当多数 AI 厂商仍聚焦于模型版本迭代时，DeepSeek 已将战略触角延伸至自研芯片领域。
据悉，DeepSeek 已于一年前秘密启动自研 AI 芯片项目。目前，该项目正处于早期架构设计阶段，团队正在低调扩招，并持续对接芯片设计、晶圆代工及存储供应链等上下游企业。
与外界猜测不同，DeepSeek 并未选择研发难度极高的训练芯片，而是将重心完全置于推理芯片，以此开启软硬件一体化的转型之路。
战略抉择：为何聚焦推理芯片？
理解 DeepSeek 的造芯逻辑，核心在于区分“训练芯片”与“推理芯片”。
训练芯片服务于 AI 的学习阶段。该过程需投喂海量数据，利用数万张 GPU 进行数月的高强度运算以完成模型迭代。其特点是低频、超大算力需求及一次性重投入，一旦模型训练完成（如 DeepSeek V4），便无需持续消耗此类算力。
推理芯片则服务于 AI 的工作阶段。用户的每一次对话、企业的每一次调用，均需实时推理运算。其特点是高频、全天候运行及持续性消耗，是 AI 企业日常算力开销的主体。
DeepSeek 聚焦推理芯片赛道，是基于行业现状与自身业务的理性考量。
IDC 全球 AI 算力结构数据显示，目前全球 AI 整体算力消耗中，训练算力仅占 32%，而推理算力高达 68%。这意味着，近七成的硬件、电力及运维成本均消耗在推理环节。
▲IDC 统计数据
随着 DeepSeek V4 系列模型上线，海内外调用量激增，日间高峰期 GPU 集群长期满载。市面上的英伟达、昇腾等通用硬件难以针对单一模型进行精准优化。
此外，推理芯片的研发门槛相对较低，过程更可控。高端训练芯片对制程和核心算力要求极高，投入数十亿且失败率高；而推理芯片主打低功耗、低成本与场景适配，无需极致算力参数，研发周期约 2-3 年，资金风险较低，更契合 DeepSeek 当前的发展阶段。
综上，DeepSeek 的造芯之路并非激进扩张，而是聚焦核心痛点、兼顾风险与收益的务实布局。
深层动因：突破算力双重约束
表面上看，自研芯片是成本优化之举；究其本质，这是在海外部算力制裁与国产生态短板双重约束下的自救。
过去数年，英伟达几乎垄断国内 AI 算力市场，巅峰期份额超 95%，国内大模型企业起步多依托其 GPU 集群。然而，随着海外出口管制收紧，H100、H800 等高端芯片全面停售，国内市场仅能采购性能阉割的 H20 版本，且面临长达 3-6 个月的采购周期，供需矛盾突出。
▲图源：美国之音
DeepSeek 早期的 R1、V3 模型训练完全依托英伟达 H800 集群。在高端芯片断供后，公司才被迫全面适配国内算力平台。
DeepSeek 创始人梁文峰曾坦言，资金并非最大难题，高端算力供给的不稳定性才是长期悬顶之剑。一旦外部政策收紧导致库存耗尽，企业发展将直接受限。掌握在海外厂商手中的算力始终存在隐患，自研成为唯一的长效解决之道。
从国内环境看，华为昇腾虽已成为国产大模型的核心算力基座，2025 年出货量达 81.2 万张，足以支撑基础训练与推理需求，但硬件达标不代表体验达标。国产芯片最大的短板在于软件生态滞后：英伟达凭借多年积累构建了完善的 CUDA 生态，而国产芯片起步晚、适配度低，往往需要工程师反复调整才能稳定运行。
更为关键的是，国内昇腾、寒武纪等芯片的标准由厂商制定，DeepSeek 只能被动适配，无法根据自身运行逻辑和流量特点定制硬件，导致模型最佳性能无法完全释放。
面对海外随时断供与国内适配不足的双重困境，DeepSeek 走向自研专属推理芯片已成必然。
行业趋势：头部企业纷纷入局
纵观全球 AI 行业，算力自主已成共识。2026 年以来，避开高风险训练芯片赛道、通过自研推理芯片提升稳定性，已成为头部企业的统一打法。
OpenAI 长期受困于高昂的推理成本，每月算力开销达数十亿美元。为摆脱对英伟达的依赖，其于 2026 年 6 月正式推出自研推理芯片 Jalapeño，采用博通设计、台积电代工的合模式。
▲Open AI 推出自研推理芯片消息
通用 GPU 针对性差，无法满足 ChatGPT 高强度、精准化的运行需求。自研专用推理芯片，是降低长期运行成本的最佳选项。
在国内，与 DeepSeek 造芯消息同步曝光的还有智谱 AI。据悉，智谱已启动自研推理芯片洽谈合作，计划为 GLM-5 系列模型定制专属硬件。
▲智谱也启动自研芯片
智谱 AI 面临的困境与 DeepSeek 高度相似：GLM-5.2 版本上线后调用量暴涨，算力缺口扩大；同时因被列入美国实体清单，无法购入英伟达高端芯片，而全程依赖国产芯片又存在适配性问题。目前该项目处于早期阶段，预计落地周期超过两年。
对比 OpenAI、智谱 AI 与 DeepSeek 的布局，三者均优先研发低门槛、高需求的推理芯片，放弃烧钱且高风险的训练芯片。其核心目标一致：降低推理成本，稳定硬件供应。这也侧面印证了 DeepSeek 自研布局的合理性。
未来展望：结构性影响与挑战并存
从研发规律看，DeepSeek 的自研芯片短期内可谓“远水解不了近渴”，但长期或将给行业带来结构性变革。
芯片从架构设计到最终落地，通用周期为 2-3 年。短期内，DeepSeek 仍需依赖英伟达存量芯片和华为昇腾算力，现有的峰谷定价模式也将持续以平衡日间算力峰值。
国内算力市场短期内将维持英伟达、华为、平头哥、寒武纪多方共存的局面：英伟达依靠 CUDA 生态存量维持优势，国产芯片承担兜底任务。头部大模型企业未来几年或将保持“外购算力维持运营、低调布局自研芯片”的发展模式。
同时必须正视风险，芯片研发失败率极高，实验效果不及预期的情况时有发生，DeepSeek 的项目同样具有不确定性。
若自研芯片顺利落地，将引发一系列连锁反应：
首先，对 DeepSeek 而言，推理成本下降将赋予其下调 API 定价、强化市场竞争力的空间，软硬件一体的技术优势将进一步巩固其市场地位。
其次，对国内 AI 行业而言，过去由厂商定义芯片标准、AI 企业被动适配的模式将被打破。未来大模型企业参与硬件设计、芯片适配算法，将最大化释放模型性能，并带动国内晶圆制造、芯片生产、存储等上下游产业链升级，完善 AI 算力生态。
放眼全球，AI 算力体系或走向中外分流：海外依托既有体系打造高端算力产业，国内则依托自主产业链实现底层突围。未来 AI 行业的核心竞争力，将不再局限于模型参数和算法效果，“芯片 + 算法”的一体化能力或将成为新的竞争标准。
峰谷定价调节短期压力，自研芯片布局长期突破。DeepSeek 的双重布局，折射出国产大模型当下的真实困境与转型方向。
尽管自研芯片投入巨大、周期漫长且充满不确定性，项目最终效果尚无定论，但不可否认的是，国产 AI 算力垄断格局正在被打破。海外成熟硬件与国内自主算力体系并行发展，将成为行业新常态。
未来 AI 赛道机遇与挑战并存，行业格局尚未定型，更多全新的可能性仍在等待解锁。
