7 月 7 日，据路透社援引三名知情人士消息，DeepSeek 正启动自研 AI 芯片项目，旨在降低对英伟达及华为等外部供应商的依赖。与侧重预训练的高性能加速卡不同，DeepSeek 此次聚焦于推理场景，即承担模型训练完成后的用户请求处理与内容生成任务。
据悉，该项目尚处早期阶段，相关工作约于一年前启动。DeepSeek 已开始接触芯片设计、晶圆代工及存储厂商等外部合作伙伴。近几个月，公司通过非公开渠道增加了芯片设计工程师的招聘规模。因信息未公开，相关人士均要求匿名，DeepSeek 方面暂未回应置评请求。
若项目顺利量产，标志着 DeepSeek 的业务版图将从算法、框架及软件层，正式延伸至底层计算硬件。目前，关于芯片架构、制程工艺、流片时间及代工方等具体细节，官方尚未披露。
为何首选推理芯片？
相较于训练，推理已成为 AI 算力市场中增长更快、需求更分散的领域。训练集中于模型发布前，需大规模集群长期运行，对互联带宽与稳定性要求极高；而推理贯穿模型全生命周期，伴随每一次用户交互产生算力消耗。
随着大模型在搜索、办公及智能体等场景落地，行业重心正从“训练模型”转向“低成本运行模型”。专用推理芯片可通过裁剪通用功能，针对特定负载优化吞吐量、延迟与功耗。路透社指出，此类芯片通常比通用 GPU 具备更低的成本与能耗优势。
对 DeepSeek 而言，自研芯片更深层的意义在于“软硬协同”。模型团队可围绕混合专家架构、低精度计算及注意力机制定制硬件；芯片团队则可根据算子结构优化计算单元与数据流。这与 DeepSeek 此前开源 DeepGEMM、DeepEP 等基础设施组件的技术路线一脉相承，意在掌控从模型架构到计算硬件的全链路。
不过，软硬件协同能否转化为实际优势，仍取决于最终的设计能力、制造工艺及配套生态。
从依赖外购到寻求自研
DeepSeek 此前同时采用过英伟达与华为芯片。其 R1 推理模型的基础模型曾使用英伟达 H800 训练，但该芯片受美国出口管制影响已禁止对华销售。随后，DeepSeek 逐步增加对华为昇腾芯片的适配，并于 2026 年 4 月发布适配昇腾的 V4 模型。
数据显示，在约 500 亿美元的中国 AI 芯片市场中，华为目前占据约半数份额。但随着阿里、百度等巨头推进自研，华为面临的竞争日益加剧。
DeepSeek 入局芯片研发，短期内并非要完全替代英伟达或华为。报道所指芯片聚焦推理，大规模训练仍需外部支持。且芯片从设计到量产周期长，需经历良率、封装及软件适配等多重考验。长远来看，自研芯片有助于 DeepSeek 降低对单一平台依赖，掌握推理成本与产品迭代的主动权。
自研芯片成 AI 巨头必经之路
为降低对英伟达的依赖并优化推理效率，自研芯片已成全球 AI 巨头共识。OpenAI 已于 2026 年 6 月联合博通发布首款定制推理芯片 Jalapeño，Anthropic 也在评估自研方案。主流模式为由模型公司定义架构，联合专业设计公司开发，再交由代工厂生产，以实现模型、编译器与芯片的共同优化，从而降低 Token 推理成本。
对 DeepSeek 而言，这一需求更为迫切。一方面受制于美国出口管制，获取先进 GPU 渠道受限；另一方面，随着用户量与调用量激增，持续压低基础设施成本直接关系到其商业化成败。
参考链接：
https://www.reuters.com/world/china/chinas-deepseek-developing-its-own-ai-chip-sources-say-2026-07-07/
https://x.com/teortaxesTex/status/2074467879248966087
声明：本文为 AI 前线整理，不代表平台观点，也不构成投资建议，未经许可禁止转载。
