DeepSeek捅破了英偉達最值錢的那個泡

DeepSeek自研推理晶片的消息，在7月7日由路透社率先披露，立即引發市場震盪。據知情人士透露，這家總部位於杭州的AI模型公司，已秘密投入約一年時間開發自有AI晶片，重點鎖定推理晶片領域，目標是減少對輝達（NVIDIA）與華為等外部供應商的依賴，並大幅壓低算力成本。消息傳出後，輝達股價在盤前交易下跌約1.6%，而A股ASIC概念股則逆勢走強。 多數人的第一反應是，一家模型公司投入自研晶片，真能挑戰輝達的霸主地位？尤其當前國內先進製程仍卡在7奈米以上，加上美國持續施加出口限制，這則新聞是否只是話題炒作？但這樣的疑問可能忽略了問題的核心：DeepSeek投入推理晶片研發，真正動搖的，並不是輝達的晶片性能，而是其「你別無選擇」的定價底氣，而這份底氣，正是輝達兩兆美元估值最根本的支柱。 要理解這背後的邏輯，首先得釐清AI訓練與推論對晶片需求的根本差異。訓練大模型時，需要處理海量參數的並行梯度計算，對算力密度、記憶體頻寬以及互連速度的要求極高，輝達的H100、B200等頂級GPU在此領域確實具備無可取代的統治力。然而，推理階段的工作任務完全不同：它只是針對特定輸入進行一次前向傳播並輸出結果。這個階段的計算圖相對固定，對晶片通用性的要求較低，反而為專用化設計提供了更大的空間。 Google早在2016年就用TPUv1驗證了這個邏輯。當時TPUv1採用的是28奈米製程，遠落後於輝達同期GPU的16奈米，但在內部測試中，TPUv1執行推理任務的效能比同期CPU和GPU提升了15到30倍，能源效率更是高出30到80倍。關鍵就在於，專用ASIC架構能為特定計算模式量身打造，不必兼顧各種通用場景，從而把同樣的晶片面積用在刀口上。換句話說，DeepSeek若能開發出一顆14奈米甚至7奈米的推理晶片，在技術層面上是完全可行的目標，這與「打造出H100的競爭對手」是完全不同層級的挑戰。 路透報導指出，DeepSeek已在接觸晶片設計公司、晶圓代工廠與記憶體供應商，招聘也透過內部推薦與獵頭管道祕密進行，這些動作都顯示該公司正在認真布局。但製程只是第一關，推理晶片在算力之外還有一個更難解的瓶頸：記憶體頻寬。當模型參數達到萬億等級時，即使採用MoE架構只啟動部分專家模組，仍需極高的HBM記憶體吞吐量來支撐參數調度。而HBM的供應鏈與IP授權都受到少數廠商掌控，三星、SK海力士在這一領域的優勢，可能比製程差距更難在短期內彌合。因此，自研推理晶片從流片成功到實際量產，只是起跑線，真正的考驗在於跑起來之後能否「餵得飽」。 這也正是菜市場對面那家新攤的邏輯：它不需要真的開門營業，只要亮著燈，就足以改變談判氛圍。DeepSeek不需要打造出最強的晶片，只需要在談判桌上多一個選項。輝達的毛利率長期維持在75%以上，能達到這種水準的核心前提，就是買家別無選擇。訓練模型得買H100，大規模部署推理服務還是得靠GPU叢集，要享受完整的軟體生態就得留在CUDA框架內。輝達賣的不只是晶片，而是一套轉移成本極高的整體方案，其定價權完全來自「沒有替代品」這個事實。 現在，想像一下採購談判桌上的場景改變了。DeepSeek的算力採購負責人坐下來，不需要說「我們不買你的了」，只需要說：「我們自己的推理晶片預計明年開始小批量流片。如果價格沒有空間，我們會優先將推理業務移到自研晶片上運行。」這句話背後的力量，足以讓輝達在談判中失去所有降價籌碼。壟斷定價有一個致命弱點：它只在買家認為自己沒有退路時才成立。即使這個退路還不成熟、還在流片階段、良率還不穩定，只要存在，就足以讓報價手軟。 更值得關注的是，這並不是單一事件。Google的TPU體系從2015年發展至今已迭代八代，TPUv4在7奈米製程上跑出了比輝達A100快5%到87%的表現，Google內部的推理負載已大量轉向TPU，對輝達採購的依賴持續下降。AWS的Trainium系列晶片已發展到第三代，OpenAI和Anthropic都已採用來運行部分工作負載。微軟也在押注自研的Maia晶片。AI大模型的最大買家，正在系統性地減少對輝達的依賴。它們不會完全捨棄輝達，但在有選擇的地方已經選擇了別人，把輝達留在沒有替代方案的場景裡。 DeepSeek的入局，意味著連中國最大的推理算力需求方也開始走這條路，這是一個需求結構性變化的明確信號。不過需要看清差距：Google和AWS流片走的是台積電5奈米、3奈米產線，DeepSeek受到出口管制限制，只能依賴國內成熟製程，體量與量級並不在同一水平。真正的壓力在於，骨牌效應正在累積，當連這個量級的玩家都在自研晶片，其他雲端廠商還有什麼理由不向輝達要求降價？ DeepSeek在軟體棧上的獨立性也已經相當強。它自研了hf reduce來替代輝達的NCCL通訊庫，建置了3FS分散式檔案系統，也已經在用華為昇騰晶片輔助推理任務。雖然替代通訊庫不等於繞過CUDA生態，輝達的TensorRT-LLM在推理側的優化深度仍是真實壁壘，但這一系列動作指向一個清晰的信號：這家公司不打算永遠依賴任何一個外部供應商。 輝達面對的競爭壓力是真實存在的，但這並不代表「輝達將要垮台」。CUDA的軟體生態依然是難以撼動的護城河。全球數百萬開發者在CUDA框架中工作，訓練好的模型、調好的工具鏈、優化好的算子庫，都與CUDA深度綁定。新晶片要真正搶佔市場，必須解決軟體適配問題，這不是造出晶片就能繞過的山頭。DeepSeek的自研晶片目前仍處於早期階段，從設計、流片、良率爬坡到量產，每一步都有真實的技術與工程風險。Google花了十年才把TPU體系做到現在的規模，這不是一蹴可幾的事。 不過，競爭壁壘與定價權是兩個概念。輝達的軟體生態能讓用戶遷移成本很高，卻無法讓用戶完全失去談判空間。輝達的估值中包含了「定價權溢價」，這個溢價建立在「AI算力需求井噴且只有我能供給」的雙重假設上。如今，第一個假設依然成立，但第二個假設正在被系統性地動搖。輝達當然不會坐以待斃，它已經在針對大型雲端廠商推出客製化方案，為大模型公司提供軟硬打包優惠，真正的博弈變成了：溢價空間會在哪個客戶層級、以多快的速度被壓縮。大型客戶可能率先拿到折扣，中長尾客戶則繼續按原價買單，這正是華爾街最關心的變數：輝達的平均售價還能撐多久。 1.6%的盤前跌幅只是一個情緒訊號，真正的價格發現需要更長時間。但方向比幅度更重要，市場正在用腳投票一件事：輝達的定價權溢價，正在被一塊一塊地切走。回到那個菜市場的比喻，攤主「就這價，對面沒有」的底氣，從來就不在於豬肉好不好，只在於對面沒有第二家。DeepSeek自研晶片這件事，哪怕最終產品性能平平、量產時間一再拖延、甚至中途遭遇技術卡殼，它可能產生的最大影響已經發生了：它改變了採購談判桌上的對話。過去輝達可以相對強硬地坐著，而現在每一個自己跑推理業務的大客戶，都多了一個「我可以自己搞」的退路，哪怕這條路還沒走通。 DeepSeek過去用580萬美元訓練出接近GPT-4的模型、自己重寫通訊庫與檔案系統、在華為昇騰上跑通推理、現在又在接觸晶圓廠。這家公司處處透著一個態度：不打算永遠依賴任何一個外部供應商。當下一輪大模型算力採購談判開始時，坐在對面的人手裡的牌，已經變了。