AI大模型公司，正在集体“造芯”

此前，据路透社独家报道：DeepSeek已秘密启动自研AI推理芯片项目约一年，芯片定位专攻推理而非训练，目的是降低对英伟达和华为等外部供应商的依赖。

几乎同一时间，The Information爆料称智谱AI也在评估自研定制芯片，已向多家国内芯片设计公司进行初步询问。

再往前推不到两周，OpenAI刚刚发布了与博通联合开发的首款定制推理芯片Jalapeño。而Anthropic也被曝出正在与三星接洽，探讨2纳米制程的代工合作。

短短半个月，全球最头部的大模型公司OpenAI、Anthropic、DeepSeek、智谱等，都在不约而同地把手伸向了芯片。

这不是巧合。

DeepSeek的“第三条路”

先说说DeepSeek。

7月7日路透社的消息让整个行业为之一震。据三位知情人士透露，DeepSeek的自研芯片项目大约在一年前就已秘密启动，目前仍处于早期阶段，公司已与芯片设计公司、晶圆代工厂及存储厂商展开多轮接洽。

值得注意的是，DeepSeek选择的是一条“中间路线”，芯片定位既不是英伟达的GPU路线，也不是华为昇腾的国产替代路线，而是一条完全自研的推理芯片路线。

长期以来，DeepSeek同时使用英伟达和华为芯片。其底层基础模型曾在英伟达H800上完成训练，美国对华实施芯片出口管制后，DeepSeek逐渐转向华为昇腾芯片，今年4月发布的DeepSeek-V4模型已全面适配华为昇腾架构。

但即便如此，DeepSeek依然选择自己造芯片。

这是为什么？

最直接的答案藏在DeepSeek刚刚完成的融资里。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，创始人梁文锋多次表示“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，而资金用途也很明确：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。

据媒体评估，目前DeepSeek已融资510亿，这笔中国AI行业最大规模的单轮融资，让DeepSeek有了“造芯”的底气。

但更深层的原因，是算力账单已经到了无法忽视的地步。

算力账单，一个无法回避的残酷现实

大模型公司为什么要自己造芯片？答案首先写在账单上。

训练一个前沿大模型相当烧钱，甚至动辄数亿美元，但训练是阶段性的，烧完就烧完了。

推理却不同，它发生在每一次用户提问、每一次API调用、每一次Token生成之中。

有机构数据显示，在生产环境中，推理可占模型生命周期计算成本的80%至90%。

随着AI应用大规模铺开，行业算力消耗的重心正在从模型训练转向推理运行。模型用户越多、Token吞吐越大，推理成本就越像水电费一样持续累积。

英伟达的GPU毛利率长期维持在75%以上。一家公司能把毛利率做到这个水平，核心前提是买家别无选择。

训练大模型，你得买H100；大规模部署推理服务，你还是得买GPU集群；想要软件生态配套，你还是在CUDA框架里转。

但问题是：推理对芯片的需求和训练完全不同。

训练阶段需要处理海量参数的并行梯度计算，对算力密度、内存带宽、互联速度的要求极高。

但推理阶段做的是给定一个输入、跑一次前向传播、输出结果。这个任务的计算图相对固定，对通用性的要求低得多，对专用化的适配空间反而大得多。

换句话说，英伟达的GPU就像一把瑞士军刀什么都能干，但如果你只需要切菜，为什么要为螺丝刀、开瓶器和剪刀付费？

专用推理芯片（ASIC）剥离了所有冗余电路，天生为特定算法的矩阵计算而生，具备远超通用GPU的能效比和更低的量产成本。

Trendforce预测，到2026年ASIC的增长率将达到44.6%，而GPU的增长率为16.1%。

Google很早就验证了这个逻辑。TPUv1在2016年上线时制程只有28纳米，而英伟达同期的GPU已经在16纳米，但谷歌的内部测试显示，在推理任务上TPUv1比同期CPU和GPU实现了15到30倍的性能提升，能效提升达30到80倍。

一块成熟制程的专用芯片，在固定任务上打败了先进制程的通用GPU。

这就是所有大模型公司都在算的一笔经济账。

AI大模型企业，一个比一个急

DeepSeek不是第一个，也不会是最后一个。

2026年6月24日，OpenAI与博通联合发布了首款定制推理芯片Jalapeño。这是OpenAI的第一枚自研芯片，同样是一枚专为大语言模型推理设计的ASIC。

几个数字令人印象深刻：Jalapeño从设计到流片只用了九个月，OpenAI称这可能是高性能先进半导体史上最快的ASIC开发周期。

而加速这个周期的，正是OpenAI自己的模型，即用AI来设计造AI的芯片。博通CEO陈福阳表示，Jalapeño相比典型的AI图形处理单元，展现出约50%的成本节省。

更重要的是，OpenAI把自研芯片看作一个增长引擎。OpenAI总裁Brockman在发布声明中说：“世界正在迈向算力驱动的经济。”

这句话解释了所有人的动机，当算力成为核心生产资料，没有人愿意把命脉完全交给别人。

OpenAI的计划不止于此。Jalapeño计划在2026年底开始部署，锚定的是一份10GW规模、要到2029年才完成的博通合作。

微软预计会买下首批Jalapeño产能的约40%。两家公司已有未来芯片的路线图，下一代计划于2028年推出，随后每年发布一代。

再看Anthropic。

今年4月，路透社率先报道称Anthropic也在权衡自研芯片，措辞还很谨慎。计划处于早期阶段，公司甚至可能最终决定只买不造。但到了7月初，事情有了实质性进展。

据多家媒体报道，Anthropic已经开始和三星接触，探讨代工一枚定制芯片，据称瞄准的是三星的2纳米制程和先进封装。

更耐人寻味的是，Anthropic最近挖来了Clive Chan，他是OpenAI自研芯片团队的早期核心成员。

为什么Anthropic这么急？答案依然还是账本的原因。2025年底，Anthropic的年化运行收入约90亿美元；2026年4月，超过300亿；5月底，超过470亿。

五个月，翻了五倍多。但这种增长也给基础设施带来了“不可避免的压力”。

Anthropic此前一直以“多平台、不押单一硬件”为招牌，训练和推理押在AWS Trainium、谷歌TPU和英伟达GPU三张牌上。但如今，它也想要一颗自己的芯片了。

把镜头拉回国内。

智谱AI同样在行动。据The Information报道，智谱近期已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）。

直接导火索是GLM-5.2发布后，其在Vercel等平台的日均Token使用量单周暴涨27倍。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。

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。但智谱必须走这条路，因为算力供给已成为制约业务拓展的关键瓶颈。

英伟达的“四面楚歌”

当你的客户开始自己造芯片，你的麻烦就来了。

过去二十年，英伟达最大的竞争对手一直是AMD。今天，这个名单彻底变了。

谷歌十年前就开始布局TPU，亚马逊推出Trainium，微软推出Maia，Meta推出MTIA。

现在，连OpenAI、Anthropic、DeepSeek、智谱这些曾经的“纯客户”也加入了造芯大军。

这些曾经最依赖英伟达的人，如今正在成为它未来最大的竞争者，这在半导体历史上几乎从未发生过。

英伟达的应对策略是什么？

首先，英伟达正在调整产品策略。根据TrendForce集邦咨询的研究，在大型云端服务供应商加大自研芯片力道的情况下，英伟达在GTC 2026大会改为着重各领域的AI推理应用落地，有别于以往专注云端AI训练市场。

通过推动GPU、CPU以及LPU等多元产品轴线分攻AI训练和AI推理需求。

其次，英伟达在积极推动整合方案。Vera Rubin被定义为高度垂直整合的完整系统，涵盖七款芯片和五款机柜。英伟达还整合了Groq团队技术，推出专为低延迟推理设计的Groq 3 LPU。

第三，英伟达也在尝试“打不过就加入”的策略。据The Information独家消息，英伟达与AI芯片初创企业d-Matrix将融合双方硬件，打造一套全新算力系统用于大模型推理。

另一个AI服务器芯片厂商SambaNova也宣布让自家芯片可与英伟达GPU协同运行AI模型。

但一个无法回避的事实是：英伟达的垄断定价权正在松动。

英伟达的毛利率长期维持在75%以上，这个水平的前提是买家别无选择。垄断定价有一个脆弱点，那就是它只在买家认为自己没有退路时成立。

哪怕退路还不成熟，哪怕还在流片阶段，只要买家手里多了一个选项，谈判桌上的力量就彻底变了。

正如一位分析师所说：“DeepSeek不需要造出最强的芯片，只需要在谈判桌上多一个选项。”

消息传出当日，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，是上百亿美元的蒸发。

算力主权之争

这场造芯运动的本质是什么？

是算力主权。

Forrester分析师Mike Gualtieri一句话点破了本质：“如果你依赖别人的芯片，就永远无法成为真正的AI巨头。”

过去三年，AI行业拼的是模型能力，谁训练出更聪明的模型，谁就是赢家。

今天，竞争已经悄然升级。AI战争正在从“模型战争”进入“算力主权战争”。几乎所有头部AI公司都在走向同一条道路：模型+芯片+云的全栈战略。

大模型公司造芯，同时包含了三个层面的考量：Token成本账、供应安全账、地缘政治账。

成本账我们已经算过了。推理成本占模型生命周期计算成本的80%到90%，自研推理芯片能将成本降低30%到50%。

供应安全账同样残酷。英伟达握着全球约74%的AI芯片市场。单一供应商的依赖风险、高端芯片供应紧张，迫使大模型公司向上游硬件延伸。尤其对中国企业而言，出口管制让先进英伟达芯片的对华供应充满了不确定性。

地缘政治账更不必说。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。

这条路能否走通？至少还需要两到三年才能验证。芯片从试产、制造到实际上线，预估至少需要2年时间。

设计一款先进AI芯片的成本可能达到约5亿美元。国内顶尖芯片设计人才本就稀缺，寒武纪、海光、壁仞等公司早已把人才市场“扫”过数轮。

但方向已经很明确。

头部大模型公司正在撕下纯算法公司的标签，把战火烧到了芯片这个最硬核的战场。

OpenAI已经用Jalapeño证明了自研芯片的可行性；Anthropic正在追赶；DeepSeek和智谱已经扣动了扳机。

这不是一场豪赌，而是一条必由之路。

结语

回到DeepSeek。

2024年，梁文锋曾表示，DeepSeek“目前没有短期融资计划，我们真正的挑战从来不是资金，而是高端芯片的出口禁令”。

一年后的今天，他不仅打破了“不融资”的承诺，还亲自下场造芯片。

这不是妥协，而是觉醒。

当一个AI大模型的日活用户突破千万量级，当每一次API调用都在烧钱，当芯片供应随时可能被掐断，当75%的毛利率成为别人的利润，你只有两个选择：要么继续做英伟达的“租客”，要么自己成为“房东”。

所有头部大模型公司，都选择了后者。

因为在这个算力驱动的时代，谁掌握了芯片，谁就掌握了AI的命脉。