2025年初DeepSeek R1上线的那个周一，英伟达单日市值蒸发近6000亿美元，17%的跌幅直接打穿了华尔街对AI算力神话的所有预期。当时所有人都在惊叹国产大模型的成本控制能力，却没人想到这家一直自负盈亏的公司，下一步会把触角直接伸到芯片设计领域。

当一家把推理成本做到全球极致的AI公司下场自研推理芯片，这根本不是普通的跨界扩张，而是整个AI算力链路从底层开始的一次重写。

Noam Shazeer / Noam Shazeer加入OpenAI相关内容

被忽略的一年前 项目早已悄然启动

很多人以为自研芯片是DeepSeek拿到70亿美元融资之后的新动作，实际上这个项目的启动时间点，刚好卡在R1引发美国科技股震荡的2025年年中。

那时外界还在争论DeepSeek的技术路径有没有漏洞，公司内部已经意识到一个核心矛盾：不管是英伟达H800还是华为昇腾，通用芯片的架构设计永远不可能完全适配自家模型的推理逻辑。

通用GPU为了兼容各类训练和推理场景，不得不预留大量冗余的计算单元，而DeepSeek的稀疏混合专家模型，刚好可以把这些冗余部分全部砍掉，定向优化出一条只服务自身推理场景的专用算力通路。

过去一年里，DeepSeek的团队已经悄悄接触了国内近十家芯片设计服务商、晶圆代工厂和高带宽存储厂商，所有对接都走定向通道，连招聘芯片架构工程师都没有在公开平台挂出任何岗位。

这种极致低调的风格，和当年他们闷头打磨R1模型时如出一辙——在没有拿出可验证的成果之前，绝不对外释放任何信号。

算力主权的第三步 从适配到定义芯片

很多人没看懂DeepSeek这一路走来的算力路线演进，其实每一步都踩在行业的转折点上。

• 第一步：用英伟达H800完成初代大模型训练，跑出R1的惊艳性能，证明用远低于西方巨头的投入也能做出顶级效果
• 第二步：放弃依赖英伟达PTX优化路径，全员重写底层代码，让V4系列模型原生适配华为昇腾CANN架构，完成算力底座的第一次切换
• 第三步：直接下场设计专属推理芯片，从“模型适配芯片”彻底转向“芯片定义模型”

当V4-Pro在昇腾950上跑出8K输入场景下单卡4700 TPS的解码吞吐、时延压到20ms以内时，DeepSeek已经摸透了国产算力架构的所有优化空间。但即便把现有芯片的潜力挖到极致，还是要受限于上游厂商的迭代节奏。

这次自研推理芯片，本质上是把之前在软件层面吃掉的效率红利，进一步延伸到硬件架构层面，把推理链路里每一个晶体管的调度权限，完完全全握在自己手里。

这不是为了“替代某一家供应商”，而是要打造一条完全不受外部变量干扰的算力闭环。

Noam Shazeer / Noam Shazeer官宣加入OpenAI并致谢谷歌

70亿融资的真正用途 不是烧钱堆算力

很多人看到DeepSeek启动70亿美元首轮融资，第一反应是他们要像美国巨头那样砸钱买几万张卡堆算力集群，其实这完全搞错了资金的核心去向。

这笔钱里的大头，根本不是用来采购现成GPU，而是要投给推理芯片的全流程研发：从架构定义、前端设计、后端验证，再到流片测试、驱动适配，每一个环节都需要持续的资金投入。

更有意思的是这轮融资的特殊结构：所有投资者只拿经济收益权，没有投票权，所有投资方还要遵守五年锁定期，不派驻任何董事会席位。

这种设计直接把外界资本的短期逐利诉求完全隔离在外，团队可以心无旁骛地推进周期长达三到五年的芯片研发项目，不用为了季度财报数据分心。

要知道DeepSeek此前成立三年一直坚持自负盈亏，连外部股权融资都分文未取，这次打破惯例拿这么大一笔钱，足以说明自研芯片的战略优先级，已经高过了任何短期的营收增长目标。

全球推理赛道的无声竞赛 没人敢停下来

几乎在DeepSeek项目启动的同一时间段，全球头部AI公司都在往自研推理芯片的赛道挤。OpenAI刚刚推出由博通协助开发的首款自定义推理芯片Jalapeno，Anthropic也在紧锣密鼓评估自家的芯片方案。

所有人都盯着同一个增量市场：AI行业的算力需求已经完成了从训练到推理的历史性转向，推理环节的算力占比每年都在以两位数的速度飙升，未来两三年里就会吃掉整个AI算力大盘的七成以上。

通用GPU在推理场景下的能效比劣势会随着模型部署量的扩大被无限放大，每多跑一次用户请求，就多浪费一分冗余算力的成本。当推理专用芯片把单位Token的运算成本再往下压一个数量级，整个AI应用的普及门槛会直接降到地板以下。

DeepSeek此前把V4-Flash的输出价格打到2元人民币每百万Token，比海外同类产品便宜上百倍，靠的还是现有通用芯片的优化空间。一旦专属推理芯片量产落地，这个成本还能再下探到当前的三分之一甚至四分之一。

到那时，Agent开发的边际成本会低到连中小团队都能无负担跑通复杂长链路任务，AI基础设施的普及速度会超出所有人当前的预判。

Noam Shazeer / Noam Shazeer入职OpenAI相关场景

这条少有人走的路 正在改写行业底层规则

很多人会说AI公司跨界做芯片失败的案例太多，投入大周期长还未必能赶上先进制程，但DeepSeek的路径和传统芯片厂商完全不一样。

它不需要做一款兼容所有场景的通用芯片，只需要围着自家稀疏大模型的推理逻辑做定向设计，砍掉所有无关的计算单元，把能效比做到极致。这种“模型-芯片”协同优化的路线，试错成本远比从零做通用GPU低得多。

更关键的是，DeepSeek已经有海量的真实推理运行数据，几亿次用户请求的调度特征、访存规律、计算分布，这些数据是任何传统芯片设计公司都不可能拿到的第一手素材，相当于拿着精准地图去修路，根本不用在黑暗里摸索方向。

从R1用几百万美元的训练成本震惊世界，到V4完成昇腾生态的原生适配，再到现在下场自研推理芯片，这家公司每一步都在打破行业此前的默认共识。

之前大家默认AI公司就该专心做模型，算力的事交给上游芯片厂商就好，但DeepSeek用实际行动证明，当你把模型效率做到极致之后，自然就会摸到硬件架构的边界。

当越来越多AI厂商意识到“软硬一体”的专属算力才是终极答案，整个全球AI产业的分工逻辑都会被重新定义。未来的AI巨头，手里一定握着两张王牌：一张是别人追不上的模型算法，另一张是完全为自己量身定制的专属算力硬件。

#DeepSeek##芯片##英伟达##华为#