首页科技快讯从DeepSeek到智谱，为什么模型公司开始集体下场“造芯”？

从DeepSeek到智谱，为什么模型公司开始集体下场“造芯”？

来源：晰数塔互联网快讯时间：2026年07月09日 23:03

今天，造芯片成了科技圈最热的话题之一。就在两年前，还没有一家AI公司会把“造芯片”写进计划表。

7月7日，“路透社”援引知情人士报道，DeepSeek正在开发自研AI芯片，目标直指推理场景，项目一年前已秘密启动。同日，“The Information”曝出，智谱AI已向多家国内芯片设计公司展开初步技术交流，计划合作开发定制AI芯片。

一家是中国大模型的开源旗手，一家是估值超百亿的学院派标杆。同一天，它们不约而同地亮出了一张相同的底牌：自己造芯片。

为什么模型公司开始集体下场造芯？这或许不是巧合，而是一场蓄谋已久的“集体行动”。

两声惊雷：DeepSeek与智谱的秘密造芯计划

先看DeepSeek。

据“路透社”消息，DeepSeek的自研芯片项目仍处于早期阶段，定位非常明确——只做推理，不碰训练。也就是说，这颗芯片专门用来处理模型训练完成后、用户每一次提问和生成内容的计算任务。

知情人士透露，工作大约在一年前悄然启动。目前DeepSeek已开始接触芯片设计公司、晶圆代工厂和存储厂商。近几个月，公司还在低调扩充芯片设计工程师，但所有招聘都不通过公开平台，全程私下进行。DeepSeek方面对路透社的置评请求选择了沉默，一如其一贯的低调风格。

DeepSeek创始人梁文锋早期在接受“暗涌”采访时说过：“我们会有意识地去部署尽可能多的算力”“对研究员来说，对算力的渴求是永无止境的”。

6月，DeepSeek刚刚完成成立以来的首轮外部融资，募资约510亿元人民币，投后估值在520亿至590亿美元之间。资金用途已经明确：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。自研AI芯片被明确列为三大方向之一。与此同时，DeepSeek已发布数据中心设计规划工程师的招聘，建设地点直指内蒙古乌兰察布。从融资到基建到芯片，一套组合拳已然成型。

再看智谱。

“The Information”报道称，随着GLM系列模型需求激增——在Vercel平台上日均Token使用量曾暴增27倍——算力压力正成为智谱的关键瓶颈。智谱已向部分中国芯片设计公司进行初步咨询，讨论合作开发一款定制AI处理器的可能性。

与DeepSeek类似，这款芯片同样更偏向模型运行与推理场景，而非通用GPU路线。智谱目前主要使用华为昇腾芯片，并辅以其他国产AI加速卡和少量英伟达GPU。今年1月，智谱发布了首个完全基于华为芯片训练的主流图像生成模型，在国产化算力适配上走在前面。但华为芯片在软件生态、编译器支持等方面的挑战仍然存在，自研专用芯片被智谱视为应对中长期算力压力的系统性方案。整个项目预计需要两年以上。

两家公司，同一个方向，同一天曝光。消息传出后，英伟达股价盘前应声下跌约2%。资本市场或许用最快的速度投了票。

不是孤例，OpenAI和Anthropic早已入局

其实，自研AI芯片从来不是新鲜事。

谷歌是这条路上最早的探路者，其TPU（张量处理器）已迭代超过十年，从最初只做推理到现在训练推理通吃，成为Gemini背后不可或缺的算力基石。Amazon连续推出专注推理的Inferentia和面向训练的Trainium，为AWS上的AI负载提供自研替代方案。Microsoft在2023年亮相Maia加速器，意在减少对英伟达的采购依赖。Meta也在持续迭代MTIA系列，从推荐系统逐步扩展到生成式AI任务。

但这些巨头有一个共同身份：它们首先是云服务商或互联网平台，芯片是服务于自身庞大业务和云客户的战略延伸。

真正让行业震动的，是OpenAI模型公司开始下场造芯。

就在两周前的6月24日，OpenAI发布了首款自研AI推理芯片Jalapeño。这颗芯片由OpenAI联合博通打造，从零设计到流片仅用9个月，创下高性能ASIC有史以来最快的研发周期。博通CEO陈福阳亲手将首批样片交到Sam Altman手上，并透露：相比典型AI GPU，Jalapeño能节省约50%的成本。

7月3日，Anthropic也被曝正在与三星洽谈2nm制程代工，计划定制AI芯片。为此，Anthropic还专门挖来了OpenAI定制芯片项目的早期核心成员Clive Chan。尽管合作仍处探索阶段，但动作本身已足够清晰：Anthropic也要上牌桌了。

而为何从推理芯片入手？相较于训练，推理正在成为 AI 算力市场增长更快、需求更分散的部分。

训练是一次性投入：把海量数据喂给模型，让它学会某种能力，花完就完了。推理是持续性消耗：用户每问一个问题，后台就得跑一次计算。ChatGPT每天处理数十亿次请求，每一次都在烧钱。用户越多，调用越频繁，推理成本越高。模型越成功，反而越贵。

OpenAI总裁Greg Brockman说过一句话：“我们根本无法足够快地获得算力。”Sam Altman更直白：推理成本是AI普及的最大障碍。当一家公司最大的成本项被单一供应商控制，“自己造”就从可选项变成了必选项。

而且，推理芯片可以做得比通用GPU高效得多。通用GPU要兼顾训练、科学计算、图形渲染，必须保留大量“冗余”设计。推理任务则高度固定——矩阵运算、KV Cache管理、专家路由——专用ASIC可以砍掉用不到的部分，把功耗和面积都花在刀刃上。而这，恰恰瞄准了英伟达最赚钱、却也最容易被专用芯片蚕食的一块腹地。

英伟达的护城河，还深吗？

但这并不意味着英伟达的城池会在明天陷落。

先说短期。DeepSeek和智谱的芯片，都还处于早期阶段。从设计到流片到量产，至少需要两年以上。在此期间，它们仍然是英伟达和华为的客户。DeepSeek目前同时使用英伟达H800和华为昇腾，V4模型已适配双芯片；智谱也以昇腾为主，辅以少量英伟达GPU。训练端对通用GPU的依赖，短期内不会改变。

再说长期。英伟达的真正壁垒不是某颗芯片的算力，而是积累了近二十年的CUDA软件生态。几乎所有主流AI框架的首发优化都以CUDA为默认起点，大量下游模型和开源代码已经围绕英伟达硬件形态做了深度适配。换芯片不仅仅是换硬件，而是整个软件栈的重构。

但这并不意味着英伟达可以高枕无忧。

历史反复证明：当你的最大客户开始自己造你卖的东西，角色就变了。谷歌有TPU，亚马逊有Trainium，微软有Maia，Meta有MTIA，如今OpenAI、DeepSeek、智谱也加入战局。英伟达的超级客户清单，正在变成一份竞争对手名单。英伟达从“唯一算力入口”降格为“算力组合中的一环”，议价权和稀缺性都将被重新定价。

还有另一个赢家浮出水面：博通。OpenAI的Jalapeño与博通联合打造，谷歌TPU也由博通协同设计。据行业数据，博通和迈威尔两家合计控制了全球定制AI ASIC市场约95%的份额。博通CEO陈福阳直言，客户的算力需求“是无底洞”，紧张状态可能延续到2028年。战争越激烈，卖铲子造零件的人越赚钱。