移动端
微信公众号
文/宗展讲真
01
先问你一个问题。
一家做大模型的公司，为什么要跑去造芯片？
7月7日，路透社扔出一枚重磅炸弹：三位知情人士透露，DeepSeek正在秘密自研AI芯片。
消息传出后，海外算力板块出现短期波动。
但绝大多数人只看到了“自研芯片”四个字，没看懂背后藏着三层影响行业格局的核心真相。
这不是跟风，是筹备长达一年的战略布局。
02
先看清楚DeepSeek到底在造什么芯片。
不是用来训练AI的芯片，是用来回答问题的芯片。
知情人士说得很清楚：这款芯片是为“推理”设计的——也就是训练好的模型为用户生成回答的阶段，而不是用来训练新模型。
打个比方你就懂了。
训练AI就像造一个博士生，需要消耗大量资源去“读书”——这个过程叫训练。
训练完了，博士生开始回答问题——这个过程叫推理。
训练芯片贵、耗电大、技术门槛极高。推理芯片只干一件事——回答问题，但干得快、成本低。
DeepSeek不做“造博士”的芯片，只做“博士回答问题”的芯片。
这个选择，决定了DeepSeek造芯的全部逻辑。
03
那DeepSeek为什么要自己造芯片？
两个原因，一个比一个紧迫。
原因一：不想被任何人卡脖子。
DeepSeek创始人梁文锋早在2024年就说过：公司面临的最大挑战不是资金，而是高端芯片的出口管制。
此前DeepSeek主要靠英伟达H800训练模型。2023年底，美国收紧高端芯片出口，H800供货受限。此后DeepSeek逐步转向华为昇腾。今年4月，DeepSeek发布V4模型，全面适配昇腾芯片。
但即便如此，DeepSeek依然不放心。
英伟达的芯片随时可能被限制出口。华为昇腾虽然好用，但国内头部AI企业都在抢，产能有限。
自研推理芯片，等于搭建第三条路。不绑定英伟达，也不过度依赖华为。
原因二：推理成本正在吃掉所有利润。
行业数据显示，AI算力消耗结构已经彻底反转。早期算力主要用在训练上；如今AI对话、代码助手全面普及，推理算力消耗占比突破70%，成了企业最大的成本支出。
通用GPU什么都能干，但什么都贵。专门为自家大模型定制的推理芯片，可以针对DeepSeek的模型做专属优化，大幅降低成本。
摩根大通测算，专用推理芯片的长期成本比通用芯片低40%到60%。
DeepSeek主打的就是低价。算力成本直接决定它能卖多便宜。自研芯片，是降成本的根本办法。
04
那为什么不做通用训练芯片，只做推理芯片？
三个字：不贪心。
训练芯片需要海量存储、复杂架构、庞大软件生态。研发投入百亿级别，周期五年以上。
推理芯片场景单一、架构简单。研发投入和门槛低得多，能更快落地、更快见收益。
DeepSeek不跟华为、百度硬碰硬。它盯的是推理这个当下最大、增长最快的细分市场。
而且这条路已经被验证了：OpenAI上个月刚发布首款定制推理芯片。Anthropic也在评估自研芯片。谷歌的TPU、亚马逊的Inferentia全是推理优化路线。
全球头部AI企业都在干同一件事。DeepSeek只是跟上了这波趋势。
05
项目进展到哪了？
知情人士透露，自研芯片工作大约在一年前启动，目前仍处于早期阶段。
DeepSeek正在接触外部合作伙伴，与芯片设计、代工制造及存储企业进行讨论。近几个月还加大了芯片设计工程师的招聘力度。
低调、不张扬。这风格很梁文锋。
写在最后
客观说，DeepSeek造芯这条路并不好走。
设计一款有竞争力的AI芯片，通常需要数年时间和大量资金投入。制造环节更是硬骨头——全球先进制程代工、高端存储元件存在跨境供应约束。
项目才刚起步，距离商用落地还有很长一段路。
但这件事释放的信号远比芯片本身更重要：
从单纯做大模型，到向下布局底层推理芯片——DeepSeek正在从一家AI模型公司，变成一家软硬一体的AI平台公司。
海外芯片管控带来不确定性、AI应用爆发催生海量推理需求、全球头部企业集体布局推理芯片赛道。
三重趋势叠加，国产算力自主这条路，已经不可逆了。
本文信息来源于路透社行业知情人士爆料，企业尚未官方确认项目细节；芯片研发投入大、周期长，存在研发不及预期、产业链配套不足等风险，内容仅作产业科普，不构成任何投资建议。
三个问题，欢迎在评论区聊聊：
1、你觉得DeepSeek自研推理芯片，几年内能落地？
2、推理芯片和通用芯片，哪条路更适合国内AI企业？
3、除了DeepSeek，还有哪些国产大模型企业有自研芯片的潜力？
看懂国产AI算力自主的底层逻辑，点赞收藏，转发给关注科技、算力行业的朋友。
#DeepSeek造芯 #国产AI芯片 #算力自主 #AI产业观察
精彩评论文明上网理性发言，请遵守评论服务协议
共0条评论