DeepSeek要自己造芯片了：国产AI的“去英伟达化”之路

大模型公司自己造芯片，这件事终于在 DeepSeek 身上发生了。

据海外财经媒体报道，DeepSeek 正在调整战略方向，将自研 AI 芯片作为下一步的核心布局。虽然具体的技术细节还没有公开，但”大模型公司自己做芯片”这件事本身，已经足够说明一些问题。

为什么是自己来#

AI 芯片的供需矛盾，在过去两年里没有缓解，反而在加剧。

英伟达的 Blackwell 架构产能一直被抢购，交期排到了半年之后。AMD 的 MI300 系列虽然性能接近，但软件生态（CUDA 兼容性）仍然让很多团队犹豫。Google 的 TPU 不对外卖。亚马逊的 Trainium 只给自己的云服务用。

对于 DeepSeek 这样需要大量推理算力的公司来说，这个局面带来的不是”贵不贵”的问题，而是”有没有”的问题。

自己做芯片的好处是显而易见的：架构可以针对自己的模型做最优化——把矩阵运算单元设计成最适合 DeepSeek 模型的形状，把内存带宽分配到最需要的路径上。垂直整合带来的效率提升，在规模化之后可以转化成显著的成本优势。

自研 AI 芯片正在成为中国 AI 产业链的一个趋势。

字节跳动和阿里巴巴也已经布局了芯片设计团队，虽然公开信息不多。更早的百度有昆仑芯片。现在 DeepSeek 加入这个行列，逻辑是通的——你有一个大用户量的产品（DeepSeek 的 API 和对话服务），你就有足够的需求量来摊薄芯片设计的巨额前期投入。

芯片设计本身的成本也在变化。过去设计一颗 5nm 芯片需要数亿美元和几百人的团队干两年。现在 Chiplet（小芯片）架构的成熟，让芯片设计可以模块化——把计算单元、内存控制器、IO 接口做成独立的小芯片，再用先进封装拼在一起。单个模块的设计难度和成本都大幅下降。

英伟达目前的统治地位，建立在一个正反馈循环上：硬件性能好 → 开发者用 CUDA 在上面写代码 → 代码生态丰富 → 更多用户买英伟达硬件。这个循环在过去十年没有被打破过。

但大模型公司自研芯片，是一个”从内部瓦解”的故事。当最大的算力买家开始自己造算力，英伟达失去的不只是一两笔订单，而是整个生态的”需求锚点”。一旦头部客户开始垂直整合，英伟达就需要在”性价比”上做出更大的让步来留住剩下的客户。

当然，这不会在一年内发生。DeepSeek 的芯片从设计到量产至少需要 18-24 个月。但方向已经清晰了：AI 行业正在从”所有人用同一家公司的芯片”走向”每个有规模的玩家都用自己的芯片”。

这是产业成熟的一种表现，也是英伟达面临的最真实的长期挑战。

来源：Proactive Investors | Hacker News