DeepSeek、智谱被曝造芯，国产大模型绕开英伟达！

新智元报道

【导读】深夜重磅消息：DeepSeek与智谱AI双双宣布下场自研芯片！智谱造芯面对外部高压，被曝中国AI双雄选择直接“掀翻牌桌”，国产秘密开发定制化推理芯片。大模这场旨在突破算力瓶颈的型绕突围战，正式打响。开英

今日，伟达国内AI圈连续爆出两则震撼性消息。智谱造芯据路透社及The 被曝Information报道，中国大模型领军者DeepSeek与头部独角兽智谱AI，国产正秘密推进定制化AI芯片的大模研发工作。

其核心目标明确：彻底切断对算力霸主英伟达及其他外部厂商底层硬件的型绕依赖，构建完全自主可控的开英算力生态。

消息披露后，伟达资本市场反应剧烈，智谱造芯英伟达盘前股价应声下跌约1.6%。尽管DeepSeek依旧保持低调，但行业共识已达成：这场算力博弈，迎来了最硬核的玩家。

今年6月，DeepSeek完成70亿美元巨额融资后，迅速将战略触角延伸至行业核心腹地。智谱AI的同步跟进，标志着中国AI企业正撕下“纯算法公司”的标签，不再受制于传统的算力供应链。

过去一年，英伟达股价表现优于标普500指数

暴涨27倍的流量，将巨头拉入绝境

为何选择在此时此刻？为何两家头部企业几乎同步启动“造芯”计划？

答案隐藏在令人窒息的算力成本账本与严峻的外部环境中。

智谱AI的困境与爆发

作为国内顶尖AI大厂，智谱AI受限于政策原因，无法采购英伟达先进芯片。然而，其海外业务却迎来恐怖式增长。

随着GLM-5.2强势出海，其在开发者平台Vercel上的日Token使用量在一周内暴涨27倍。这种指数级的流量爆发，导致计算资源极度紧缺。

DeepSeek的“幸福烦恼”

DeepSeek凭借极致性价比吸引海量全球API调用，但英伟达芯片供应犹如杯水车薪。正如分析师理查德·温莎所言：“英伟达在中国市场份额正归零，且这一趋势将持续。”

供应链的不稳定性，迫使两家公司不约而同地选择自研。

为何聚焦推理芯片？直击大模型命门

此次DeepSeek与智谱AI自研的定制芯片，核心定位均为推理场景（Inference）。

即芯片专为已训练模型生成回答、处理日常交互计算而设计，而非用于需要数万张GPU集群的大模型训练环节。

AI大模型的下半场，属于推理。

随着GLM-5.2和DeepSeek V4全球全量上线，千万级日活与数十亿次API调用，使推理算力消耗彻底超越训练算力。

机构数据显示：生产环境中，推理占模型生命周期计算成本的80%-90%，需求呈爆炸式增长。

当前竞争焦点已非参数规模，而是如何在Token生成过程中，将功耗、延迟及硬件成本压至极限。

DeepSeek等模型的低成本训练（V3约数百万美元，R1更低）及高效推理（MoE架构、仅激活部分参数），进一步放大了推理需求。

英伟达传统GPU为兼顾复杂训练任务，保留大量冗余电路。用于日常推理时，高昂造价与恐怖耗电足以拖垮AI服务商。

相比之下，专用推理芯片（ASIC）剥离冗余，天生为特定算法矩阵计算而生，具备远超通用GPU的能效比与极低量产成本。

Trendforce预测：2026年ASIC增长率将达44.6%，远超GPU的16.1%。彭博行业研究预测：2033年定制AI ASIC市场规模将达1180亿美元。

智谱AI与DeepSeek旨在通过自研推理芯片，彻底夯实长期云端推理成本优势。

相比英伟达H100/H200/Blackwell系列，专用推理ASIC（如Google TPU、AWS Inferentia、Groq LPU、Meta MTIA等）针对Transformer矩阵乘法等特定操作进行了深度优化。

国产芯片之路：唯一的生路

对于依靠极致MoE和成本控制立足的DeepSeek，以及处于爆发期的智谱AI而言，遵从他人底层架构规则意味着巨大受限。

为建立硬件护城河、摆脱供应链限制并降低长期推理成本，两家公司决定效仿谷歌TPU与OpenAI，亲自下场设计芯片。

唯一的生路，就是掀翻牌桌。

全球AI公司，殊途同归

放眼全球，涉足芯片研发是全球顶尖大模型玩家进化的必然终局。

• OpenAI：上月正式推出首款定制推理芯片“Jalapeno”，系与博通联手开发数年的结晶。
• Anthropic：密集评估自研AI芯片。
• 谷歌：TPU已迭代数代，支撑庞大帝国运转。

自研之路绝非一朝一夕。据悉，DeepSeek约一年前启动与外部合作伙伴接洽，涵盖芯片设计、代工及存储领域。近期，DeepSeek加大芯片设计工程师招聘力度，但主要以私下方式进行。

此前，DeepSeek已在适配国产算力上做出多种尝试：

1. 引入UE8M0 FP8数据格式：用于模型权重和激活值的Scaling Factors，兼容微缩放（MXFP8）格式，针对下一代国产芯片优化。
2. 核心优势：提升计算效率，降低部署成本。
3. 显存优化：FP8相比FP16/FP32减少50%-75%显存占用，支持更大Batch Size或更长上下文（128K tokens）。
4. 发布DSpark推测解码模块：6月27日，DeepSeek发布最新论文，在DeepSeek-V4-Pro和V4-Flash基础上增加推测解码模块，重点优化工程落地。
5. 效果：优化算法使大模型在现有算力（含国产芯片）上运行更快、更高效，直接降低推理成本，解决国产算力效率与生态难题。
6. 性能提升：部署DSpark后，DeepSeek-V4-Flash生成速度提升60%-85%。

论文地址：https://arxiv.org/abs/2607.05147

软件层面的极致优化，是弥补国产芯片单卡性能与国际顶尖硬件差距的重要途径。DeepSeek的种种技术创新，或许正是为自研芯片埋下伏笔。

智谱AI已开始向本土芯片设计公司寻求合作，若推进顺利，芯片将由国内晶圆厂制造。

由于无法使用台积电、三星最先进的3nm/5nm海外代工，必须具备高超设计能力，以架构创新弥补物理制程落后。

据行业评估，智谱AI芯片从设计接洽到流片预计耗时两年以上。芯片行业资金需求巨大，这也解释了为何一向拒绝外部投资的DeepSeek，在6月突然筹集70亿美元融资。

这条路，不得不走。

若成功，这将是中国科技史上的壮举——在本土土地上，由国内晶圆厂制造，使用自研芯片运行自研模型，为全球数亿用户提供算力服务。

中国AI的下半场突围战，才刚刚开始。

参考资料：

• https://www.reuters.com/world/china/chinas-deepseek-developing-its-own-ai-chip-sources-say-2026-07-07/
• https://www.theinformation.com/articles/chinas-ai-lab-ziphu-weighs-custom-chip-demand-glm-model-soars

编辑：Aeneas

(责任编辑：热点)