很多朋友不知道【DeepSeek 与智谱相继造芯，中国 AI 进入全栈自主深水区】，今天小绿就为大家解答一下。
曝光的两条造芯路径：DeepSeek 潜行，智谱试水
第二重驱动：供应链主权，在地缘不确定性中押注确定性。 降本与安全是表层原因，更深层的逻辑在于：GPU 本质上是为图形渲染设计的通用计算架构，用它跑大模型天然存在架构冗余。图形渲染管线、通用计算单元、复杂的缓存层级 —— 很多硬件模块对 Transformer 推理而言是不必要的负担。 第三重驱动：架构自由，打破通用硬件的天花板。 当然，推理优先不意味着放弃训练。行业普遍认为，推理芯片验证成功后，技术积累与团队能力自然会向训练侧延伸。谷歌 TPU 也是从推理开始，逐步覆盖训练全场景。这是一条由易到难、由点及面的渐进路线。 算力成本是大模型公司最大的运营支出，占比普遍超过 60%。训练是一次性的重投入，而推理是永不停歇的流水消耗 —— 每一次用户提问、每一行代码生成、每一张图片输出，都在实时燃烧算力。随着 AI 应用规模化铺开，行业算力需求的重心正快速从训练向推理倾斜。 这并非孤立事件。从 OpenAI 的 Jalapeo 芯片到 Anthropic 的造芯计划，从谷歌 TPU 到亚马逊 Trainium，全球头部 AI 玩家的竞争早已越过模型层，下沉到硬件最深处。当 DeepSeek 与智谱相继踏上这条重资产赛道，标志着中国 AI 产业正式从 "算法优先" 的上半场，迈入 "软硬全栈" 的下半场。这场由外部管制与内部需求共同催生的造芯运动，正在重构整个行业的成本结构、竞争壁垒与供应链格局。 相比之下，智谱的造芯计划尚处更早的评估期。据 The Information 报道，智谱近期向多家国内芯片设计公司发出初步咨询，探讨联合开发专为 GLM 系列模型优化的定制 AI 处理器（ASIC），目前尚未敲定合作伙伴。从组建团队、芯片设计、流片测试到软件栈适配，整个项目周期预计超过两年。华为或承压、英伟达边缘化与生态裂变 英伟达 GPU 的毛利率长期维持在 60% 以上，高端 AI 芯片更是卖方市场。对于日均 Token 调用量数十亿级别的头部厂商而言，每 Token 成本下降一分钱，全年就能节省数亿元开支。自研 ASIC 芯片虽然前期投入巨大，但针对特定模型优化后，单位推理成本可比通用 GPU 降低 30%-50%，功耗下降更为显著。当业务规模达到临界点，自研芯片的投资回报曲线就会翻转 —— 这是一笔越用越划算的账。
【CNMO科技消息】近日，两则消息接连引爆科技圈：先是路透社曝出 DeepSeek 已秘密推进自研 AI 推理芯片项目逾一年，紧接着 The Information 披露智谱 AI 正与国内芯片设计厂商接洽，评估定制化 AI 芯片方案。短短 48 小时内，中国大模型第一梯队的两家代表企业，先后将触角伸向了算力最底层的硅基世界。 这种 "垂直整合" 趋势将倒逼产业分工重构。芯片厂商需要更开放地与模型公司合作，甚至提供定制化设计服务；云厂商需要更灵活地支持异构算力调度；而中小模型公司将面临更大的成本劣势 —— 头部玩家的软硬件一体化优势，会进一步拉大行业集中度。版权所有，未经许可不得转载 华为昇腾目前占据中国 AI 芯片市场约一半份额，DeepSeek 与智谱都是其重要客户。客户下场自研芯片，短期不会改变采购格局 —— 毕竟自研芯片量产至少还要两年，期间两家公司的算力需求仍将持续增长，对华为的依赖度甚至可能进一步提升。 造芯不是赶时髦，不是讲故事，而是生存与发展的必然选择。当外部环境持续收紧，当业务规模突破临界点，当算法优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。这条路漫长、昂贵且充满风险，但别无选择。 硅基战争的大幕才刚刚拉开。两年后，当第一批自研推理芯片真正部署上线时，中国 AI 产业的版图或许将呈现完全不同的面貌。 训练芯片的技术门槛远高于推理芯片。大模型训练需要极高的算力密度、极快的芯片间互联带宽、极大的显存容量，对制造工艺的要求也最为苛刻。7nm 以下先进制程是训练芯片的标配，而这恰恰是中国半导体产业链的短板。强行自研训练芯片，很可能陷入 "设计得出、造不出" 的困境。 值得注意的是，DeepSeek 与智谱都将首款自研芯片定位于推理场景，而非训练。这一看似保守的选择，实则是综合了技术难度、商业价值与产业现状后的最优解。 谷歌 TPU 四代迭代的经验已经证明，专用架构在 AI 训练与推理效率上能持续拉开与通用 GPU 的差距。当大模型架构逐渐趋同、算法优化进入深水区，硬件层面的差异化就成了下一个主战场。 DeepSeek 与智谱的造芯消息，是中国 AI 产业发展的一个标志性节点。它意味着行业竞争已经从表层的模型效果比拼，深入到底层的算力基础设施掌控权之争。 第一重驱动：推理成本失控，自研是终极降本手段。 对于英伟达而言，这两家公司造芯的直接影响反而有限。由于出口管制，英伟达高端芯片在中国市场的份额已大幅萎缩，H20 等特供产品也面临政策不确定性。DeepSeek 与智谱本就不是英伟达的核心增量客户，它们自研芯片更多是替代国产芯片与存量英伟达芯片，不会对英伟达全球营收构成实质冲击。真正让英伟达在意的是信号意义：如果中国大模型公司纷纷走上自研道路，其在中国市场的长期复苏空间将进一步收窄。 DeepSeek 与智谱相继造芯，将对中国 AI 芯片产业格局产生连锁反应。首当其冲的是当前的国产算力主力供应商 —— 华为。 但长期来看，这无疑给华为敲响了警钟。当头部客户掌握了芯片设计能力，就拥有了议价权与备选方案，不再是单纯的甲方乙方关系。更关键的是，大模型公司对模型理解更深，做出来的专用芯片在特定场景下的效率可能比通用 AI 芯片更高。如果华为不能持续拉开技术代差，其芯片业务的价值定位将从 "不可替代的算力供给方" 向 "基础算力底座 + 生态合作伙伴" 偏移。 更重要的是，推理是当前商业化的主战场。训练是成本中心，推理才是收入中心。所有 to B 的 API 服务、to C 的产品订阅，最终都由推理算力承载。自研推理芯片可以直接作用于营收成本，快速体现在利润表上。对于已经进入商业化放量阶段的头部大模型公司而言，这是最务实的切入点。
更深层的影响在于生态裂变。过去中国 AI 产业的算力生态相对简单 —— 上层是大模型公司，下层是芯片厂商，中间是云厂商与算力服务商。大模型公司下场造芯后，产业边界开始模糊：DeepSeek 和智谱既是芯片厂商的客户，也可能成为竞争对手，还可能通过开放自研芯片的生态吸引更多开发者。为什么大模型公司纷纷下场造芯？三重驱动力的共振 过去几年，中国大模型公司证明了自己在算法层面的追赶能力 —— 从追赶到并跑，在部分领域甚至实现了特色化超越。但算力底座始终是悬在头顶的达摩克利斯之剑。没有底层硬件自主权，上层再繁荣也是建立在沙滩上的城堡。 DeepSeek 与智谱都已深度依赖国产算力替代，但华为昇腾同样面临制造端的管制压力，产能扩张受限。将全部算力身家寄托于单一供应商，无论对方是英伟达还是华为，都存在系统性风险。自研芯片不是要完全替代第三方，而是建立 "备胎" 与 "议价权"—— 有了自研能力，在与上游芯片厂商的谈判中就有了底牌，供应链安全就多了一层保险。 推理芯片则不同。推理对单芯片算力峰值的要求低于训练，更看重能效比、延迟稳定性与成本控制。中高端制程即可满足推理芯片需求，国内晶圆厂的成熟工艺产能有更大的发挥空间。从推理切入，既能快速验证技术路线，又能在业务中直接产生经济效益，投入产出比更优。 推动智谱下决心的直接导火索是业务爆发带来的算力压力。GLM-5.2 发布后，其在 Vercel 等平台的日均 Token 使用量曾单周暴涨 27 倍，官网 Coding Plan 等付费服务因算力紧缺出现供不应求。与此同时，智谱已被列入美国实体清单，高端英伟达芯片的采购通道基本关闭。目前智谱同时采用华为昇腾、其他国产芯片及少量存量英伟达芯片，但华为芯片的软件适配成本高、产能同样受外部管制约束，长期算力供给的不确定性迫使智谱寻求更底层的解决方案。 对于中国 AI 企业而言，造芯的紧迫性比海外同行更强。2022 年以来，美国对中国 AI 芯片的出口管制持续升级，从 A100/H100 到 H800/A800，再到 H20，每一次管制收紧都在压缩可用算力空间。今年 4 月美国一度禁止 H20 对华出口，虽然后续恢复但附加了 15% 收入上缴条件，供应链的政治风险持续走高。 尽管消息几乎同时放出，但两家公司的造芯进度与路径选择呈现出明显差异。
这一选择与 DeepSeek 的技术基因高度契合。创始人梁文锋曾在 2024 年罕见采访中坦言，芯片供给不足是公司面临的核心挑战之一。从早期依赖英伟达 H800 训练 R1 模型，到 2026 年 4 月发布的 V4 模型全面适配华为昇腾芯片，DeepSeek 的算力路线始终在动态调整。而 V3.1 版本中引入的 UE8M0 FP8 数据格式，早已被业内解读为 "算法团队在写模型时就开始为硬件特性做准备"。全栈自主是必答题，不是选择题 两家公司的共同点清晰可见：都选择从推理侧切入，都走定制化 ASIC 路线，都以 "降低外部依赖 + 提升自家模型效率" 为双重目标。这不是盲目跨界，而是经过精密计算的战略选择。 自研芯片可以从指令集层面为大模型量身定制：砍掉无关模块，增加 Transformer 专用加速单元，优化高带宽内存接口，针对自家模型的参数规模、计算模式、数据格式做深度调优。这就是 "算法定义芯片" 的思路 —— 不是让模型去适配硬件，而是让硬件去服务模型。 一个月前 DeepSeek 完成约 510 亿元人民币的首轮外部融资时，"自研 AI 芯片" 已被明确列入资金用途。这笔融资为其重资产投入提供了弹药，也让造芯从战略构想进入落地阶段。 DeepSeek 的芯片项目启动更早、推进更深。据知情人士透露，该项目大约在一年前就已秘密启动，核心定位是推理专用芯片，不承担大模型训练任务。目前 DeepSeek 已与芯片设计公司、晶圆代工厂及存储厂商展开多轮洽谈，并在近几个月通过非公开渠道大规模招聘芯片设计工程师，团队扩张动作极为低调。 大模型公司造芯并非中国特色，而是全球 AI 产业的共同趋势。OpenAI 的 Jalapeo 芯片项目已推进多时，Anthropic 也被曝出正在评估自研芯片方案，谷歌、亚马逊、Meta 更是早有布局。这股浪潮背后，是成本、控制权与架构创新三重驱动力的叠加。 从更宏观的视角看，DeepSeek 与智谱的探索也将反哺整个国产半导体生态。大模型公司带来的真实场景需求、对算法与硬件协同的深刻理解，会成为推动国产 AI 芯片迭代的重要力量。客户与供应商的边界被打破，合作与竞争交织，最终受益的是整个产业的技术进步与自主能力。
以上问题已经回答了。如果你想了解更多，请关
新经网网站 (
https://www.xinhuatone.com/)
