7月7日，据路透社援引三位知情人士报道，中国AI大模型公司DeepSeek（深度求索）正在研发面向推理场景的自有AI芯片，旨在降低对英伟达和华为芯片的依赖。该项目已启动约一年，目前仍处于早期阶段，公司正与芯片设计、晶圆代工及存储厂商展开洽谈。消息传出后，英伟达盘前股价一度下跌约2%。
DeepSeek的芯片依赖路径经历了明显的演变。一年多以前，DeepSeek凭借R1等高效AI模型全球闻名，其基础模型曾在英伟达H800上训练。但2023年底，美国政府禁止H800对华出口，DeepSeek被迫寻求替代方案。
此后，公司逐渐将工作负载转向华为昇腾芯片。今年4月发布的V4模型已正式适配华为处理器，华为方面确认V4-Flash的部分训练在其昇腾处理器上完成。然而，随着业务规模扩张，即便是华为昇腾也无法完全满足其海量推理需求。
知情人士透露，DeepSeek自研的AI芯片专为推理任务设计——即训练完成的模型为用户生成回答的过程，而非用于训练新模型。这一定位瞄准了AI计算需求中增速最快的领域。随着AI应用普及，行业算力正从模型训练向模型运行转移，推理专用芯片通常比通用GPU成本更低、功耗更小。
DeepSeek并非孤例。全球AI头部企业正纷纷寻求对底层硬件的更大自主控制权：
OpenAI：6月24日刚刚发布与博通联合打造的首款定制AI推理芯片Jalapeño，从设计到流片仅用9个月；
Anthropic：也被传出正在考虑自建AI芯片；
Meta：已运营合计约1GW算力的AI训练集群，并计划推出"Meta Compute"云基础设施服务；
谷歌、亚马逊：TPU、Trainium等自研芯片已大规模部署。
DeepSeek若成功进入芯片设计领域，将标志着这家以模型算法突破闻名的公司迎来重大战略转型，从"纯软件"走向"软硬一体"。
DeepSeek有足够的资本支撑这一野心。今年6月16日，公司完成约510亿元人民币的A轮融资，投后估值约4000亿元，创下中国AI行业单轮融资纪录。创始人梁文锋个人出资约200亿元为最大单一出资方，腾讯、宁德时代、网易、京东、IDG资本等参投。
这笔资金正在快速转化为实际行动。6月25日，DeepSeek开启史上最大规模招聘，计划将所有部门规模扩大至少一倍。与此同时，公司已在内蒙古乌兰察布发布数据中心岗位，标志着从轻资产模型研发走向自建算力集群的重资产模式。
自研芯片的核心逻辑在于：当模型训练和推理规模达到一定程度，通用GPU的性价比和供应稳定性均难以满足需求。通过定制化ASIC，企业可以针对自身模型架构深度优化，降低单位Token的推理成本，并在供应链安全上掌握主动权。
消息传出后，英伟达盘前股价一度下跌约2%。但市场分析认为，这一利空对英伟达的实际冲击有限。
Radio Free Mobile分析师理查德·温莎指出，英伟达在中国的市场份额已基本归零，且现状仍会持续。除非DeepSeek能获得最先进的制造工艺，否则其芯片几乎没有销往海外市场的机会。因此，DeepSeek自研芯片并不会对英伟达造成实质性影响。
真正感受到压力的可能是华为。DeepSeek此前已是华为昇腾芯片的重要客户，若其自研推理芯片成功落地，将直接分流原本属于昇腾的推理算力需求。与此同时，阿里巴巴、百度、字节跳动等国内互联网巨头也在开发自己的AI芯片，中国本土AI芯片市场的竞争正日趋白热化。
尽管战略方向明确，DeepSeek的芯片之路仍面临严峻挑战。
首先是制造环节。美国出口管制禁止中国设计公司使用最先进的海外晶圆代工厂，这意味着DeepSeek的芯片大概率只能依托国内成熟制程产线，在工艺节点上与台积电、三星的先进制程存在代差。
其次是高带宽存储（HBM）。AI推理芯片对HBM的需求巨大，而HBM供应目前由SK海力士、三星、美光三家海外巨头主导，且受到美国出口管制限制。如何在HBM获取受限的情况下设计出性能足够的推理芯片，是DeepSeek必须解决的难题。
第三是时间与资金。开发一款有竞争力的AI芯片通常需要数年时间和大量资金。即便DeepSeek拥有充足的融资，从流片到量产、从能用好用再到大规模部署，仍需跨越漫长的工程化周期。
针对自研芯片的传闻，DeepSeek方面暂未作出官方回应。不过，当用户通过DeepSeek大模型询问此事时，得到的回复是："感谢你的关注，关于彭博社的报道，目前我们没有更多可以透露的信息。"
同时，该回复也透露了公司的公开立场："作为一家AI公司，DeepSeek一直专注于模型算法的研究与创新。同时，我们也在持续探索更优的工程实现方案，以降低推理成本、提升服务效率。"
行业分析人士指出，DeepSeek自研芯片若最终落地，将是中国AI产业从"应用层创新"向"基础设施层自主"迈进的重要标志。但在短期内，这更像是一场面向未来的战略储备，而非对现有供应链格局的即时颠覆。
来源：电子工程专辑
