Deepseek进军硬件，英伟达股价下跌南风窗
Deepseek进军硬件了。
7月7日，据外媒报道，中国人工智能初创公司深度求索正在开发AI推理芯片。消息传出，当天英伟达股价盘前下跌约2%。
媒体援引知情人士消息，该项目“始于一年前”，目前仍处于早期阶段。深度求索近几个月加大了芯片设计工程师的招聘力度，但招聘均在私下进行，未在公开平台发布职位。
在三个星期前的6月16日，深度求索刚刚完成首轮外部融资，募资总额超500亿元，估值超3300亿元。6月17日，中国证监会宣布“科创板扩容”，允许未盈利的人工智能大模型企业上市。
深度求索完成首轮外部融资
全球范围内，AI大模型企业自研芯片蔚然成风。Meta第四代自研芯片Iris将于9月量产；OpenAI于6月发布首款自研推理芯片Jalapeño；Anthropic于4月公开表示“考虑自研芯片”。
可以说，大模型公司为什么“造芯”、造哪一种芯、怎么造芯，且会带来什么样的影响，是这一波“芯浪潮”之下最普遍的疑问。而中国顶级大模型公司深度求索，抛出了意料之外、情理之中的答案。
为什么造芯？
深度求索造芯，堪称“大势所趋”。这是深度求索在外部地缘政治影响、内部供应链压力，以及自身技术优势共同驱动下的必然选择。
2023年，梁文锋在杭州接受采访时说过：“我们真正的挑战从来不是资金，而是高端芯片的出口禁令。”
自2022年起，受美国严苛的半导体出口管制政策影响，英伟达最先进的AI芯片不能通过合法渠道引入中国。深度求索早期的模型靠的是囤积的英伟达A100，V3和R1模型依赖“中国特供版”英伟达H800芯片训练，但这些芯片先后遭全面禁售。
今年6月，美国商务部急发最新“指南”，规定即使中国企业实体身处中国境外——比如在海外设立的研发中心，也将被禁止购买、使用英伟达最先进的Blackwell及Rubin架构的芯片，完成空间上的“全球封堵”。
实际上，从后续的V4和V4-Flash大模型开始，深度求索已经全面适配华为芯片昇腾950PR，其单卡推理性能达到英伟达中国特供版H20的2.87倍。
针对昇腾950PR的架构特征，深度求索定制开发了算法和架构，持续将Token推理价格打到“白菜价”。据OpenRouter数据显示，美国企业调用中国AI的Token占比，自今年2月起突破30%，峰值达46%，比起2025年上半年4%的水平，涨幅相当明显。
昇腾950好是好，但实在供不应求。毕竟它面向的是整个中国人工智能产业的算力需求，客户包括互联网巨头字节跳动、阿里巴巴、腾讯、百度、美团；包括政企巨头中国移动、中国电信、中国联通、国家电网、南方电网；也包括上海、深圳、成都等地方政府智算中心，还包括了各类做算力租赁的中小云厂商。
在代工厂中芯国际的先进制程“盘子”里，华为一家就占去了近一半的产能分配。就算如此，除去分给华为手机麒麟芯片的产能，留给昇腾芯片的晶圆也所剩无几。其他中国AI芯片企业如寒武纪等，还要争夺剩下的份额。
这样一算，与其去争抢紧张之又紧张的先进制程代工份额，中国大模型公司还不如自己打造推理专用的ASIC芯片。这类芯片不需要通用GPU那么极致的技术，14nm平台就能做——这部分产能，中芯国际是很充裕的。
而且，深度求索做硬件，底气很足。它就是靠“打磨”芯片起家的，拥有顶尖的软硬件协同设计能力。
如果用上了自研的专用推理ASIC芯片，深度求索还可以再大幅降低Token调用成本，构建出更大的性价比优势。同时，近期的巨额融资，也为深度求索提供了充足的“子弹”。
全球顶尖AI大模型梯队，都在自研推理专用芯片。OpenAI与博通合作研发Jalapeño，Anthropic也被曝出正在接触三星，Meta的第四代自研芯片Iris将于9月量产，特斯拉的AI5芯片已面世。而互联网巨头谷歌、亚马逊均已深耕多年，有能力自研训练芯片。
无论天时地利人和，深度求索都走到“造芯”这一步了。
只做“定制芯”
大模型公司集体下场“造芯”，无一例外，做的都是ASIC，也叫专用集成电路。
为什么做ASIC，不用英伟达的GPU呢？中国大模型企业买不到英伟达，美国大模型公司总不至于买不到。而这些公司“一齐”选择ASIC，主要由需求决定。
英伟达GPU是通用处理器，为了兼容图形渲染、科学计算和多种复杂算法，保留了大量闲置的硬件逻辑。而大模型公司的诉求集中且纯粹——只需要芯片能跑特定参数规模的大语言模型。
而且，这些模型公司“自研”的芯片，只瞄准推理场景，而不是训练场景。训练芯片，需要非常高的算力密度，以及生态兼容度，比如英伟达的CUDA，门槛很高；而推理阶段的计算模式相对固定，用ASIC针对性优化，可以“榨干每一寸晶圆”的性能。
今年拜OpenClaw这只“龙虾”所赐，大量AI应用爆发，每天的线上调用都会产生海量的推理成本。对于大模型公司来说，在固定的推理任务上，一个架构完全定制化的ASIC，其Token的计算成本、功耗和延迟，都会显著优于通用的GPU芯片。
AI智能体“龙虾”/ 新华社发（薛莹莹 摄）
另外，自研芯片的“自研”也“有说法”。一般而言，“自研”包括全栈自研和部分自研，大模型公司肯定不会“从头做起”，它们都是和其他芯片企业合作，自己负责擅长的“调校”部分。
像OpenAI发布的首款自研推理ASIC芯片，名叫Jalapeño，是一种产于墨西哥的著名辣椒。
这款芯片也如辣椒一样强劲火爆：Jalapeño采用了与苹果M3、M4系列以及英伟达Rubin架构同级别的台积电3nm制程；计算核心采用“曝光掩膜板极限尺寸”，和英伟达H100一样庞大；它还堆叠了8块的HBM，一口气能吞下几万亿参数的模型权重。
Jalapeño具备了顶级训练芯片的材料和体量，但专攻推理，从启动到流片仅耗时9个月，可见OpenAI砸下血本、快马加鞭，也是为了把GPT的运行成本死死压下去。
OpenAI CEO奥特曼与博通 CEO陈福阳展示新芯片Jalapeño的晶圆
在分工上，OpenAI负责定义核心的计算图，指出芯片应该保留哪些数学计算逻辑，砍掉哪些无用的通用图形渲染逻辑；研发推理服务系统，确保芯片适配未来几年内自己的模型技术路线图。
博通本来就是全球ASIC定制化设计的“无冕之王”，谷歌的TPU就出自它手，它主要负责芯片的前端后端设计、高速互联技术，还出面搞定了台积电3nm的“宝贵产能”。
中国大模型公司的“造芯”思路也差不多。
近日也传出“造芯”消息的智谱，据悉已经向多家中国本土芯片设计公司如寒武纪、壁仞发出初步询问，评估为自家GLM模型定制专属ASIC的可行性。该项目处于早期方案接洽阶段，预计两年以上时间才能流片落地。
把握“战略生路”
中美的大模型巨头都从“算力买家”化身“造芯玩家”，会给全球AI产业带来一些深远影响。
首先，“硬件混搭”将成为趋势。
这几年，英伟达凭借硬件的算力，和独一无二的CUDA软件生态，除了中国市场，在AI领域垄断了超90%的市场份额。
英伟达CUDA架构的生态循环
各家大模型公司自研芯片，会最先打破英伟达的“寡头”局面：训练芯片归英伟达，推理芯片自己做；同时，采用Triton、OpenXLA等开源或自研编译器生态，不再被CUDA“锁死”。
英伟达CEO黄仁勋多次对大模型巨头、云厂商自研ASIC表达强硬的观点，他认为ASIC缺乏灵活性，硬件过于固化、无法应对推陈出新的大模型架构；工程难度高，“90%的ASIC项目以失败告终”；即使对手芯片“零成本”，英伟达的总拥有成本（TCO）也依然更低。
