DeepSeek、智谱传自研AI芯片，大模型公司集体下场造芯

7 月 7 日，多家媒体援引知情人士称，DeepSeek 正在开发专攻大模型推理的自研 AI 芯片，项目约一年前启动，最近仍在秘密扩充芯片设计团队，并已与芯片设计、晶圆代工和存储厂商接触。同日，The Information 报道，智谱正随着 GLM 系列模型需求增长，评估自研定制 AI 芯片的可能性。

事实上，这并非中国大模型公司的孤立动作：6 月 24 日，OpenAI 公开了与博通联合设计的首款定制推理芯片 Jalapeño，样片已在实验室运行，计划年底部署；今年 4 月，Anthropic 也被曝考虑自研芯片，并在 6 月挖来 OpenAI 芯片项目的核心工程师。一场由头部大模型公司主导的造芯潮，已经在中外同步展开。

模型公司为何集体下场造芯

表面看，全球最不缺 GPU 的一群公司——谷歌、亚马逊、微软、Meta、华为、百度、阿里——都在自研芯片。如今 DeepSeek、智谱、OpenAI、Anthropic 也加入同一队列，背后是三重账本在同时起作用。

算力经济账。 训练一个前沿模型固然烧钱，但训练是阶段性的，推理却发生在每一次真实调用中。模型用户越多、Agent 运行越久、Token 吞吐越大，推理成本就越像水电费一样持续累积。这也是 DeepSeek 和 OpenAI 不约而同首先瞄准推理芯片的原因——Jalapeño 并非用于训练下一代 GPT，而是专门处理大模型推理，目的非常直接：降低基础设施成本，并为英伟达 GPU 增加一个替代选项。

供应安全账。 英伟达 GPU 适合各类负载，但对只需要长期运行固定大模型的公司而言，未必愿意永远为这种通用性付费。如果 DeepSeek 未来继续沿用 MoE、MLA 与特定低精度计算路线，就可以围绕自身算子结构、KV Cache 管理、Prefill/Decode 特征、内存访问和数据流做定向优化，从而获得对底层算力更强的控制权。即便把负载从英伟达迁移到华为昇腾，也只是换了供应商，并未真正消除单点风险。

地缘政治账。 美国出口管制限制了先进英伟达芯片的对华供应，而先进 AI 芯片又高度依赖晶圆代工、HBM 和复杂供应链。综合来看，国产模型公司造芯，同时打的是 Token 成本、供应安全与地缘政治三场仗。

自研AI芯片的三种含金量

「自研AI芯片」听起来是一个词，背后实际能力的差距却可能天差地别。

全栈路线： 谷歌 TPU、亚马逊 Trainium 属此类，长期自研芯片架构、编译器、软件栈、互联网络和数据中心系统。
深度联合设计： OpenAI 的 Jalapeño 是典型代表，由 OpenAI 与博通共同定义关键架构与负载，深度定制，但与谷歌十余年积累的 TPU 体系并非同一种成熟度。
需求主导的轻定制： 由模型公司提出负载、内存、精度和功耗需求，由外部 ASIC 伙伴承担更多设计与工程工作。

路透社今年 4 月援引行业人士估算，设计一款先进 AI 芯片的成本可能达到约 5 亿美元，这还只是设计、工程与验证阶段的投入，并不保证顺利量产，更不保证在性能与成本上超过英伟达。

推理芯片为何成为首选

模型公司入局造芯，几乎都从推理切入，核心原因在于负载稳定性。

前沿训练的变量太多，硬件与模型架构都在快速迭代。
推理面对的是已经训练完成、即将长期运行的模型，负载更稳定，也更容易围绕固定算子、内存访问和 Token 生成过程做定向优化。

2026 年 AI 芯片行业最大的结构性变化，正是「推理专用化」的加速：

谷歌将第八代 TPU 拆成 TPU 8t（主攻大规模训练）和 TPU 8i（主攻低延迟推理与强化学习）。
华为的拆分更细：Ascend 950PR 面向推理的 Prefill 阶段和推荐系统，Ascend 950DT 面向 Decode 阶段与模型训练，按计算密集度、内存容量和带宽需求分别优化。

这说明训练与推理的最优硬件设计正在进一步分化，而非简单的「训练芯片」与「推理芯片」二分。

造芯潮背后的产业重构

比起谁先造出芯片，这轮造芯潮更值得关注的是产业底层正在发生的三重变化。

全栈竞争。 大模型竞争已从单点模型战进入更重的全栈战，模型-芯片-云-数据中心被绑成同一套系统。谷歌已经证明这条路：芯片生产算力，模型生产 Token，云把 Token 卖给客户，客户规模再反过来摊薄芯片研发成本——一条新闭环由此形成。模型公司今天集体造芯，本质上也是被同一股力量推着向前走。

去供应商依赖。 对 OpenAI 而言，这是减少对英伟达单一硬件路线的依赖；对 DeepSeek 等国产模型而言，是同时降低对英伟达与国产芯片的依赖。但只要命运的开关握在别人手里，涨价、断供、产能挤兑就随时可能发生。

下一轮价格战。 当 Token 价格卷到今天这个地步，谁的推理成本更低，谁就有更大的降价空间。没有芯片能力、只能靠采购通用 GPU 的纯模型公司，可能被两头夹击：上游议价能力不如芯片厂商，下游价格战又打不过有全栈能力的对手。

当然，造芯并非所有模型公司的必选项。做一家模型创业公司的门票大约 10 亿美元，做一个前沿模型要 300 亿美元起，而同时下注模型、芯片、云和数据中心的玩家面对的是 1000 亿美元级的全栈战争。这不是每家公司都掏得起的钱，也不是每家公司都需要掏的钱。

但可以确定的是：阿里平头哥从 2018 年成立到自研 GPU 规模化量产、年化营收达百亿级，走了近八年；谷歌 TPU 从 2015 年起步到第八代，花了十一年。DeepSeek 的芯片项目才启动一年，就连节奏最快的 OpenAI，从官宣合作到全面规模化量产，仍是一场持续数年的工程。造芯的入场券已经买好，但真正兑现的那一天，可能还要再等好几年。