社区

既是降本保供，又是“算法定义硬件”的垂直整合。

来源：猎云精选，文/王非

继手机、新能源汽车厂商后，又一个行业掀起造芯潮。

7月7日，路透社援引知情人士称，DeepSeek正在开发自研AI芯片，目标直指推理场景，旨在摆脱对英伟达和**芯片的双重依赖，实现软硬件的极致协同；

同日，The Information曝出，智谱已向多家国内芯片设计公司展开初步技术交流，计划联合开发专用AI处理器，并依托国内成熟的晶圆代工、封装测试等产业链完成制造。

不只国内，海外方面，OpenAI已成功推出其首款自研AI推理芯片，标志着该公司从纯软件模型向“软硬全栈”战略的重大跨越；7月4日，Anthropic也曝出已与三星电子展开深度谈判，计划共同开发专为其大模型（如Claude）设计的‌AI推理专用ASIC芯片‌。

AI 2.0时代，当推理成本占营收30%-50%时，自研AI芯片已然从“可选项”变成“必选项”，这也是一场决定AI话语权的硬件革命。

相较于此前手机、新能源汽车厂商的造芯潮，大模型厂商造芯聚焦‌云端/数据中心专用推理ASIC‌以降本保供，是“算法定义硬件”的垂直整合；

手机厂商造芯聚焦‌端侧SoC集成NPU‌以平衡功耗与通用体验，是“场景驱动集成”的系统优化；汽车厂商造芯则聚焦‌车规级智驾安全闭环与整车成本重构，主攻确定性实时控制与功能安全。‌‌

百亿融资，“广积粮”

自研芯片，尤其是AI芯片，早已成为腾讯、阿里、百度、谷歌、亚马逊云科技、Meta、微软等巨头们不可或缺的业务之一。

值得一提的是，国产GPU上市潮仍然汹涌，目前已有两家登陆A股、两家登陆H股。

巨头方面，百度旗下昆仑芯已于2026年1月通过保密形式向港交所提交主板上市申请（A1表格），阿里巴巴也被传计划分拆旗下AI芯片研发商平头哥独立上市。

相较于BAT等大厂的财力雄厚，DeepSeek、智谱等行业头部厂商，当下也无正在大举囤积“粮草弹药”。

2026年6月，据外媒The Information援引两名知情人士称，DeepSeek首轮融资超500亿元，这是中国AI行业迄今规模最大的单轮融资，投后估值突破500亿美元。

其中，创始人梁文锋作为最大出资方，个人投入200亿元。此外，腾讯出资100亿元，宁德时代出资50亿元，京东、网易、IDG资本各出资30亿元，国家人工智能产业投资基金出资10亿元。

来源：天眼查

仅隔1个月，就在今天，又有消息称DeepSeek正在考虑开启新一轮融资。知情人士称，DeepSeek已开始与潜在投资者接触，目标投前估值至少为4800亿元，计划至少再募集100亿元。

知情人士称，DeepSeek快速的融资节奏主要源于市场预计其资本支出将大幅增加，包括建设自有数据中心、采购更多AI芯片及布局AI智能体等方向。

与此同时，据彭博社消息，DeepSeek已开始筹备IPO，计划在今年年底或2027年初正式递交上市申请，而这又将再次为其补充弹药。

智谱方面，该公司已于2026年7月8日，启动大规模股份配售，计划融资约‌314亿港元。此次将发售约1978万股，每股1588港元，较当日收盘价最高折让约13%，所得资金旨在用于研发、业务扩张及优化资本结构。

与此同时，智谱正在推进‌A股再融资150亿元‌以构建“A+H”上市架构，其中120亿元投入人工智能通用基座大模型研发，20亿元用于MaaS平台建设，10亿元补充流动资金。

当前，智谱已正式启动定制AI处理器评估，计划将募资资金的超六成投入芯片研发，打造适配行业大模型的专用算力芯片。

动辄数百亿元的融资，方才能够支撑DeepSeek、智谱，在保障通用基座大模型研发迭代的同时，去自研AI芯片。

降本保供，“高筑墙”

自研、推理，是AI 2.0时代，大模型厂商集体造芯的两个关键词。

首先，通用芯片难以完美适配特定模型架构（如MoE），自研芯片则可针对算子、显存访问模式深度优化，突破通用硬件的性能与延迟瓶颈。‌‌

以DeepSeek为例，该公司以极致的技术效率闻名。凭借创新的MoE架构和Multi-head Latent Attention，其V2训练成本仅557万美元，性能却接近训练成本超1亿美元的GPT-4。进入2026年，仅靠算法优化已触及天花板，自研芯片是DeepSeek的自然延伸。

其次，海内外大模型厂商的目标，均是推理芯片，而非训练芯片：推理芯片用于AI模型的部署和应用，具有低延迟、高效能耗比以及小型化设计的特点；而训练芯片主要用于AI模型训练，拥有更多的计算核心、高速的内存接口以及大量的存储空间。

在这些基础之上，降本保供，是DeepSeek、智谱自研AI芯片的底层逻辑之一。

降本层面：推理成本占大模型运营总成本的80%-90%，通用GPU存在大量冗余算力；自研专用芯片（ASIC）通过软硬协同定制，可削减40%-50%的单位Token成本，是规模化商用的生存必需。

对于大模型厂商来说，造芯是一笔很容易算清楚的账：一个日调用量数亿次的模型，如果自研芯片能将单位推理成本降低40%，那么每年节省的推理费用，大致可以覆盖芯片研发投入。

以OpenAI为例，该公司联合芯片巨头‌博通仅用‌9个月‌就完成了从架构设计到流片的全过程，6月24日，OpenAI正式发布首款定制推理芯片Jalapeño‌（西班牙语意为“墨西哥辣椒”）。博通CEO陈福阳称，这颗芯片在推理任务上的性能可与英伟达Blackwell芯片和谷歌TPU相媲美，成本能降低约50%。

来源：网络

行业头部探路且成功，无疑给了其他参与者莫大的鼓舞。于是在2026年7月，海外的Anthropic和国内的DeepSeek、智谱，几乎在同一时间节点，被曝出相关动作。

需要注意的是，DeepSeek、智谱并非现下开始的跟风。市场消息称，DeepSeek已秘密推进自研推理芯片项目满一年，旨在为自家大模型优化，降低GPU采购成本，摆脱供给约束。

尽管去年已起步，但DeepSeek造芯仍处于早期规划与研发阶段。公司采取极度低调的策略，未对外官宣，且芯片设计工程师的招聘主要通过私下方式进行，未在公开平台发布。‌‌

保供层面，不只是应对高端芯片出口管制，也是为了防范单一供应商断供风险，避免“卡脖子”导致业务停摆，打造“备胎”甚至主力算力底座。

而在降本保供之外，生态升维也是DeepSeek、智谱等厂商自研AI芯片的长远考量。此举有助于他们从单纯的“模型算法公司”转型为“全栈AI基础设施公司”，通过定义硬件掌握行业话语权，形成更高的竞争壁垒。

一边是大客户单干，一边是长周期高投入高风险

‌通俗来讲，买芯片是租用他人地基，造芯片是自建高楼‌。

不可否认的是，目前，国内芯片“买（进口）”与“造（自产）”的比例约为‌7:3‌，即‌自给率约30%、进口依赖度约70%‌（按金额计，2024-2025年实测区间）；若按数量计，进口芯片占比更高（超60%）。‌‌

但在“自研是必由之路”成为行业共识的当下，挑战，也早已摆在了买卖双方面前。

对于全球AI芯片霸主英伟达而言，短期护城河依然深厚——CUDA生态、网络互联技术、多年积累的客户黏性等，这些都不是轻易就能撼动的。

5月20日美股收盘后，英伟达发布的2027财年第一财季财报，收入、利润、现金流全线狂飙，指引继续超预期。注：中国市场收入暂时“归零”。

亮眼的财报背后，隐忧已然出现：谷歌、微软、亚马逊等巨头集体自研芯片。曾经最大的客户们正在变成竞争对手，并且对于英伟达而言，这是一个不可逆的趋势。

来源：PP猪科技

此前，找英伟达买GPU是行业通用做法，“AI算力从单极走向多极”正在悄然发生：训练用英伟达GPU；大规模推理用自研ASIC；边缘部署用轻量推理芯片；特定模型用特定架构优化。

不只海外巨头，当DeepSeek、智谱等国内大模型厂商开始造芯，英伟达的“垄断”地位又被撼动了几分。就在DeepSeek传出自研AI推理芯片的当天，英伟达盘前股价应声下跌大约2%。

需要注意的是，大模型厂商造芯并非立刻抛弃英伟达，而是构建“自研芯片（高频推理）+ 通用GPU（前沿训练）+ 国产算力（兜底）”的混合架构，逐步提升自研占比。

英伟达面临挑战的同时，造芯对于DeepSeek、智谱等大模型厂商而言，同样是一个不小的挑战。

首先，无论哪家公司造芯，都是一场长周期（18-24个月流片量产）、高投入（数亿美元起步）、高风险的硬仗。与此同时，大模型厂商还面临人才短缺、制造代工受限（如先进制程与HBM存储缺口）、软件生态磨合等难题。

此前，已有多家公司在造芯路上折戟沉沙。以OPPO哲库（ZEKU）为例‌：该公司2019年成立，计划3年投入‌500亿元‌研发手机SoC及协处理器，2023年5月因‌全球手机市场低迷、投入产出比失衡及战略收缩‌突然关停，解散‌3000人‌团队，已发布马里亚纳 X/Y 影像/蓝牙芯片但核心SoC未能量产。

尽管短期看来是一笔无法估量的巨额投入且结果充满变数，但从长期来看，大模型厂商下场造芯，也是决定企业未来能否持续盈利的“保命”之战。