编辑 | 泽南

据路透社本周二报道，DeepSeek 正在开发自有的 AI 芯片，并希望以此降低该公司对英伟达和国产芯片的依赖。

消息人士称，该芯片专为 AI 推理环节设计，即 AI 任务中已训练大模型为用户生成响应的阶段，而非用于训练新模型。

DeepSeek 进军半导体开发领域将标志着这家国内 AI 领军企业发生重大战略转变。可能是受到此消息影响，昨天英伟达的股价在盘前交易中下跌了约 1.6%。

长期以来，DeepSeek 一直以专注于大语言模型突破而非技术商业化而闻名。

由于地缘因素，英伟达在中国市场的份额已降至零，且将维持这一状态。华为的产品占据了大量市场份额，并为 DeepSeek 及其他几家行业领军企业提供芯片。但随着 AI 模型的规模继续扩大，先进技术对于算力的要求持续增长，越来越多的公司正在寻求专用化的 AI 推理芯片。

据知情人士透露，DeepSeek 加入这一竞争行列的努力尚处于早期阶段。该公司正积极接触外部合作伙伴，并与芯片设计、晶圆代工及存储芯片公司展开洽谈。这项工作可能始于一年前，DeepSeek 近几个月来也加大了芯片设计工程师的招聘力度，但招聘过程是在私下进行的，并未在公开招聘平台上发布职位信息。

若能拥有自研芯片，DeepSeek 将加入其他全球顶尖 AI 公司的行列，获得对模型底层硬件的更大掌控力，并减少对英伟达产品的依赖。最近这是一个新趋势。

2026 年 6 月，OpenAI 正式发布首款定制推理芯片 Jalapeño，由博通参与开发、台积电代工。该芯片专为大语言模型推理场景设计，可直接优化 ChatGPT 的响应速度与运行成本。OpenAI 明确表示，推理是 AI 触达用户的最终环节，成本、速度与可靠性的改善，最终会转化为更低的 API 价格与更好的用户体验。

几乎同期，Anthropic 也被曝启动自研芯片早期工作，并与三星电子接洽代工合作，探讨 2nm 制程与先进封装方案。至此，全球排名前三的大模型公司中，已有两家明确推进芯片自研。

对于头部模型厂商而言，自研芯片的价值不止于降本。通过将自身对模型架构、推理模式与服务系统的深度理解直接固化到硬件设计中，可以实现通用 GPU 无法达到的软硬协同效率。当 AI 竞争从算法层面向基础设施层面下沉，掌握芯片定义权就等于掌握了下一代产品迭代的主动权。

一直以来，DeepSeek 使用英伟达和华为的芯片作为算力基础。该公司表示，支撑 R1 模型的基座模型是在英伟达 H800 芯片上训练的。DeepSeek R1 低成本 + 高性能的表现曾在 2025 年 1 月引发美国科技股震荡。但 2023 年底美国更新出口管制规则，彻底切断了 DeepSeek 获取英伟达高端算力的通道。

此后，DeepSeek 逐步转向华为昇腾芯片。2026 年 4 月，DeepSeek 发布适配华为昇腾的 V4 模型，华为也证实昇腾处理器参与了轻量版 V4-Flash 的部分训练工作。

DeepSeek 的推理芯片将瞄准 AI 算力需求中增长最快的细分市场。随着 AI 应用的普及，行业内的算力重心正从模型训练转向推理，后者可用专用芯片实现性能的显著提升，这些芯片相比通用 GPU 成本更低，能耗也更低。然而，DeepSeek 的芯片之路仍面临多重不确定性。

首先是技术与周期门槛。一款具备竞争力的 AI 芯片从设计到量产通常需要数年时间与巨额资金投入，流片失败、性能不达预期都是行业常态。DeepSeek 作为芯片领域的新进入者，团队磨合与工程经验都需要时间积累。

其次是制造工艺壁垒。受美国出口管制限制，国内芯片设计公司无法获得最先进的海外晶圆代工产能，先进制程选项有限。同时，高带宽内存（HBM）作为 AI 推理芯片的核心组件同样面临美方管制，供应链稳定性存在隐患。

第三是生态与规模挑战。英伟达的统治力不仅来自硬件性能，更来自 CUDA 软件生态的深厚积累。国产芯片普遍面临生态不完善、适配成本高的问题。DeepSeek 的优势在于自有大模型可以完成深度适配，但如果芯片仅服务内部需求，规模效应不足将推高单位成本。

DeepSeek 进军芯片领域的举措，恰逢其首次引入外部资本之际。上个月媒体已经曝出，DeepSeek 计划在其首轮融资中筹集 70 亿美元，估值在 520 亿至 590 亿美元之间，此举标志着其多年来拒绝外部投资的策略发生了转变。

随着 DeepSeek V4 正式版即将于 7 月中旬发布，以及自研芯片项目持续推进，我们将看到 DeepSeek 朝着 AI 个方向上的更多行动。

参考内容：

https://www.reuters.com/world/china/chinas-deepseek-developing-its-own-ai-chip-sources-say-2026-07-07/