Deepseek，这回够硬

Deepseek 进军硬件了。

7 月 7 日，据外媒报道，中国人工智能初创公司深度求索正在开发 AI 推理芯片。消息传出，当天英伟达股价盘前下跌约 2%。

媒体援引知情人士消息，该项目 " 始于一年前 "，目前仍处于早期阶段。深度求索近几个月加大了芯片设计工程师的招聘力度，但招聘均在私下进行，未在公开平台发布职位。

在三个星期前的 6 月 16 日，深度求索刚刚完成首轮外部融资，募资总额超 500 亿元，估值超 3300 亿元。6 月 17 日，中国证监会宣布 " 科创板扩容 "，允许未盈利的人工智能大模型企业上市。

全球范围内，AI 大模型企业自研芯片蔚然成风。Meta 第四代自研芯片 Iris 将于 9 月量产；OpenAI 于 6 月发布首款自研推理芯片 Jalapeño；Anthropic 于 4 月公开表示 " 考虑自研芯片 "。

可以说，大模型公司为什么 " 造芯 "、造哪一种芯、怎么造芯，且会带来什么样的影响，是这一波 " 芯浪潮 " 之下最普遍的疑问。而中国顶级大模型公司深度求索，抛出了意料之外、情理之中的答案。

深度求索造芯，堪称 " 大势所趋 "。这是深度求索在外部地缘政治影响、内部供应链压力，以及自身技术优势共同驱动下的必然选择。

2023 年，梁文锋在杭州接受采访时说过：" 我们真正的挑战从来不是资金，而是高端芯片的出口禁令。"

自 2022 年起，受美国严苛的半导体出口管制政策影响，英伟达最先进的 AI 芯片不能通过合法渠道引入中国。深度求索早期的模型靠的是囤积的英伟达 A100，V3 和 R1 模型依赖 " 中国特供版 " 英伟达 H800 芯片训练，但这些芯片先后遭全面禁售。

今年 6 月，美国商务部急发最新 " 指南 "，规定即使中国企业实体身处中国境外——比如在海外设立的研发中心，也将被禁止购买、使用英伟达最先进的 Blackwell 及 Rubin 架构的芯片，完成空间上的 " 全球封堵 "。

实际上，从后续的 V4 和 V4-Flash 大模型开始，深度求索已经全面适配华为芯片昇腾 950PR，其单卡推理性能达到英伟达中国特供版 H20 的 2.87 倍。

针对昇腾 950PR 的架构特征，深度求索定制开发了算法和架构，持续将 Token 推理价格打到 " 白菜价 "。据 OpenRouter 数据显示，美国企业调用中国 AI 的 Token 占比，自今年 2 月起突破 30%，峰值达 46%，比起 2025 年上半年 4% 的水平，涨幅相当明显。

昇腾 950 好是好，但实在供不应求。毕竟它面向的是整个中国人工智能产业的算力需求，客户包括互联网巨头字节跳动、阿里巴巴、腾讯、百度、美团；包括政企巨头中国移动、中国电信、中国联通、国家电网、南方电网；也包括上海、深圳、成都等地方政府智算中心，还包括了各类做算力租赁的中小云厂商。

在代工厂中芯国际的先进制程 " 盘子 " 里，华为一家就占去了近一半的产能分配。就算如此，除去分给华为手机麒麟芯片的产能，留给昇腾芯片的晶圆也所剩无几。其他中国 AI 芯片企业如寒武纪等，还要争夺剩下的份额。

这样一算，与其去争抢紧张之又紧张的先进制程代工份额，中国大模型公司还不如自己打造推理专用的 ASIC 芯片。这类芯片不需要通用 GPU 那么极致的技术，14nm 平台就能做——这部分产能，中芯国际是很充裕的。

而且，深度求索做硬件，底气很足。它就是靠 " 打磨 " 芯片起家的，拥有顶尖的软硬件协同设计能力。

如果用上了自研的专用推理 ASIC 芯片，深度求索还可以再大幅降低 Token 调用成本，构建出更大的性价比优势。同时，近期的巨额融资，也为深度求索提供了充足的 " 子弹 "。

全球顶尖 AI 大模型梯队，都在自研推理专用芯片。OpenAI 与博通合作研发 Jalapeño，Anthropic 也被曝出正在接触三星，Meta 的第四代自研芯片 Iris 将于 9 月量产，特斯拉的 AI5 芯片已面世。而互联网巨头谷歌、亚马逊均已深耕多年，有能力自研训练芯片。

无论天时地利人和，深度求索都走到 " 造芯 " 这一步了。

大模型公司集体下场 " 造芯 "，无一例外，做的都是 ASIC，也叫专用集成电路。

为什么做 ASIC，不用英伟达的 GPU 呢？中国大模型企业买不到英伟达，美国大模型公司总不至于买不到。而这些公司 " 一齐 " 选择 ASIC，主要由需求决定。

英伟达 GPU 是通用处理器，为了兼容图形渲染、科学计算和多种复杂算法，保留了大量闲置的硬件逻辑。而大模型公司的诉求集中且纯粹——只需要芯片能跑特定参数规模的大语言模型。

而且，这些模型公司 " 自研 " 的芯片，只瞄准推理场景，而不是训练场景。训练芯片，需要非常高的算力密度，以及生态兼容度，比如英伟达的 CUDA，门槛很高；而推理阶段的计算模式相对固定，用 ASIC 针对性优化，可以 " 榨干每一寸晶圆 " 的性能。

今年拜 OpenClaw 这只 " 龙虾 " 所赐，大量 AI 应用爆发，每天的线上调用都会产生海量的推理成本。对于大模型公司来说，在固定的推理任务上，一个架构完全定制化的 ASIC，其 Token 的计算成本、功耗和延迟，都会显著优于通用的 GPU 芯片。

另外，自研芯片的 " 自研 " 也 " 有说法 "。一般而言，" 自研 " 包括全栈自研和部分自研，大模型公司肯定不会 " 从头做起 "，它们都是和其他芯片企业合作，自己负责擅长的 " 调校 " 部分。

像 OpenAI 发布的首款自研推理 ASIC 芯片，名叫 Jalapeño，是一种产于墨西哥的著名辣椒。

这款芯片也如辣椒一样强劲火爆：Jalapeño 采用了与苹果 M3、M4 系列以及英伟达 Rubin 架构同级别的台积电 3nm 制程；计算核心采用 " 曝光掩膜板极限尺寸 "，和英伟达 H100 一样庞大；它还堆叠了 8 块的 HBM，一口气能吞下几万亿参数的模型权重。

Jalapeño 具备了顶级训练芯片的材料和体量，但专攻推理，从启动到流片仅耗时 9 个月，可见 OpenAI 砸下血本、快马加鞭，也是为了把 GPT 的运行成本死死压下去。

在分工上，OpenAI 负责定义核心的计算图，指出芯片应该保留哪些数学计算逻辑，砍掉哪些无用的通用图形渲染逻辑；研发推理服务系统，确保芯片适配未来几年内自己的模型技术路线图。

博通本来就是全球 ASIC 定制化设计的 " 无冕之王 "，谷歌的 TPU 就出自它手，它主要负责芯片的前端后端设计、高速互联技术，还出面搞定了台积电 3nm 的 " 宝贵产能 "。

中国大模型公司的 " 造芯 " 思路也差不多。

近日也传出 " 造芯 " 消息的智谱，据悉已经向多家中国本土芯片设计公司如寒武纪、壁仞发出初步询问，评估为自家 GLM 模型定制专属 ASIC 的可行性。该项目处于早期方案接洽阶段，预计两年以上时间才能流片落地。

中美的大模型巨头都从 " 算力买家 " 化身 " 造芯玩家 "，会给全球 AI 产业带来一些深远影响。

首先，" 硬件混搭 " 将成为趋势。

这几年，英伟达凭借硬件的算力，和独一无二的 CUDA 软件生态，除了中国市场，在 AI 领域垄断了超 90% 的市场份额。

各家大模型公司自研芯片，会最先打破英伟达的 " 寡头 " 局面：训练芯片归英伟达，推理芯片自己做；同时，采用 Triton、OpenXLA 等开源或自研编译器生态，不再被 CUDA" 锁死 "。

英伟达 CEO 黄仁勋多次对大模型巨头、云厂商自研 ASIC 表达强硬的观点，他认为 ASIC 缺乏灵活性，硬件过于固化、无法应对推陈出新的大模型架构；工程难度高，"90% 的 ASIC 项目以失败告终 "；即使对手芯片 " 零成本 "，英伟达的总拥有成本（TCO）也依然更低。

不过，黄仁勋到底老谋深算，虽然口头上强硬反对，但商业动作极其务实。英伟达推出 NVLink Fusion 技术平台，开放其看家本领 " 高速互联 " 技术。

这意味着，如果科技巨头非要自己造芯片，英伟达也不强求你买它的 GPU，但是你可以把自研的 ASIC 接入到英伟达的 NVLink 网络中——不买芯片，互联 " 过路费 " 总要交一交。

其次，AI 推理成本再降，应用大爆发来临。

有研究显示，用定制 ASIC 替代 GPU，单位 Token 的计算成本和功耗将降低 50% 或更多。推理成本的暴跌，会促进更多的 AI" 助理 " 低成本地嵌入各类日常生活软件和硬件中去。AI 应用会进一步爆发，从高能耗的 " 奢侈品 " 变成普惠性的 " 基础设施 "。

再次，行业生态迎来洗牌，有人欢喜有人忧。

博通、迈威尔以及中国本土的定制芯片设计公司，都会成为大模型企业的座上宾，历史性的 " 造富 " 机遇来临。大模型企业提供算法和需求，设计服务商提供硅片实现，" 算法加硅片 " 的联合开发模式，取代传统的硬件厂商造什么、软件厂商就买什么的局面。

而过去几年涌现的 AI 芯片初创公司，命运就难说了。它们本来瞄准的客户就是互联网巨头、大模型独角兽，现在客户都自己做芯片，它们的市场空间就被严重压缩了。

另外，技术路线持续分化，中美两国 " 各干各的 "。

美国巨头霸占着最好的供应链，制造 ASIC，依然追求极致性能和先进制程，以求利用绝对的技术代差维持 " 地表最强 " 统治地位。3nm 工艺、HBM4 显存一股脑用起来，仿佛这些东西 " 不要钱 " 一样，

中国企业没法单纯堆砌顶级硬件，因此继续采用 " 极致软硬协同 " 策略，用软件和算法的优势弥补硬件的缺陷。这也正是深度求索大展拳脚的机会，通过一系列创新性的架构和底层算法优化，压榨出极高的推理效率，走独特的自主可控路线。

总之，大模型公司 " 造芯 "，本质是 AI 产业走向成熟的标志——最初各家都在开展不计成本的算力军备竞赛，现在都要拼效率、拼成本、拼商业落地、拼 " 工业化大生产 "，证明行业从投资阶段逐渐转向 " 产出 " 阶段了。

当然，黄仁勋对 ASIC 的 " 反对 " 并不是毫无道理。但无论如何，ASIC 之于中国大模型企业的意义，不仅仅是 " 省钱 "，更是突破海外算力围剿、绕过英伟达生态壁垒、形成商业闭环的战略 " 生路 "，需要自己把握住。