DeepSeek、智谱被曝造芯，国产大模型绕开英伟达

【导读】深夜重磅：DeepSeek与智谱双双下场造芯！面对高压，中国AI双雄直接掀翻牌桌，秘密自研推理芯片。这场算力突围战，终于打响了。

就在今天，国内AI圈连续曝出两个震撼消息。

根据路透社、The Information的爆料，中国大模型领头羊DeepSeek与头部大模型独角兽智谱AI，正在双双秘密自研定制化AI芯片。

他们的目标很简单：彻底摆脱对算力霸主英伟达以及其他公司的底层硬件依赖，全面构建自己的算力生态。

消息一出，资本市场瞬间闻风而动，英伟达股价在盘前交易中应声下跌约1.6%。

尽管DeepSeek一如既往保持低调，但全行业都清楚：这场游戏，已经迎来了最硬核的玩家。

今年6月份，DeepSeek破天荒启动70亿美元巨额融资后，已经将战火烧到行业的核心腹地。

智谱AI的同场跟进，意味着中国AI企业，已经纷纷开始撕下纯算法公司的标签，掀翻传统的算力牌桌。

过去一年，英伟达股票的表现优于标普500指数

暴涨27倍的流量，被拉入绝境

为什么偏偏是这个时候？为什么两家头部企业几乎在同一时间传出「造芯」大动作？

答案就藏在令人窒息的算力账本，以及外部环境中。

先看看智谱AI。

作为国内技术实力最顶尖的AI大厂之一，智谱因为种种原因，无法采购英伟达的先进芯片。

而就在同时，智谱AI却在海外迎来了业务的恐怖爆发。

随着GLM-5.2 的强势出海，其在知名开发者平台 Vercel 上的日 Token 使用量，居然在短短一周内暴涨了惊人的 27 倍！ 

这种指数级的流量爆炸，导致计算资源开始紧缺。

另一边的DeepSeek，也面临着相似的「幸福烦恼」。

DeepSeek的模型以极低成本的高性能，吸引了海量的全球API调用，但英伟达芯片却犹如杯水车薪。

正如分析师理查德·温莎所言：「英伟达在中国的市场份额正在逐步归零，而且会一直保持这种状态。」

既然供应链无法稳定获取，两家公司，不约而同地同时出手了。

为什么是推理芯片？直击AI大模型最痛命门

这次，无论是DeepSeek还是智谱AI，正在研发的定制AI芯片，定位都主要面向推理场景。

也就是说，芯片专门为了已训练好的模型给用户生成回答、运行日常交互的计算环节而设计的，绝非用于动辄需要数万张GPU集群联合的大模型训练环节。

AI大模型的下半场，就是推理。

随着GLM-5.2和DeepSeek V4在全球全量上线，动辄几千万日活、数十亿次的API调用，让推理算力的消耗彻底压倒了训练算力。

机构数据显示，生产环境中推理可占模型生命周期计算成本的80-90%，推理需求正爆炸式增长 

现在，拼的不是谁能训出最大的参数，而是谁能在每一次Token吐出的过程中，把功耗、延迟和硬件成本压到极致。

DeepSeek等模型的低成本训练（V3约几百万美元，R1更低）和高效推理（MoE架构、仅激活部分参数）进一步放大了推理需求暴涨的趋势

英伟达的传统GPU为了兼顾复杂的训练任务，保留了大量冗余的电路架构。用它来做日常推理，高昂的造价和恐怖的耗电量都足以让任何一家AI服务商破产。

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

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%。彭博行业研究预测，到 2033 年，定制人工智能ASIC市场规模将达到1180亿美元

智谱AI和DeepSeek正是想通过自研推理芯片，彻底打下长期的云端推理成本。

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优化

那么，国产芯片这条路呢？

对于DeepSeek这种依靠极致MoE和苛刻成本控制立足的公司，以及智谱这种正在爆发式增长的头部企业来说，完全遵从其他公司的底层架构规则，意味着极大的受限。

为了建起硬件的护城河，为了摆脱供应链限制并降低长期的云端推理成本，智谱AI和DeepSeek最终做出了相同的决定——效仿谷歌 TPU 与 OpenAI，亲自下场画电路板。

唯一的生路，就是掀翻牌桌。

全球AI公司，殊途同归

放眼全球，我们会发现，涉足芯片行业，是全球最顶尖大模型玩家进化到终极形态的必然选择。

OpenAI在上个月正式推出首款定制推理芯片，内部代号「Jalapeno」，这是其与博通联手开发数年的结晶。

Anthropic也一直在密集评估开发自己的AI芯片；而谷歌的TPU更是早已迭代数代，撑起庞大的帝国运转。

自研造芯之路，绝非一朝一夕。

据悉，DeepSeek正与外部合作伙伴接洽，并与芯片设计、代工和存储器公司进行洽谈，工作大约始于一年前。

近几个月，DeepSeek已加大了芯片设计工程师招聘力度，但招聘主要以私下方式进行，并未在公开招聘平台发布岗位。 

此前，DeepSeek在适配国产算力上，已做出多种尝试。 

DeepSeek-V3.1 曾引入了 UE8M0 FP8数据格式，主要用于模型权重和激活值的 scaling factors，以兼容微缩放（Microscaling / MXFP8）格式，并针对下一代国产芯片优化。

UE8M0 的核心优势，主要是计算效率提升，减低部署成本。

而FP8相比FP16/FP32减少50%-75%的显存占用，支持更大batch size或更长上下文（128K tokens）。

就在今年6月27日，DeepSeek发布最新论文，在原有DeepSeek-V4-Pro和DeepSeek-V4-Flash基础上增加了一个推测解码模块，重点在于工程落地层面的优化。

论文地址：https://arxiv.org/abs/2607.05147

这次发布的DSpark通过优化算法，让大模型在现有算力（包括国产芯片）上跑得更快、更高效，直接降低了推理成本，解决了国产算力在应用落地时面临的效率和生态两大难题。

部署DSpark后，DeepSeek-V4-Flash模型的生成速度提升了60%至85%。这种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水平硬件差距的重要途径

现在看来，DeepSeek的种种技术创新，或许也在为自研芯片埋下伏笔。

并且，智谱AI已开始向本土芯片设计公司垂询合作。若能顺利推进，该芯片将直接由国内晶圆厂负责制造。 

因为无法使用台积电、三星最先进的3nm/5nm海外代工厂，就必须具备高超的设计能力，靠支撑的架构创新，来弥补物理制程的落后。

据行业评估，智谱AI的芯片从设计接洽到实际流片，预计需耗时两年以上。

而且，芯片行业需要的资金量巨大，这也完美解释了为什么一向拒绝外部投资的DeepSeek，会在6月份突然筹集高达70亿美元的惊人融资。

显然，这条路现在不得不走。

如果成功，他们将完成一场中国科技史上壮举——在自己的土地上，由国内本土晶圆厂制造，用自己设计的芯片、运行自己定义的模型，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 

本文来自微信公众号“新智元”，作者：ASI启示录；编辑：Aeneas，36氪经授权发布。