DeepSeek决定自研芯片打造人工智能全新算力芯脏

被“逼”出来的第三条路。

一直以模型技术见长的DeepSeek，这次在算力供应链上迈出了让所有人侧目的一步。

2026年7月7日，路透社援引三位知情人士消息，DeepSeek正在悄然开发自有AI芯片。值得玩味的是，这颗芯片的定位非常精准——专攻推理，不涉足训练。消息人士称，项目大约启动于一年前，目前仍处于早期阶段。

虽然截至发稿，DeepSeek官方对此未予置评，但在市场眼中，这一步几乎是板上钉钉的必然。从早期依赖英伟达H800训练R1模型，到转向华 为昇腾部署V4，再到如今亲自下场设计推理芯片——DeepSeek的算力路线变迁，几乎就是中国AI产业算力自主化进程的微缩样本。

支撑这个宏大计划的底气，来自于2026年6月完成的约510亿元首轮外部融资。这家此前多年拒绝外部投资、创始人梁文峰反复强调“不缺钱”的公司，终于打开了钱袋子。资金用途很明确：自研AI芯片是核心目标之一。

一家以软件见长的模型公司，为什么要做起芯片这种重资产、长周期、高风险的生意？从模型到芯片，这道坎该怎么跨？而这一切，又会对中国AI芯片市场带来怎样的变局？这些问题已经摆上台面，并将长期接受市场拷问。

DeepSeek要自研芯片

于整个AI市场而言，DeepSeek的最新动态，远比发布一个模型更为炸裂。

2026年7月7日，路透社援引三位知情人士报道，中国AI大模型公司DeepSeek正在开发自有AI芯片。芯片定位非常明确——专攻推理，而非训练。所谓推理，就是大模型训练完成后，面向用户请求实时生成内容的核心计算环节。换句话说，DeepSeek要做的，不是用来训练下一代大模型的芯片，而是用来服务用户每一次提问、每一次对话的芯片。

这个决定不亚于在AI市场投下一枚重磅冲击波。这家过去一直以模型技术研发为核心标签的AI标杆企业，从2025年1月凭借R1推理模型震动全球资本市场，到2026年4月发布适配华 为昇腾的V4模型——DeepSeek展示的，始终是用更少算力做更多事的能力。但现在，它要亲自下场做硬件了。

据知情人士透露，DeepSeek已经与芯片设计公司、晶圆代工厂和存储器供应商展开接洽。过去几个月，还在持续扩充芯片设计团队，但招聘全程保持低调——所有岗位均通过行业内推定向招募，没有在任何公开招聘平台挂出。

这种隐秘招人的做法，背后有两层考量。一方面，芯片人才争夺战太激烈了，国内顶尖芯片设计人才本就稀缺，寒武纪、海光、壁仞等公司早已把人才市场“扫”过数轮。另一方面，也透露出DeepSeek对芯片业务的谨慎——不愿过早暴露技术方向，免得在项目早期就陷入人才竞价战。

截至目前，DeepSeek均未对这些信息作出回应。但市场对此消息笃信不移。诸多分析指出，DeepSeek此举意在降低对外部芯片的依赖，并在国内迅速扩张的AI推理芯片市场中占据一席之地。同时，也被视为“中国AI冠军”公司战略转型的重要一环。

支撑这一计划的，是DeepSeek刚刚到手的大笔真金白银。2026年6月，DeepSeek完成了成立以来的首轮外部融资，筹集约510亿元（约74亿美元），投后估值落在520亿至590亿美元之间。此前多年一直拒绝外部投资、创始人梁文峰多次说“不缺钱”“不想被资本裹挟”的公司，此次开放融资本身就是重大战略转向。

资金用途也很清晰：扩建以国产芯片为主的算力中心、自研AI芯片、扩充全球顶尖人才团队。

一家头部软件公司决定做芯片，影响立竿见影。消息传出当日，英伟达盘前股价下跌约1.6%。1.6%看着不大，但对一家万亿市值的巨头而言，就是上百亿美元瞬间蒸发。市场逻辑很清楚：模型厂商已经意识到，算力成本结构必须重构。英伟达“卖铲子”的生意逻辑，正遭遇不小的挑战。

为什么要做自研？

当然，如果把DeepSeek做芯片简单地理解为“要挑战英伟达”，未免过于狭隘。

某种程度上，DeepSeek下场做芯片，是被“逼”出来的。

一方面，部分高端算力“买不到”是绕不开的现实。早在2024年，梁文锋就曾直言：“我们面临的问题从来不是钱，而是高端芯片被禁运。”R1模型的底座是在英伟达H800上训练的，但H800早在2023年底便被禁止出口。

比“买不到”更让人焦虑的，是算力账单越来越贵——DeepSeek也“用不起”。众所周知，DeepSeek的模型以“价格屠夫”著称，V4 Flash每百万Token输出仅2元软妹币，不到GPT-5.5的二十分之一。这种定价策略带来了海量用户。全球最大模型聚合平台OpenRouter公开数据显示，6月下旬单周，DeepSeek V4 Flash调用量达4.66万亿Token，连续六周登顶平台榜首。

但硬币的另一面是：用户越多，推理成本就像水电费一样，成了一笔吞噬利润的长期账单。当公司日活数千万，每次对话都要消耗GPU资源时，向英伟达或华 为采购通用GPU来跑推理，成本上已不再划算。接下来，谁能将Token的交付成本压下来，谁就能在下一轮价格战中握有主动权。这也解释了，DeepSeek做自研芯片为什么势在必行。

除了海外断供和算力成本逻辑，事情还有另一面。事实上，DeepSeek头上始终悬着一把“达摩克利斯之剑”。以转向华 为昇腾为例，公开资料显示，华 为昇腾全栈训推一体方案——芯片、CANN框架、集群服务器全链路自主，适合政企大规模部署。但昇腾芯片兼顾千亿模型训练，硬件配置大量倾斜训练任务，仅做线上推理时，硬件资源利用率不足。这就形成了一个二元格局：DeepSeek不仅要承受海外算力断供风险，还要承担国产全栈硬件的冗余成本与迁移工作量。

寻求外援不如自研——于是，DeepSeek有了自己做芯片的想法。

据路透社报道，这个项目大约在一年前启动，往回看，正好接近DeepSeek-V3论文发布的前后。彼时，那篇论文里有一节叫《硬件设计建议》，研究团队直接把需求写到了芯片层：通信任务要从计算单元上卸载，张量核累加精度要更高，还要支持更细粒度的量化。这本质上是一份甲方需求书——意思很明确：现有AI芯片，还没有完全长成DeepSeek想要的样子。所以，DeepSeek-V3.1引入的UE8M0 FP8数据格式，也被认为是专门为下一代国产芯片硬件特性而设计的。由此也可见，DeepSeek早就有了做自研芯片的打算。

仍将是一场豪赌

头部企业造芯，某种程度上也是行业风向标。

就在DeepSeek传出造芯的同一天，智谱也传出消息——据外媒报道，随着GLM系列模型需求增长，智谱正在评估自研定制AI芯片的可能性。在全球范围内，今年4月，Anthropic就被曝正在考虑自研芯片，随后挖来了OpenAI芯片项目的核心工程师。同样在今年6月，OpenAI也公开了首款与博通联合设计的定制推理芯片Jalapeño，计划年底部署。

中美AI公司几乎在今年不约而同扎进了自研芯片的领域。这也是全球AI行业“推理专用化”趋势的一个注脚。2026年，AI芯片行业最大的结构性变化，就是“推理专用化”的加速。模型公司自研芯片，正在从“孤例”变成“浪潮”。

而这本质上，是AI产业正在经历一次权力转移——从“算力供应商定义AI”转向“模型公司定义算力”。过去，英伟达的GPU像一把瑞士军刀，训练、推理、科学计算都能用，模型公司是芯片的买家，芯片长什么样、算力怎么分配，基本由英伟达说了算。现在，那些长期运行固定大模型负载的公司，未必愿意永远为通用付费。甚至，模型公司开始说：“我知道我的模型需要什么样的芯片，我来告诉你怎么做。”

当然，这并不代表英伟达即将被“唱空”。CUDA的软件生态是真实存在的竞争壁垒，新芯片要拿到市场份额，同样需要解决软件适配问题。抛开自研芯片壁垒和产品性能不说，DeepSeek们的自研芯片仍处于早期，这不是一夜之间就能做成的事。但长期来看，如果越来越多模型公司都开始自研芯片，采购谈判桌上的风向肯定会转变。

诸多分析认为，于国内市场而言，DeepSeek造芯可能改变中国AI芯片市场的竞争格局。目前，华 为在中国AI芯片市场占据约一半份额，但并非铁板一块——阿里巴巴、百度等科技公司都在开发自有AI芯片并获取市场份额。DeepSeek的加入，将让这个市场多一个实力玩家。

DeepSeek的特殊之处在于，它手里有真实的海量线上推理场景。其他芯片公司做芯片，常常面临“芯片做出来了，但不知道真实负载长什么样”的问题。但DeepSeek不需要猜——它的模型每天都在服务数以千万计的用户，每一轮对话都是真实的推理负载数据。用真实场景倒推芯片设计，这本身就是一种稀缺能力。

不过，于DeepSeek而言，这依然会是一场豪赌。今年4月，路透社援引行业人士估算，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，不保证一定能顺利量产，更不保证实际运行后能比英伟达做得更好。虽然70亿美元融资在支撑这场豪赌，但投资人的钱不是白给的——他们押注的是，DeepSeek从模型公司升级为软硬一体AI平台的可能性。

整体来看，尽管前途布满迷雾，但大方向已经既定：在算力自主的浪潮里，没人愿意永远把命脉交到别人手里。全球头部AI企业都在为这个目标加速奔跑。