昨天一条消息炸了AI圈。

路透社独家爆料：DeepSeek正在秘密研发自有AI芯片，项目一年前就已启动。消息一出，英伟达盘前股价直接跌了2%。

说实话，第一次看到这条新闻时，我的反应和大多数人一样——DeepSeek不是做模型的吗？怎么跑去造芯片了？

但如果你一直关注这家公司的发展轨迹，就会发现：这一步，早晚要来。

不是训练芯片，是推理芯片

先说清楚一个关键细节。

这次要造的东西，跟训练没关系，专攻推理场景。

啥意思？训练是一次性的——你把数据喂进去，模型学会知识，完事。但推理呢？你每问一句话、每调一次API、每让AI写一段代码，背后烧的全是推理算力。

这玩意儿现在是AI行业最烧钱的环节。通用GPU（比如英伟达的卡）虽然什么都能干，但拿它专门跑推理，说实话有点大材小用——冗余度高、功耗大、成本高。

定制化的推理芯片就不一样了。针对自家模型架构做深度优化，单位Token的成本可以压到通用GPU的一半以下。

这就是DeepSeek的算盘：用软硬一体的方式，把推理成本打到地板。

算力三级跳：从英伟达到华为再到自己

回头看DeepSeek这几年的算力路径，其实经历了三次跳。

第一跳：英伟达H800。 2025年1月，R1横空出世。那时候基础模型就是跑在H800上训练的，靠极致的算法优化，用有限的算力跑出全球顶尖的效果，一战成名。

第二跳：华为昇腾。 2023年底美国禁止H800对华出口，被迫转向国产替代。今年4月发布的V4大模型，正式兼容双平台，华为方面确认V4-Flash部分训练流程直接在昇腾处理器上完成。

第三跳：自研。 即便有了华为兜底，业务规模爆发式增长，昇腾也扛不住海量推理需求了。于是，自己下场造芯，成了唯一的选择。

英伟达→华为→自己。这三级跳跳完，一家纯算法公司，变成了软硬一体的全栈玩家。

全球AI都在"自己造铲子"

你可能觉得DeepSeek此举是突发奇想，其实不然。放眼全球，头部AI公司几乎全在走同一条路。

看看这份名单：OpenAI上个月刚跟博通联合搞出了推理芯片Jalapeño（从设计到流片只用了9个月），Google的TPU已经大规模部署多年，亚马逊的Trainium持续迭代，Meta的MTIA已经运营了约1GW算力的训练集群。国内这边，百度有昆仑，阿里有平头哥，连智谱都开始评估定制方案了。

当一家供应商变成所有人共同的依赖，每个挖金子的人，都会想：能不能自己造一把铲子？

黄仁勋的客户们，已经动手了。

钱从哪来？510亿的底气

造芯片是个烧钱的无底洞，凭啥？

答案是：刚融了一大笔钱。

今年6月，完成了约510亿元的A轮融资，投后估值飙升至约4000亿元，创下中国AI行业单轮融资纪录。出资方名单相当豪华——梁文锋个人掏了约200亿元，腾讯100亿，宁德时代50亿，京东、网易、IDG资本各30亿。

这笔钱怎么花？三个字概括：芯、算、人。 自研芯片、扩建算力中心、全球抢人。

6月25日已经开启史上最大规模招聘，放话"所有部门规模至少扩大一倍"。同时在内蒙古乌兰察布启动超大规模智算中心建设——绿电、低温、低成本，天然适合堆服务器。

有钱、有人、有算力中心，再配上自研芯片，这盘棋就活了。

现实挑战：没那么容易

泼点冷水。

制造环节：美国出口管制下，大概率只能用国内成熟制程产线，工艺节点上跟台积电、三星存在代差，这个短期内没法弥合。

HBM存储：推理芯片对高带宽存储需求巨大，但HBM供应被SK海力士、三星、美光三家海外厂商主导，而且受出口管制限制。巧妇难为无米之炊。

时间周期：一款有竞争力的AI芯片从设计到量产，通常需要3到5年。即便资金充足，工程化周期绕不过去。

分析师理查德·温莎的判断挺直接："英伟达在中国的市场份额已基本归零，造芯不会对英伟达造成实际影响。"

真正有压力的，其实是华为。 DeepSeek本就是昇腾的重要客户，自研芯片一旦落地，将直接分流华为的推理算力需求。加上阿里、百度、字节都在搞自研，国产AI芯片赛道的竞争只会越来越激烈。

写在最后

从算法逆袭到硬件自研，背后的逻辑其实很简单——核心技术，终究要自主可控。

海外管制持续收紧、推理成本成为生死线，只做软件已经不够了。这波造芯，不止是一家公司的战略选择，更是中国AI产业从"应用层创新"向"基础设施层自主"迈进的信号。

能不能做成？还得看执行力。但敢上桌，就已经赢了第一步。

你觉得DeepSeek造芯能成功吗？评论区聊聊。

参考来源：路透社/IT之家 | 凤凰网科技 | 电子工程专辑