DeepSeek、智譜被曝造芯，國產大模型繞開英偉達

中國 AI 雙雄 DeepSeek 與智譜 AI 傳出正低調投入自研晶片的消息，目標直指擺脫對英偉達底層硬體的高度依賴。根據路透社與 The Information 的報導，這兩家大模型頭部企業幾乎同時啟動了定製化 AI 晶片的開發計畫，專注於推理場景，試圖從底層算力環節建立自己的技術護城河。消息曝光後，英偉達股價在盤前交易中應聲下跌約 1.6%，市場立刻意識到這場算力遊戲的牌桌正在被掀翻。DeepSeek 向來以低調著稱，但今年 6 月才剛完成一筆高達 70 億美元的鉅額融資，如今傳出自研晶片，並不令人意外。

智譜 AI 的跟進則讓外界看到，中國頂尖 AI 公司已經不再滿足於只做純演算法供應商，而是開始向硬體領域跨界。兩家企業選在相近時間點出手，背後共同的壓力來自於算力賬本與外部環境的雙重夾擊。以智譜 AI 為例，這家公司在海外市場的成長速度超乎預期。隨著最新模型 GLM-5.2 在知名開發者平台 Vercel 上全面上線，其每日 Token 使用量在一週內暴漲 27 倍，流量指數級攀升直接導致計算資源捉襟見肘。然而，智譜 AI 因為受限於無法採購英偉達的最新先進晶片，供貨鏈始終處於不穩定狀態。

同樣的情況也發生在 DeepSeek 身上，其模型以極低的訓練成本與高效能吸引大量全球 API 調用，但英偉達晶片的供應量遠遠跟不上需求。分析師理查德·溫莎甚至直言，英偉達在中國的市場份額正在逐步歸零，而且這個趨勢不會逆轉。正因如此，兩家公司不約而同地選擇了同一條路：自研晶片。值得注意的是，它們正在開發的定製 AI 晶片主要定位於推理場景，也就是模型在訓練完成後、實際為用戶生成回答或執行日常交互的環節。AI 大模型的下半場，勝負關鍵已經從「誰能訓練出最大的參數」轉向「誰能在每一次 Token 輸出中把功耗、延遲與硬體成本壓到最低」。

業界機構數據顯示，在生產環境中，推理可佔模型生命週期計算成本的 80% 到 90%，推理需求的成長速度遠超訓練需求。英偉達的傳統 GPU 為了同時應付複雜的訓練任務，保留了大量冗餘電路設計。拿它來專門做推理，不僅造價高昂，耗電量也相當驚人。相比之下，專用推理晶片（ASIC）則捨棄所有多餘功能，天生為特定演算法的矩陣計算而生，能效比遠高於通用 GPU，量產成本也更低。Trendforce 預測，到 2026 年，ASIC 的增長率將達到 44.6%，而 GPU 的增長率僅為 16.1%。彭博行業研究更指出，到 2033 年，定製 AI 晶片市場規模有望達到 1180 億美元。

智譜 AI 與 DeepSeek 正是看準這個趨勢，希望透過自研推理晶片徹底打下長期的雲端推理成本。放眼全球，頂尖 AI 公司投入晶片領域早已不是新鮮事。OpenAI 在上個月正式推出首款定製推理晶片，內部代號 Jalapeno，由博通協助開發。Anthropic 也一直在評估自研 AI 晶片的可能性，而 Google 的 TPU 更是已經迭代數代，成為自家 AI 帝國的硬體支柱。對 DeepSeek 與智譜 AI 來說，若要實現極致的成本控制與供應鏈自主，就不能再完全依賴其他公司的底層架構規則。

從時間線來看，DeepSeek 的晶片布局大約始於一年前，目前正與外部合作夥伴、晶片設計公司、代工廠及記憶體廠商進行接洽。近幾個月來，DeepSeek 已加大晶片設計工程師的招聘力度，但招募多以私下方式進行，並未在公開平台發布職缺。在此之前，DeepSeek 也曾在軟體層面嘗試適配國產算力。例如，DeepSeek-V3.1 引入 UE8M0 FP8 數據格式，主要用於模型權重與激活值的縮放，以提高計算效率、降低部署成本，並針對下一代國產晶片進行最佳化。

今年 6 月 27 日，DeepSeek 更發布論文提出 DSpark 推測解碼模組，讓大模型在現有算力（包括國產晶片）上跑得更快、更高效，部署後模型生成速度提升 60% 至 85%。這些軟體層面的創新，被視為為自研晶片鋪路的伏筆。智譜 AI 方面，則已開始向本土晶片設計公司垂詢合作可能性。若能順利推進，這款晶片將直接由國內晶圓廠負責製造。由於無法使用台積電、三星最先進的 3 奈米或 5 奈米海外代工廠，智譜 AI 必須具備極高的設計能力，透過架構創新來彌補物理製程的落差。據業界評估，從設計接洽到實際流片，整個過程預計需要兩年以上時間，所需資金規模相當可觀。

這也解釋了為何一向拒絕外部投資的 DeepSeek，會在 6 月突然籌集 70 億美元資金。如果這些計畫最終得以實現，中國 AI 產業將完成一項科技史上的壯舉：在自己的土地上，由本土晶圓廠製造、使用自己設計的晶片、運行自己定義的模型，為全球數億用戶提供算力服務。這場突圍戰才剛剛打響，後續發展值得密切關注。