凯文·凯利因何预言：未来5年，中国完全有可能造出全球最先进芯片

日前，美国著名未来学家凯文·凯利（KK）在接受央视访谈时抛出一个大胆判断："未来5年，中国完全有可能造出全球最先进芯片。"

他给出的理由朴素而有力：很多人认为中国没有制造4纳米芯片所需的设备，但中国可以自主研发这些设备。本质上，这是工程领域的问题，而中国在工程领域极为出色。

此言一出，舆论哗然。有人认为这是"中国人民的老朋友"的客套话，有人觉得过于乐观。但如果把镜头拉向2026年的中国半导体产业，会发现这一论断并非空穴来风，中国芯片，确实正在起步。

而且，这种起步不是某一家公司的单点突破，而是四股力量同时汇聚的产业级浪潮，是由算力需求催生的真实需求，是大模型公司在 AI 芯片新赛道上的必要攻坚。

源自真实需求的中国 AI 造芯潮

从 2025 年底到 2026 年中，不到一年时间里，中国 AI 芯片领域发生了密集的变化。

最引人注目的信号，来自大模型公司的躬身入局，亲手造芯。

据公开信息显示，国内大模型的领军公司 DeepSeek 正在开发自研AI芯片，瞄准推理场景，项目已秘密推进逾一年。公司已与芯片设计、晶圆代工、存储企业广泛接触，并通过非公开渠道大规模招聘芯片设计工程师。一个月前，DeepSeek 完成了约 510 亿元人民币的首轮外部融资， "自研AI芯片" 被明确列入资金用途。

这绝不是一时兴起。

创始人梁文锋 2024 年就坦言，芯片供给不足是公司面临的核心挑战。从早期依赖英伟达 H800 训练 R1，到 2026 年 4 月发布的 V4 模型全面适配华为昇腾，，DeepSeek 的算力路线一直在动态调整，算力已然成为了其最为渴望得到的核心资源。

另一家国内大模型公司智谱近日也被证实，已于多家国内芯片设计公司展开初步技术交流，计划联合开发专为 GLM 系列模型优化的专用 AI 处理器（ASIC），整套项目周期预计超过两年。

据悉，GLM-5.2 上线后，日均 Token 使用量单周暴涨 27 倍，算力紧缺已成为增长瓶颈。更关键的是，随着高端英伟达芯片采购通道基本关闭，自研已经成了必选项。

如果说大模型公司造芯是"自下而上"的需求驱动，那么国产 GPU 厂商的集体上市，则是 "自上而下" 的产业需求。

短短两年不到的时间，摩尔线程、沐曦股份、壁仞科技、燧原科技这国产 GPU "四小龙" 全部站上资本市场。

更重要的是，它们已经从 "PPT" 阶段进入了 "卖出去" 的阶段，不论是营收还是股价，均收获了普遍的大涨。

而在创业公司之外，互联网大厂的自研芯片节奏也在加快。

百度昆仑芯已向港交所提交A1表格，6月底市场披露目标估值约 500 亿美元（约3400亿元人民币）。从百度内部支撑到独立融资上市，昆仑芯走的是"内部打磨、外部验证"的典型路径。

阿里平头哥也正在推进独立上市，其在 RISC-V 架构和 AI 推理芯片上积累深厚，一旦独立运作，将成为国产 AI 芯片领域又一重量级玩家。

两年内，国产 AI 芯片行业可能诞生 6 家以上的上市公司，总市值有望冲击万亿级。资本的涌入不是泡沫，而是产业起步期的典型特征，先有资金，再有人才，最后才有技术突破。

为什么是现在？

当推理成本占营收 30%-50% 时，自研芯片就开始具备投资回报的临界点。而 2026 年的大模型行业，恰恰走到了这个拐点。

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。

按业内估算，一枚针对特定模型优化的 ASIC 推理芯片，单位推理成本有望做到同代次 GPU 的 1/4到1/3。当业务规模达到临界点，Token 成本每下降几厘钱，全年就能节省数十亿元。

仔细观察会发现，无论是 DeepSeek、智谱还是海外的 OpenAI、Anthropic，造芯全部从推理切入，避开训练。

这不是技术保守，而是综合了技术难度、商业价值与产业现状后的最优选择。

训练芯片的技术门槛远高于推理，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。

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。

2026 年 5 月，中国首次将 9 款国产 AI 训练推理芯片纳入"安全可靠等级" I 级认证体系，华为、寒武纪等位列其中。

这是政策端的明确信号，国家在用 "信创清单" 为国产 AI 芯片提供 "保底市场" 。对于尚处起步期的国产芯片来说，有稳定的基本盘比抢占高端市场更重要，先活下来，再谈发展。

政策托底、市场拉动、技术突破，三股力量形成了共振。

客观看待差距

KK说 "5年内中国造出最先进AI芯片" ，这句话的潜台词是 "5年后"，而不是 "现在" ，这也符合技术发展的客观规律。

当前这一波造芯潮，本质上是中国AI芯片从 "能造" 向 "好用" 跨越的起步阶段。起步和领跑之间，至少隔着三道坎。

中国大陆目前的自主可控代工产能，中芯国际能稳定量产的最先进制程是7nm。

KK说 "中国可以自主研发这些设备"，这句话听上去乐观，但 EUV 光刻机的物理极限和全球供应链整合度，决定了这条路极其漫长。华为的 "韬定律" 是一种换道思路，但它能否在5年内走通，还有待观察。

英伟达的护城河不是GPU硬件，而是CUDA生态，上千万开发者、几十年的工具链积累、上百万个优化过的模型和库。

摩尔线程在这一点上比较清醒，公司创始人张建中近日就曾公开表示，MUSA架构的核心优势就是 "高度兼容 CUDA 生态" 。但兼容和取代是两件事。比如，DeepSeek 这种原生自研芯片的厂商有算法和硬件的协同优势，但它们的模型和芯片都不开源不外销，无法形成生态。

另外就是老生常谈的人才问题，4nm 制程需要的不是几百个芯片设计师，而是几千个分布在工艺、设备、材料、设计、封测各环节的工程师，中国的人才储备在快速增加，但和台积电、三星、英特尔的全球人才虹吸能力相比，差距仍然显著。

人才的培养有周期，无法靠资金和政策速成。这可能是三道坎中最需要耐心的一道。

KK预言的真正内涵是重新定义

KK的乐观不在于 "中国会造出和台积电一模一样的4nm芯片" ，他不会这么机械。作为有着很多精准预测的未来学家，他的预测从来不是精准的时间点，而是趋势方向。

当推理 ASIC 取代通用 GPU 成为主流，最先进AI芯片的评判标准就从制程节点变成了算法-硬件的协同效率。

在这个新赛道上，中国大模型公司+国产芯片公司的全栈整合是优势。DeepSeek 已经在走这条路，V3.1 的 UE8M0 FP8 格式是起点，自研推理 ASIC 量产是中间站，5 年内和英伟达在特定推理场景"打平"是理想。

当然，4nm 也不是只有光刻机这一条路，还有3D堆叠、Chiplet（芯粒）、先进封装、新材料、新架构。中国在系统级创新、算法-硬件协同、特定场景的深度优化上，有机会走出一条不同于追赶台积电的路，华为的韬定律、平头哥的 RISC-V、大模型公司的算法定义硬件，都是这条路上的探索。

技术本身要求全球化。三星能为 Anthropic 制造 2nm 芯片，OpenAI 能找博通和台积电，全球 AI 芯片供应链的 “条条大路” 远比想象中多。

极端的脱钩不符合任何一方的利益。随着时间推移，供应链必然会以新的方式重新连接，而中国作为全球最大的芯片市场，不可能被长期排除在外。

KK 说过，"预测未来的意义，不在于精准预判每一个细节，而在于通过想象美好的未来，激发人们的行动意愿。"

把这句话放在 2026 年这个时间点上回看，会发现预言的实现方式，往往超出预言者想象。

KK 想象的是中国工程师的雄心与能力，他可能没想到，这种雄心与能力会以 DeepSeek 和智谱同日曝出造芯、昆仑芯估值500亿美元、华为韬定律落地这样密集而具体的形态出现。

这不是中国芯片的未来时，这是中国芯片的进行时。

KK 在 1994 年写下《失控》时，没人相信那些预言会落地；30年后回看，云计算、物联网、共享经济、众包生产、AI助手几乎全部应验。

预言实现的方式，永远比预言本身更精彩。而我们现在，正在目睹预言兑现的第一步，中国芯片，确实在起步。