DeepSeek决定自造“芯脏”

被“逼”出来的第三条路。

听筒Tech（ID:tingtongtech）原创

文|杨 林

编|饶霞飞

以模型技术见长的DeepSeek，在算力供应链上迈出了关键的一步。

2026年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，目前处于早期阶段。

尽管截至目前，DeepSeek未对此事作出回应，但在市场看来，DeepSeek的这一步，是中国AI企业的必经之路。

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。

支撑这一计划的，正是2026年6月完成的约510亿元首轮外部融资，这家此前多年拒绝外部投资的公司，终于打开了钱袋子，而核心目标，明确瞄准自研AI芯片。

模型公司为什么要做芯片这种重资产、长周期、高风险的生意？从模型到芯片，DeepSeek将如何跨过中间的坎？这于整个中国AI芯片市场意味着什么？

这些都将摆上了台面，并长时期接受市场的拷问。

DeepSeek要自研芯片

于整个AI市场而言，DeepSeek的最新动态，远比发一个模型更为炸裂。

2026年7月7日，路透社援引三位知情人士报道，中国AI大模型公司DeepSeek正在开发自有AI芯片。芯片定位很明确，专攻推理，而非训练。

所谓推理，就是大模型训练完成后，面向用户请求实时生成内容的核心计算环节。

换句话说，DeepSeek要做的，不是用来训练下一代大模型的芯片，而是用来服务用户每一次提问、每一次对话的芯片。

DeepSeek的这一决定，不亚于在AI市场投下重磅炸弹。

这家过去一直以模型技术研发为核心标签的AI标杆企业，从2025年1月凭借R1推理模型震动全球资本市场，到2026年4月发布适配华为昇腾的V4模型，DeepSeek展示的，始终是用更少算力做更多事的能力。

但现在，它要亲自下场做硬件了。

据知情人士透露，DeepSeek已经与芯片设计公司、晶圆代工厂和存储器供应商展开接洽。

相关报道称，过去几个月，DeepSeek还在持续扩充芯片设计团队，但招聘全程保持低调。所有岗位均通过行业内推定向招募，没有在任何公开招聘平台挂出。

这种隐秘招人，一面是芯片人才争夺战太激烈了，国内顶尖芯片设计人才本就稀缺，寒武纪、海光、壁仞等公司早把人才市场“扫”过数轮。

另一面，也透露出DeepSeek对芯片业务的谨慎，不愿过早暴露技术方向，免得在项目早期就陷入人才竞价。

截至目前，DeepSeek均未对这些信息作出回应。但对于一消息，市场笃信不移。

诸多分析指出，DeepSeek此举意在降低对外部芯片的依赖，并在国内迅速扩张的AI推理芯片市场中占据一席之地。同时，也被视为“中国AI冠军”的公司战略转型的重要一环。

支撑这一计划的，是DeepSeek刚刚获得的大笔真金白银。

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，创始人梁文峰多次说“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。

一家头部软件公司决定要做芯片，影响着整个市场。

最典型的，英伟达首当其冲受到冲击。当日消息传出后，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，就是上百亿美元没了。

诸多的分析指出，DeepSeek此举意味着，模型厂商已经清醒地意识到，算力成本结构需要重构。

受此影响，英伟达“卖铲子”的生意逻辑，或遭遇不小的挑战。

为什么要做自研？

当然，如果只是将DeepSeek做芯片看成“要挑战英伟达”，未免过于狭隘。

一定程度上，DeepSeek下场做芯片，是被“逼”的。

一方面，部分高端算力“买不到”是事实。

早在2024年，梁文锋就曾直言，“我们面临的问题从来不是钱，而是高端芯片被禁运。”

R1模型的底座是在英伟达H800上训练的，但H800早在2023年底，便被禁止出口。

比“买不到”更让人焦虑的，是算力账单越来越贵，DeepSeek也“用不起”。

众所周知的是，DeepSeek的模型是靠“价格屠夫”出名的，V4 Flash每百万Token输出仅2元人民币，不到GPT-5.5的二十分之一。

定价策略带来了海量用户。全球最大模型聚合平台OpenRouter公开数据印证红利，6月下旬单周，DeepSeek V4 Flash调用量达4.66万亿Token，连续六周登顶平台榜首。

但硬币的另一面却是，用户越多，推理成本就像水电费一样，成了一笔吞噬利润的长期账单。也即是说，当公司日活数千万，每次对话都要消耗GPU资源时，向英伟达或华为采购通用GPU来跑推理，在成本上，便不再划算。

接下来，谁能将Token的交付成本压下来，谁就能在下一轮价格战中握有主动权。

这也解释了，DeepSeek做自研芯片势在必行。

当然，除了海外断供和算力成本逻辑，事情还有另一面。

事实上，当前的DeepSeek头上，始终悬着“达摩克利斯之剑”。

以转向华为昇腾为例，公开资料显示，华为昇腾全栈训推一体方案，芯片、CANN框架、集群服务器全链路自主，适合政企大规模部署。

但昇腾芯片兼顾千亿模型训练，硬件配置大量倾斜训练任务，仅做线上推理时，硬件资源利用率不足。

基于此，DeepSeek形成了一个二元格局，不仅要承受海外算力断供风险，还要承担国产全栈硬件的冗余成本与迁移工作量。

寻求外援不如自研，于是，DeepSeek有了自己做芯片的想法。

实际上，据路透社报道，这个项目大约在一年前启动。往回看，正好接近DeepSeek-V3论文发布的前后。

彼时，那篇论文里有一节叫《硬件设计建议》，研究团队直接把需求写到了芯片层，通信任务要从计算单元上卸载，张量核累加精度要更高，还要支持更细粒度的量化。

这是一份甲方需求书，意思很明确，现有AI芯片，还没有完全长成DeepSeek想要的样子。

所以，DeepSeek-V3.1引入的UE8M0 FP8数据格式，也被认为是专门为下一代国产芯片的硬件特性而设计的。

由此也可见，DeepSeek早就有了做自研芯片的这个打算。

仍将是一场豪赌

头部企业造芯，某种程度上，也是一个行业风向标。

实际上，就在DeepSeek传出造芯的同一天，智谱也传出消息。据外媒报道，随着GLM系列模型需求的增长，智谱正在评估自研定制AI芯片的可能性。

在全球，早在今年4月，Anthropic就被曝正在考虑自研芯片的可能性，随后Anthropic挖来了OpenAI芯片项目的核心工程师。

同样在今年6月，OpenAI也公开首款与博通联合设计的定制推理芯片Jalapeño，计划年底部署。

能看到的是，中美AI公司几乎在今年，都不约而同扎进了自研芯片的领域。

这也是全球AI行业“推理专用化”趋势的一个注脚。

不可否认的是，2026年，AI芯片行业最大的结构性变化，是“推理专用化”的加速。所以模型公司自研芯片，正在从“孤例”变成“浪潮”。

而这本质，是AI产业正在经历一次权力转移，从“算力供应商定义AI”转向“模型公司定义算力”。

这里面的逻辑在于，过去，英伟达的GPU像一把瑞士军刀，训练、推理、科学计算都能用模型公司是芯片的买家，芯片长什么样，算力怎么分配，基本由英伟达说了算。

现在，模型公司只需要长期运行固定大模型负载的公司，未必愿意永远为通用付费。甚至，模型公司开始说，“我知道我的模型需要什么样的芯片，我来告诉你怎么做。”

当然，这并不代表英伟达即将被“唱空”。

毕竟，CUDA的软件生态是真实存在的竞争壁垒，新的芯片要拿到市场份额，也需要解决软件适配的问题。

抛开自研芯片壁垒和产品性能不说，DeepSeek们自研芯片仍处于早期，这也不是一夜之间就能做成的事。

但长期来看，如越来越多的模型公司都开始自研芯片，采购谈判桌上的风向肯定会转变。

诸多分析仍认为，于国内市场而言，DeepSeek造芯可能改变中国AI芯片市场的竞争格局。

目前，华为在中国AI芯片市场占据约一半份额。但华为的份额并非铁板一块，阿里巴巴、百度等科技公司都在开发自有AI芯片并获取市场份额。DeepSeek的加入，将让这个市场多一个实力玩家。

且DeepSeek的特殊之处在于，它手里有真实的海量线上推理场景。其他芯片公司做芯片，常常面临“芯片做出来了，但不知道真实负载长什么样”的问题。

但DeepSeek不需要猜，它的模型每天都在服务数以千万计的用户，每一轮对话都是真实的推理负载数据。用真实场景倒推芯片设计，这本身就是一种稀缺能力。

不过，于DeepSeek而言，这依然会是一场豪赌。

今年4月，路透社援引行业人士估算，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，不保证一定能顺利量产，更不保证实际运行后能比英伟达做得更好。

虽然，DeepSeek的70亿美元融资在支撑这场豪赌，但投资人的钱不是白给的，他们押注的是，DeepSeek从模型公司升级为软硬一体AI平台的可能性。

整体来看，尽管前途布满迷雾，但一个整体的方向已既定，在算力自主的浪潮里，没人愿意永远把命脉永远交到别人手里。

在这个既定的事实中，全球头部AI企业都在为之加速奔跑。

（头图由AI生成。）

（声明：本文仅作为信息交流，不构成任何投资参考建议。）