DeepSeek、智譜考慮自研AI芯片，大模型公司為何集體下場造芯？

大模型公司正集體將目光投向自研AI芯片，從DeepSeek到智譜，再到OpenAI與Anthropic，這股「造芯」浪潮正在全球範圍內迅速蔓延。根據媒體報導，DeepSeek已於約一年前啟動自研AI芯片項目，專門針對大模型推理場景進行優化，近期更秘密擴充芯片設計團隊，並與多家芯片設計、晶圓代工及存儲廠商展開接觸。與此同時，智譜也因GLM系列模型需求持續增長，正在評估自研定製AI芯片的可能性。這波自研芯片的趨勢並非孤立事件。OpenAI在今年6月24日正式公開了其首款與博通聯合設計的定製推理芯片「Jalapeño」，目前樣片已在實驗室運行，計劃於年底部署。

而Anthropic則在今年4月被曝出正在考慮自研芯片的可能性，並在6月成功挖角OpenAI芯片項目的核心工程師。這些動作顯示，無論是開源還是閉源模型路線，頭部大模型公司都在同一時間窗口內，不約而同地投入這門重資產的「苦生意」。從技術層面來看，大模型公司之所以集體下場造芯，核心原因在於現有通用芯片在處理大規模推理任務時，效率與成本難以達到理想狀態。隨著模型參數規模持續膨脹，推理過程中的計算量與記憶體需求急劇上升，導致雲端部署成本居高不下。自研定製芯片能夠針對自家模型的運算模式進行深度優化，從而在單位算力成本、功耗與延遲上取得顯著優勢。商業層面的考量同樣關鍵。

對於DeepSeek、智譜這類模型公司而言，芯片不僅是運算基礎設施，更是未來競爭的戰略制高點。掌握芯片設計能力，意味著能夠擺脫對第三方芯片供應商的依賴，避免因供應鏈波動或價格上漲而影響業務穩定性。更重要的是，自研芯片能夠與自家模型形成深度綁定，打造從底層硬件到上層應用的完整技術棧，進一步鞏固競爭壁壘。值得注意的是，這條路徑並非沒有前例。雲端服務巨頭早已走過類似的轉型之路：谷歌有TPU、亞馬遜有Trainium與Inferentia、微軟有Maia、Meta有MTIA。這些自研芯片最初都是為了滿足內部大規模AI運算需求而生，隨後逐步開放給外部客戶使用。

如今，大模型公司正複製這套邏輯，只是它們的出發點更為聚焦——直接服務於自家模型的推理與訓練場景。然而，自研芯片並非易事。芯片設計涉及極高的技術門檻與資金投入，從架構設計、驗證、流片到量產，每個環節都需要專業團隊與長期經驗積累。即便對於資金充裕的頭部大模型公司而言，這也是一場需要耐心與資源的持久戰。業界分析指出，自研芯片項目通常需要兩到三年的開發週期，且首次流片失敗的風險極高，這對於追求快速迭代的AI行業來說，無疑是一項重大挑戰。從供應鏈角度來看，大模型公司還需要與晶圓代工廠、封測廠、存儲廠商等建立穩定合作關係。

目前全球先進製程產能高度集中於台積電、三星等少數廠商，產能分配與價格談判都極具挑戰性。此外，AI芯片對高頻寬記憶體（HBM）的需求也日益迫切，而HBM供應同樣由少數廠商主導，這進一步增加了供應鏈管理的複雜度。儘管挑戰重重，但大模型公司似乎別無選擇。隨著AI模型競爭進入「Token戰爭」階段，運算效率與成本控制已成為決定勝負的關鍵變數。自研芯片雖然前期投入巨大，但若能成功量產並規模化部署，將能顯著降低長期運營成本，並為模型迭代提供更靈活的硬件支持。這也正是為何越來越多的大模型公司願意冒險下場造芯的根本原因。目前，DeepSeek與智譜的芯片項目仍處於早期階段，具體規格與量產時間表尚未對外公布。

但可以預見的是，隨著更多模型公司加入自研芯片行列，AI芯片市場的競爭格局將進一步重塑。傳統芯片巨頭如NVIDIA、AMD、英特爾等，將面臨來自客戶端自研芯片的潛在威脅，而這也可能推動它們加速推出更符合大模型需求的定製化產品。整體而言，大模型公司集體造芯的趨勢，反映了AI產業從「軟體驅動」向「軟硬一體」轉型的深層邏輯。當模型能力逐漸觸及天花板，硬件層面的差異化競爭將成為下一階段的重點。對於DeepSeek、智譜、OpenAI與Anthropic而言，自研芯片不僅是技術選擇，更是決定未來市場地位的戰略投資。這場從軟體到硬體的延伸戰役，才剛剛拉開序幕。