大模型公司造芯，真正的目标不是芯片

7月7日，两条新闻在同一天刷屏：路透社曝出 DeepSeek 秘密启动自研推理芯片项目已近一年，正在接触芯片设计公司、晶圆代工厂和存储供应商；同一天，智谱也被曝出向国内芯片设计公司进行初步询问，探讨联合开发专用 AI 处理器。

两条消息发布时间如此接近，看起来像是巧合。但巧合的背后，是同一个产业逻辑在推着两家公司走到同一个路口。

这个逻辑不是"国产替代"——那是太表层的叙事。真正的故事是：大模型公司正在系统性地给自己修一条谈判桌上的退路，而这条退路的存在本身，就在改写整个 AI 芯片产业的定价权结构。

一、训练芯片和推理芯片，是两件完全不同难度的事

先说清楚一件事：训练大模型和跑大模型，对芯片的需求是两回事。

训练阶段需要处理海量参数的并行梯度计算，对精度、算力密度、内存带宽、互联速度的要求极高。H100、B200 这类顶级 GPU 在这里的统治力是真实的——全球数百万开发者在 CUDA 框架里工作，训练好的模型、调好的工具链、优化好的算子库，都和英伟达深度绑定。要在训练芯片领域挑战英伟达，意味着同时解决硬件性能和软件生态两座大山，Google 做了十年才把 TPU 体系做到现在的规模。

推理阶段不一样。

推理做的是给定一个输入，跑一次前向传播，输出结果。这个任务的计算图相对固定，对通用性的要求低得多，对专用化的适配空间反而大得多。Google 早在 2016 年就用 TPUv1 验证了这个逻辑：在 28 纳米制程上（同期英伟达已经在 16 纳米），TPUv1 在推理任务上比同期 CPU 和 GPU 实现了 15 到 30 倍的性能提升，能效提升达 30 到 80 倍。一块成熟制程的专用芯片，在固定任务上打败了先进制程的通用 GPU。

这就是"ASIC 效应"：把同样的硅面积用在一个刀刃上，它的效率天然碾压什么都能跑的通用芯片。

所以 DeepSeek 拿出一颗 14 纳米甚至 7 纳米的推理芯片，在技术层面是完全现实的目标——和"造出 H100 的竞品"是两件完全不同难度的事。后者需要挑战英伟达的护城河；前者只需要在一段狭窄的河道上，修一座自己能用的桥。

二、"菜市场理论"：垄断定价的脆弱点不在技术，在选项

要理解自研推理芯片的战略价值，需要先理解英伟达的定价底气从哪里来。

英伟达的毛利率长期维持在 75% 以上。一家公司能把毛利率做到这个水平，核心前提只有一个：买家别无选择。训练大模型，你得买 H100；大规模部署推理服务，你还是得买 GPU 集群；想要软件生态配套，你只能在 CUDA 框架里转。英伟达卖的不只是芯片本身，而是一套迁移出去代价极高的整体方案。这套方案的定价权来自"没有替代品"这个事实，与成本无关。

这里有一个类比叫做"菜市场理论"。

想象你在菜市场买猪肉，摊主报价二十八一斤，你问能不能便宜，他说"就这价，不买拉倒，对面没有的"——这时候你回头一看，对面真的新开了一家摊，门开着，灯亮着，价格还没定，猪都还没宰。你再回头，摊主的语气就不一样了。

那个新摊位不需要立刻开业，不需要价格比对面便宜，甚至不需要真的卖猪肉——它只需要开着灯，顾客就有了一个"我可以转身走"的选项。这个选项的存在本身，就足以让垄断定价的底气松动。

英伟达的垄断定价有一个脆弱点：它只在买家认为自己没有退路时成立。哪怕退路还不成熟，哪怕还在流片阶段，哪怕良率还不稳定，只要存在，就足以让报价的手发软。

DeepSeek 自研推理芯片，做的就是这个"开着灯的新摊位"。它不需要造出比 H100 更强的芯片，不需要在 CUDA 的生态里分庭抗礼——它只需要在自己的采购谈判桌上，让负责算力采购的人能说出一句话："我们自己的推理芯片预计明年开始小批量流片，如果价格没有空间，我们会优先把推理业务放到自研芯片上跑。"

这句话，比任何技术参数都值钱。

三、"造芯"的真正价值不是替代，是议价权

DeepSeek 本身就是一个极大的推理算力需求方。DeepSeek V4 的参数规模在 284B 到 1.6T 之间，这样的模型在大规模对外服务时，推理算力的消耗是持续的、庞大的。"DeepSeek 崩了"已经成为用户们调侃的热搜话题，今年以来累计崩了 18 次以上——这本身就说明算力供给存在巨大的缺口。它的芯片项目有真实的内部需求支撑，不是概念验证。

智谱面临同样的问题。用户频繁反映新模型报错，购买个人套餐需要排队抢购。腾讯高管多次在财报电话会中提到"希望能买到更多的卡"。火山引擎的 Seedance 模型 API 服务处于供不应求的状态。

国内大模型公司面临的算力瓶颈不是结构性的——它是指数级增长的需求和线性增长的供给之间的错配。在这种错配下，自研推理芯片的战略意义不在于"完全替代英伟达"，而是两个更务实的目标：

第一，扩大总供给。 每多一颗自研芯片，就多一份推理算力的增量，就能缓解一分"供不应求"的窘境。哪怕自研芯片只覆盖一部分业务，也能把更稀缺的英伟达算力释放给更核心的任务。

第二，重塑议价权。 这才是真正的战略价值。当采购谈判的另一方知道自己有"可选的退路"时，谈判的筹码结构就变了。过去英伟达可以相对强硬地坐着，现在每一个自己在跑推理业务的大客户，都多了一个"我可以自己搞"的选项——哪怕这条退路还没走通。

四、这不是中国独有的故事，是产业链演进的必然

把视野拉远，这条路径并不孤立。

Google 的 TPU 体系从 2015 年发展到现在迭代了八代，TPUv4 在 7 纳米上跑出了比 A100 快 5% 到 87% 的表现。Google 内部的推理负载已经大量转向 TPU，对英伟达的采购依赖在持续下降。

AWS 的 Trainium 系列芯片已经发展到第三代，不只内部使用——OpenAI 和 Anthropic 都已经采用 AWS Trainium 3 来跑部分工作负载。

微软在押注自研的 Maia 芯片。

OpenAI 在 6 月底联合博通发布了首款定制推理芯片 Jalapeño，博通 CEO 称其推理性能可与 Blackwell 和 TPU 相媲美，成本降低约 50%。

这些动作指向同一个方向：大模型的最大买家，正在系统性地减少对英伟达的依赖。它们不会彻底不买英伟达，但会在有选择的场景里选择别人，把英伟达留给没有替代选项的场景。

DeepSeek 和智谱的入局，只是这条产业链演进链条上的最新一环。它们的特殊之处在于：这是中国最大的推理算力需求方在同一时间点上做出的同一选择。这意味着自研推理芯片不再是云厂商和科技巨头的专利——模型公司本身也开始入局。

当然，差距是真实的。Google 和 AWS 流片走的是台积电 5 纳米、3 纳米产线；DeepSeek 和智谱受制裁限制，只能依赖国内成熟制程，体量和量级不在同一水平线上。但方向比幅度更重要。

而且 DeepSeek 有一个独特的优势：它在软件栈上的独立性已经相当强。它自研了 hfreduce 来替代英伟达的 NCCL 通信库，自建了 3FS 分布式文件系统，还已经在用华为昇腾做推理辅助。这套动作指向一个清晰的信号：这家公司不打算永远依赖任何一个外部供应商。造芯只是这条路线上的最新一站。

五、五个落地的判断

对大模型公司来说： 自研推理芯片的 ROI 不在芯片本身，而在采购谈判桌上的筹码。哪怕项目最终流片延期、良率爬坡、性能平平，它产生的最大价值可能已经发生了：它改变了你和供应商之间对话的语气。北京市人工智能高级工程师张发恩说得直白——大模型公司可以用自己最聪明的 AI 去打磨最适配它的底层硬件，把性能压榨到极致。一旦验证成功，未来的利润率和生态主动权就有保障了。

对国内芯片公司来说： 大模型公司造芯不一定是竞争关系。现阶段大模型公司的芯片短期内没法自给自足，过渡期还需要继续买卡混合使用。真正值得关注的是一旦大模型公司跑通了"用 AI 设计芯片→用芯片跑 AI"的飞轮，芯片公司能否成为这个闭环中的合作伙伴，而不是被绕过的中间层。

对投资人的判断框架来说： 英伟达的定价权溢价正在被系统性地压缩，但压缩的节奏不是线性的。大客户会先拿到折扣，中长尾客户继续原价买单。真正需要跟踪的指标不是"谁造出了更好的芯片"，而是"在下一轮算力采购谈判中，买家手里的牌多了几张"。

对英伟达来说： 它当然不会坐以待毙。大客户定向折扣、深度软件捆绑、加速推出推理专用产品线——这些反制手段已经在推进。华尔街真正在跟踪的是那个关键变量：平均售价还能撑多久。1.6% 的盘前跌幅只是一个情绪读数，真正的价格发现需要时间。

最后，也是最容易被忽略的一个判断： DeepSeek 在 2024 年底用 580 万美元训练出接近 GPT-4 的模型，打破了"大模型只能烧钱训"的假设；现在它又试图用国产成熟制程做推理芯片，试图打破"推理芯片只能靠先进制程"的假设。这家公司反复做同一件事：用工程创造力替换资源堆叠。这种模式如果能持续跑通，它挑战的可能不只是英伟达的定价权——它在挑战整个行业的"投入产出比"预期。

那天菜市场对面的新摊位，灯光亮起的那一刻，真正的博弈才刚刚开始。

来源：路透社、经济观察报、商业不许冷、36氪