作者声明：该图片由AI生成
最近，DeepSeek被曝正在研发自己的AI芯片。据路透社援引知情人士报道，这款芯片主要面向人工智能推理，也就是模型完成训练之后，实际回答用户问题、生成内容的计算环节。报道还称，DeepSeek已经同芯片设计、晶圆制造和存储企业进行接触，并在招募相关人才。不过，DeepSeek目前尚未公开证实这一消息，项目也被描述为处于早期阶段。它最终能否完成设计、成功流片并实现规模化使用，仍存在很大不确定性。
即便如此，这条消息依然引人关注，因为DeepSeek并不是唯一一家向芯片领域延伸的人工智能公司。Google很早就推出了面向机器学习任务的TPU，亚马逊开发了Trainium，Meta也在持续建设自己的MTIA芯片体系。对这些企业来说，自研芯片并不意味着马上停止购买英伟达GPU，而是希望在迅速增长的算力需求面前，掌握更多主动权。
其中最直接的原因是成本。大模型开发往往包括训练和推理两个阶段。训练是模型集中学习海量数据的过程，一次训练可能消耗大量芯片和电力；推理则发生在模型投入使用之后，用户每提出一次问题，背后的服务器都要进行计算。训练费用虽然高，但通常集中发生在模型开发阶段；推理成本却会随着用户数量和使用频率不断累积。对于每天处理数以亿计请求的平台来说，即使单次调用只节省很小一部分成本，长期加总起来也可能是一笔可观的费用。
英伟达GPU性能强、适用范围广，配套软件成熟，是目前大模型训练和运行中最重要的硬件之一。但通用GPU需要兼顾多种计算任务，在某些需求固定、规模巨大的场景中，未必是成本最低的选择。Google的搜索、推荐和Gemini服务，Meta的广告和内容推荐，亚马逊的云计算业务，都有大量重复而稳定的计算需求。当一家公司拥有足够大的使用规模时，就有动力围绕自己的任务设计专用芯片，在性能、功耗和成本之间重新寻找平衡。
这种选择并不难理解。通用设备的优势是灵活，可以应对不同工作；专用设备则可以针对固定任务进行优化。如果一家公司只是偶尔使用人工智能算力，直接采购成熟GPU往往最省事。但当算力已经成为日常经营中的长期支出，自研芯片就可能从一项昂贵尝试，变成降低成本的现实选择。企业未必需要做出一款各方面都超过英伟达的芯片，只要它能在某些内部业务中更高效、更便宜，就有存在价值。
供应稳定也是重要原因。全球人工智能公司同时扩建数据中心，先进GPU、高带宽存储和先进封装产能长期处于紧张状态。对大型科技企业来说，芯片供应不只是采购价格问题，还会直接影响产品推出、模型升级和数据中心建设速度。对于中国公司而言，先进芯片出口管制又增加了一层不确定性。即使算法和模型架构能够提高算力使用效率，业务规模扩大以后，对硬件的需求仍然会持续增长。拥有自研芯片，哪怕只能承担一部分推理任务，也可以减少对单一供应商的依赖。
另一个变化是，模型和芯片之间的关系正在变得更加紧密。不同模型的计算结构、存储需求和通信方式并不完全相同，如果芯片能够围绕特定模型进行优化，就有可能减少不必要的计算和数据传输。DeepSeek此前受到关注，一个重要原因就是它强调模型效率，通过架构和工程优化降低部分训练与运行成本。如果该公司确实开始研发芯片，其合理方向很可能不是复制一款通用GPU，而是围绕自身模型的推理需求，探索更适合的硬件设计。
不过，从模型研发进入芯片设计，并不是一次简单的业务扩张。芯片开发周期长、投入高，完成设计后还要经历验证、流片、制造、封装和测试，任何一个环节出现问题，都可能导致延期甚至重新设计。先进芯片还依赖少数晶圆厂、高带宽存储厂商和先进封装企业。人工智能公司即使掌握了芯片设计，也不意味着能够脱离全球半导体供应链。
更难跨越的门槛，可能是软件生态。英伟达真正的竞争力并不只来自GPU本身，还来自围绕CUDA形成的开发工具、编译器、计算库和工程经验。大量人工智能框架和软件已经适配这套体系，开发者可以相对方便地训练和部署模型。一款新芯片即使纸面性能不错，如果软件工具不成熟、模型迁移困难、稳定性不足，实际使用价值也会大打折扣。Google和亚马逊能够持续推进自研芯片，与它们同时拥有云平台、软件团队和庞大客户基础密切相关。
因此，“自研芯片”和“继续购买英伟达GPU”通常并不矛盾。Google、Meta和亚马逊已经拥有自己的芯片，但仍然采购大量英伟达产品。比较常见的做法，是让通用GPU承担最复杂、变化较快或对兼容性要求较高的任务，再把部分稳定、重复、规模巨大的工作交给定制芯片。企业真正希望建立的，是一个由多种芯片共同支撑的算力体系，而不是彻底押注某一种硬件。
从这个角度看，标题中的“摆脱英伟达”需要打上引号。DeepSeek即使真的推进自研芯片，也很难在短时间内替代英伟达，更不可能凭一款芯片改变整个产业格局。它所反映的，是人工智能行业正在进入一个更重视成本和基础设施的阶段。过去大家主要比较谁的模型更强，现在企业还要回答另外几个问题：模型运行一次需要多少钱，芯片能不能稳定获得，软硬件能不能更好配合，巨额算力投入最终能不能转化为可持续收入。
英伟达依然处在全球人工智能基础设施的中心，但它最大的客户都在寻找第二种选择。这并不说明英伟达即将失去优势，而是说明人工智能公司越来越不愿意把成本、供应和产品节奏完全交给一家芯片企业。DeepSeek研发芯片的消息能否最终落地，还需要等待更多公开信息；但大模型公司向底层硬件延伸，已经成为一个越来越清晰的行业趋势。