少還需兩年，期間兩家公司的算力需求仍將持續增長，對華為的依賴度甚至可能進一步提升。
但從長期來看，這無疑給華為敲響了警鐘。當頭部客户掌握了晶片設計能力，便擁有了議價權與備選方案，不再是單純的甲方乙方關係。更關鍵的是，大模型公司對模型理解更深，做出來的專用晶片在特定場景下的效率可能比通用 AI 晶片更高。如果華為不能持續拉開技術代差，其晶片業務的價值定位將從「不可替代的算力供應方」向「基礎算力底座 + 生態合作夥伴」偏移。
對於英偉達而言，這兩家公司造芯的直接影響反而有限。由於出口管制，英偉達高端晶片在中國市場的份額已大幅萎縮，H20 等特供產品也面臨政策不確定性。DeepSeek 與智譜本就不是英偉達的核心增量客户，它們自研晶片更多是替代國產晶片與存量英偉達晶片，不會對英偉達全球營收構成實質衝擊。真正讓英偉達在意的是信號意義：如果中國大模型公司紛紛走上自研道路，其在中國市場的長期復甦空間將進一步收窄。
更深層的影響在於生態裂變。過去中國 AI 產業的算力生態相對簡單——上層是大模型公司，下層是晶片廠商，中間是雲廠商與算力服務商。大模型公司下場造芯後，產業邊界開始模糊：DeepSeek 和智譜既是晶片廠商的客户，也可能成為競爭對手，還可能通過開放自研晶片的生態吸引更多開發者。這種「垂直整合」趨勢將倒逼產業分工重構。晶片廠商需要更開放地與模型公司合作，甚至提供定製化設計服務；雲廠商需要更靈活地支持異構算力調度；而中小模型公司將面臨更大的成本劣勢——頭部玩家的軟硬件一體化優勢，將進一步拉大行業集中度。
DeepSeek 與智譜的造芯消息，是中國 AI 產業發展的一個標誌性節點。它意味著行業競爭已經從表層的模型效果比拼，深入到底層的算力基礎設施掌控權之爭。過去幾年，中國大模型公司證明瞭自己在算法層面的追趕能力——從追趕到並跑，在部分領域甚至實現了特色化超越。但算力底座始終是懸在頭頂的達摩克利斯之劍。沒有底層硬件自主權，上層再繁榮也是建立在沙灘上的城堡。造芯不是趕時髦，不是講故事，而是生存與發展的必然選擇。
當外部環境持續收緊，當業務規模突破臨界點，當算法優化逼近通用硬件的天花板，往下走、往深走、往根上走，就成了唯一的出路。
這條路漫長、昂貴且充滿風險，但別無選擇。從更宏觀的視角看，DeepSeek 與智譜的探索也將反哺整個國產半導體生態。大模型公司帶來的真實場景需求、對算法與硬件協同的深刻理解，將成為推動國產 AI 晶片迭代的重要力量。客户與供應商的邊界被打破，合作與競爭交織，最終受益的是整個產業的技術進步與自主能力。硅基戰爭的大幕才剛剛拉開。兩年後，當第一批自研推理晶片真正部署上線時，中國 AI 產業的版圖或許將呈現完全不同的面貌。
項目 規格 處理器 自研 AI 推理晶片 電池容量 未披露 儲存空間 未披露 相機像素 未披露
