大模型公司就是做算法的——这个假设正在被改写。
昨天，路透社和 The Information 几乎同时爆出两条消息：DeepSeek 和智谱 AI，正在秘密自研定制化 AI 推理芯片。目标很直接——彻底摆脱对英伟达的底层硬件依赖，构建自己的算力生态。
消息一出，英伟达盘前股价下跌约 1.6%。
但比股价波动更值得关注的，是一个正在发生的结构性变化：当中国最头部的大模型公司开始自己画电路板，AI 产业的竞争已经不可逆地从"算法层"下沉到了"硬件层"。
一、为什么是现在？——算力账本已经算不过来了
两家公司几乎同时传出造芯消息，不是巧合。
先看智谱。GLM-5.2 出海后在 Vercel 上日 Token 使用量一周暴涨 27 倍，海外业务爆炸式增长的同时，算力资源开始告急。而智谱因为众所周知的原因，无法采购英伟达最先进的芯片。
再看 DeepSeek。V4 系列模型以极低成本的高性能吸引了海量全球 API 调用，但英伟达芯片供应如同杯水车薪。分析师理查德·温莎说得直白："英伟达在中国的市场份额正在逐步归零，而且会一直保持这种状态。"
算力供需矛盾已经尖锐到无法靠"多买几张卡"解决。
但还有一个更深层的原因：AI 大模型的下半场，已经从训练转向推理。
机构数据显示，在生产环境中，推理可占模型生命周期计算成本的 80-90%。当 DeepSeek V4 和 GLM-5.2 在全球全量上线，动辄数千万日活、数十亿次 API 调用，推理算力的消耗已经完全压倒了训练算力。
英伟达的通用 GPU 为了兼顾复杂的训练任务，保留了大量冗余电路。用它来做日常推理，高昂的造价和恐怖的耗电量足以让任何一家 AI 服务商破产。专用推理芯片（ASIC）剥离了所有冗余，天生为特定算法的矩阵计算而生，能效比远超通用 GPU，量产成本也低得多。
Trendforce 预测，到 2026 年，ASIC 的增长率将达到 44.6%，而 GPU 的增长率为 16.1%。彭博行业研究预测，到 2033 年，定制 AI 芯片市场规模将达到 1180 亿美元。
这不是一个可选项，是一个必选项。
二、一个正在成型的产业框架：AI 垂直整合的三层模型
DeepSeek 和智谱的造芯动作，不是孤例。把它放在全球视野里看，会发现一个清晰的模式。
我把这个模式叫做 "AI 垂直整合的三层模型"：
第一层：算法层——模型架构、训练方法、数据策略。这是过去两年竞争最激烈的一层，也是中国公司最擅长的一层。DeepSeek 的 MoE 架构、智谱的 GLM 系列，都属于这一层。
第二层：工程层——推理优化、部署调度、成本控制。DeepSeek 刚发布的 DSpark 推测解码模块，让 V4-Flash 的生成速度提升了 60% 到 85%，属于这一层。API 厂商的定价策略、利用率优化，也属于这一层。
第三层：芯片层——专用 ASIC、存算一体、架构定制。这一层过去被认为是芯片公司的事，和模型公司无关。但现在，OpenAI 在上个月正式推出首款定制推理芯片（代号 Jalapeno，与博通联合开发），Anthropic 也在密集评估自研芯片，Google 的 TPU 更是早已迭代数代。
全球最顶尖的 AI 公司，正在从"只做一层"走向"三层通吃"。
这不是一个巧合，是一个产业规律：当一个技术栈的瓶颈从上层转移到下层时，头部玩家必然向下整合。
2022-2024 年，AI 的瓶颈在算法层——谁能训出更好的模型谁就赢。2025 年，瓶颈转移到工程层——谁能把推理成本压到最低谁就赢。2026 年，瓶颈继续下移，到了芯片层——谁能从硬件层面定义自己的计算效率，谁就能在下一轮竞争中占据结构性的成本优势。
三、中国市场的特殊性：加速版的全球趋势
全球 AI 公司都在走向芯片层，但中国公司的紧迫感完全不同。
OpenAI 造芯，是为了把毛利率从负值拉到正值，是为了跑得更快。DeepSeek 和智谱造芯，是为了活下去。
这不是修辞，是事实。中国 AI 公司无法获得英伟达最先进的芯片，国产替代芯片在单卡性能上仍有差距。唯一的出路，是在芯片架构层面做出创新，用设计能力弥补制程的落后。
这意味着什么？意味着中国 AI 公司的造芯之路，比全球同行更难，但也可能更有价值。
更难，是因为无法使用台积电、三星最先进的 3nm/5nm 代工厂，必须靠架构创新来弥补物理制程的落后。据行业评估，智谱的芯片从设计接洽到实际流片，预计需耗时两年以上。
更有价值，是因为一旦成功，他们将完成一场中国科技史上罕见的壮举——在自己的土地上，由国内晶圆厂制造，用自己设计的芯片，运行自己定义的模型，为全球数亿用户提供算力服务。
这也解释了为什么一向拒绝外部投资的 DeepSeek，会在 6 月份突然启动高达 70 亿美元的巨额融资。芯片行业需要的资金量，是算法公司从未面对过的量级。
四、这个框架能解释什么？
把"三层模型"套用到最近的几个新闻上，会发现很多看似孤立的事件其实是同一个趋势的不同侧面。
为什么 Anthropic 率先盈利而 OpenAI 仍在亏损？ 不是因为模型更好，而是因为 Anthropic 的 B2B API 模式让它的推理效率提升速度（9 个月 3 倍）远超 OpenAI。它在工程层的效率优势，直接转化成了毛利率从 -94% 到 60% 的逆转。
为什么 API 厂商的定价策略存在"认知套利"？ 因为大多数客户只看到算法层的成本（每 Token 价格），看不到工程层的成本（利用率不到 52% 时自建反而更贵）。API 厂商赚的是"调度效率"的钱——这是工程层对算法层的套利。
为什么工信部要定调 Claude Code 存在安全后门？ 因为当 AI 工具从"辅助"变成"嵌入工作流"，安全问题的性质就变了。这不是算法层的问题，是工程层的问题——工具在未经用户同意的情况下向远程服务器回传数据。
这些看似不相关的新闻，如果用"三层模型"去分析，都能找到共同的解释逻辑：AI 产业的竞争重心正在不可逆地从算法层下沉到工程层和芯片层。
五、所以，你该怎么做？
如果你是 AI 创业者： 停止只关注模型选型。你的竞争壁垒不在用哪个 API，而在你能否在工程层做出差异化——你的利用率是多少？你的推理成本结构是怎样的？你有没有能力在芯片层做出选择？只做算法层的公司，最终会沦为 API 的搬运工。
如果你是投资者： 重新评估 AI 公司的估值逻辑。只靠算法优势的公司，护城河正在变浅。真正有长期价值的公司，是在三层模型中至少占据两层的公司——要么算法+工程，要么工程+芯片，要么三层通吃。
如果你是技术决策者： 开始关注你的推理成本结构。52% 的利用率是自建 vs API 的临界点，但更重要的是，你要清楚自己的成本曲线在未来 12-24 个月会怎么变化。当头部公司开始从芯片层重新定义成本，你的"现在够用"可能很快就会变成"远远不够"。
AI 产业的竞争，已经从"谁的模型更强"变成了"谁的整个技术栈更优"。DeepSeek 和智谱的造芯消息，不是两个孤立的新闻，是一个信号——当算法层的红利吃尽，下一轮竞争已经在地下层打响。
来源：路透社、The Information、36氪、Trendforce、彭博行业研究