7月7日，路透社曝出DeepSeek已秘密启动自研AI芯片项目约一年，方向聚焦推理芯片。同日，智谱也被曝出正在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。
消息一出，大多数人的第一反应是同一个问题：DeepSeek一家杭州的模型公司，自研芯片能打过英伟达？国内制程还停在7纳米以上，美国还在卡脖子，这不是新闻噱头吗？
这个问题问错了方向。
DeepSeek做推理芯片，真正的目标从来不是造出一块比H100更强的芯片。它的目标是另一件事：让英伟达在谈判桌上，再也说不出那句"就这价，不买拉倒"。
一、训练和推理是两码事，但垄断定价只看一件事
先说清楚一个技术前提：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在这里有真实的统治力，没有替代品就是没有替代品。
但推理阶段做什么？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很早就验证了这个逻辑。TPUv1在2016年上线，制程是28纳米——要知道英伟达同期的GPU已经在16纳米——但谷歌的内部测试显示，在推理任务上，TPUv1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。关键在于：ASIC架构是为特定计算模式量身定制的，不需要照顾各种用途，把同样的硅面积用在刀刃上。
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。这和"造出H100的竞品"是两件完全不同难度的事。
但技术可行性从来不是这个故事的核心。核心是：英伟达的定价权，建立在"你没有第二个选择"这个前提上，而不是"我的芯片最好"这个前提上。
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，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。英伟达卖的不止芯片本身，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，与成本无关，只与替代品的存在有关。
二、"菜市场第二家摊"框架
想象一个场景：你去菜市场买猪肉，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"。这时候你转身一看，对面真的开了一家新摊，价格还没定，猪都还没宰，但它开着门。你再回头，摊主的语气就不一样了。
这就是DeepSeek自研芯片的真正作用。
它不需要造出最强的芯片，不需要量产爬坡到百万片级别，甚至不需要真正流片成功。它只需要在谈判桌上多一个选项。
DeepSeek的算力采购负责人坐下来，不需要说"我们不买你的了"，只需要说"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"。这句话值多少钱？值英伟达降价谈判的所有筹码。
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，就足以让报价手软。
DeepSeek本身是一个极大的推理算力需求方。DeepSeek V4在今年4月发布时参数规模已到284B到1.6T，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。它的芯片项目是有真实内部需求支撑的，不是概念验证。这一点，和Google、AWS、微软做自研芯片的逻辑完全一致——最大的买家，正在系统性地给自己修备用出口。
三、不止DeepSeek一家——多米诺骨牌效应
DeepSeek的新闻刷屏，但真正让华尔街紧张的，不只是DeepSeek一家。
Google的TPU体系从2015年发展到现在已经迭代了八代。TPUv4在7纳米上跑出了比英伟达A100快5%到87%的表现，谷歌内部的推理负载已大量转向TPU，对英伟达采购的依赖在持续下降。
AWS的Trainium系列芯片已经发展到第三代，并且不只是内部使用——OpenAI和Anthropic都已经采用了AWS Trainium 3来跑部分工作负载。
微软在押注自研的Maia芯片。
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，但在有选择的地方已经选择了别人，把英伟达留给没有替代的场景。
DeepSeek的入局意味着什么？意味着连中国最大的推理算力需求方，也开始走这条路。这是一个需求结构性变化的信号。
当然，差距是真实存在的。Google和AWS流片走的是台积电5纳米、3纳米产线，DeepSeek受制裁限制，只能依赖国内成熟制程，体量和量级都不在同一水平线上。但真正的紧张在于多米诺骨牌又多了一块。连这个量级的玩家都在自研，云厂商还有什么理由不跟英伟达谈价？
DeepSeek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。
四、CUDA是真实壁垒，但壁垒和定价权是两件事
我不打算把这篇文章写成"英伟达要完了"的唱空稿——那样会不诚实。
CUDA的软件生态是真实存在的竞争壁垒。全球有数百万开发者在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CUDA深度绑定。新的芯片要拿到真正的市场份额，必须解决软件适配的问题，这不是造出芯片就能绕开的山头。DeepSeek的自研芯片现在处于早期阶段，从设计接触晶圆厂，到流片，到良率爬坡，到大规模量产，每一步都有真实的技术和工程风险。谷歌做了十年才把TPU体系做到现在的规模。
不过，竞争壁垒和定价权是两件事。
英伟达的软件生态能让用户迁移成本很高，但不能让用户完全没有谈判空间。真正的问题在于：英伟达的估值里包含了一个"定价权溢价"，这个溢价建立在"AI算力需求井喷，且只有我能供给"的双重假设上。现在第一个假设还在，第二个假设正在被系统性地动摇。
谷歌、亚马逊、微软、现在加上DeepSeek，都在用真金白银告诉市场：这个双重假设的后半段，站不稳了。
英伟达当然不会坐以待毙。大客户定向折扣、深度软件捆绑、加速推出推理专用产品线，这些都是它现成的反制手段。事实上，英伟达已经在做了：针对云厂商的定制化方案、针对大模型公司的软硬打包优惠，都在悄悄推进。真正的博弈是溢价空间会在哪个客户层级、以多快的速度先被压缩。大客户大概率先拿到折扣，中长尾客户继续原价买单。
而这，恰恰是华尔街最关心的那个变量：平均售价还能撑多久。
五、落到行动
如果你是云厂商的算力采购负责人： 现在是重新谈判的好时机。不需要等自研芯片量产，只需要让供应商知道你"有在认真考虑"这个选项。DeepSeek的新闻本身就是你的谈判筹码。
如果你是模型公司的CTO： 自研推理芯片的ROI正在发生根本性变化。OpenAI已经证明了这条路在成本端的可行性，DeepSeek正在验证它在中国的可行性。即使不自研，也要建立芯片评估能力——能看懂不同架构的推理效率差异，能在采购时做出有依据的判断。
如果你是投资者： 英伟达的定价权溢价正在被系统性地切走，但这个过程是渐进的，不是崩盘式的。关注平均售价的变化趋势，比关注股价的短期波动更有意义。同时，国产推理芯片设计公司可能是被低估的受益者——需求方多了，供应商的议价空间也在打开。
回到开头那个菜市场。那个"就这价，对面没有的"的摊主，底气从来就不在于肉好不好，只在于对面没有第二家。
DeepSeek做过的事摆在那里：用580万美元训练出接近GPT-4的模型，把通信库和文件系统都自己重写了一遍，在华为昇腾上跑通了推理，现在在接触晶圆厂。这家公司处处透着一个态度：不打算永远依赖任何一个外部供应商。
本质上，这是一个效率意识极强的买家，在系统性地给自己修备用出口。市场里其他有同样需求的买家，都在看着这条路通不通。
英伟达的股价当然不会因为DeepSeek一则早期项目的新闻就垮掉，但一个真正值得跟踪的问题已经摆在那里：当下一轮大模型算力采购谈判开始时，坐在对面的人，手里的牌变了没有？
参考来源：路透社、经济观察报、商业不许冷（36氪授权）