DeepSeek 被曝自研推理 AI 芯片：意在降低对英伟达、华为依赖

7 月 7 日消息，据 IT之家援引路透社报道，三位知情人士透露，中国人工智能初创公司 DeepSeek（深度求索）正在推进自有 AI 芯片研发项目，目标主要指向大模型完成训练后的AI 推理场景。如果相关消息属实，这意味着 DeepSeek 不只是在模型算法和应用层继续投入，也可能向底层算力硬件延伸，以降低对英伟达、华为等外部芯片供应方的依赖。截至相关报道发布时，DeepSeek 尚未就此回应置评请求。

所谓推理，是指模型训练完成后，在实际应用中根据输入数据进行分析、生成内容或执行任务的过程。与训练相比，推理更直接关系到模型服务的日常运行成本、响应速度和部署规模。对于大模型公司而言，推理芯片的效率、成本和供应稳定性，正在成为影响产品化和商业化的重要变量。

项目仍处早期，正接触设计、代工与存储环节

来源显示，DeepSeek 的芯片项目目前仍处于早期阶段，公司正在与芯片设计企业、晶圆代工厂以及存储厂商进行洽谈。另有知情人士称，该项目大约在一年前启动。报道还提到，DeepSeek 最近数月持续加码招聘芯片设计工程师，但相关招聘较为低调，并未在公开平台大规模发布职位信息。

从这些信息看，DeepSeek 可能仍处在方案验证、生态资源对接和团队搭建阶段，距离芯片定型、流片、量产和大规模部署仍有较长链条。AI 芯片研发涉及架构设计、软件栈适配、制程选择、封装、存储带宽、编译器与推理框架优化等多个环节，单纯拥有模型能力并不等同于具备完整芯片商业化能力。

• 目标场景：主要面向 AI 推理，而非明确指向大规模训练。
• 潜在目的：降低对外部 GPU 或国产算力平台的依赖，提升供应自主性。
• 当前阶段：据报道仍处早期，正在接触芯片设计、代工和存储产业链。
• 人才动向：近期持续招聘芯片设计工程师，但方式较为低调。

为什么推理芯片对模型公司越来越关键

DeepSeek 过去更被外界关注的是模型技术突破，而不是硬件或商业化布局。此次若自研芯片消息成立，说明领先模型团队正在重新评估算力的战略价值。随着大模型应用从展示能力走向高频调用，推理成本会被不断放大：一个模型可以训练一次，但上线后需要面对海量用户请求和持续运行成本。

对于模型公司来说，自研推理芯片的吸引力主要在于三点。第一，可以围绕自家模型结构和推理需求做定制优化，在特定任务上追求更高能效；第二，可以在供应不确定的环境下获得更强的算力可控性；第三，软硬件协同有机会形成新的技术壁垒，使模型、框架、芯片和部署平台之间更紧密。

不过，这条路径也伴随很高风险。芯片研发周期长、投入大，且需要稳定的制造工艺和产业链配合。报道中提到，Radio Free Mobile 分析师理查德·温莎认为，除非 DeepSeek 能获得最先进的制造工艺，否则其芯片几乎没有销往海外市场的机会；同时由于英伟达在中国市场的处境，这一举措对英伟达的实际影响可能有限。

对国内 AI 算力生态的影响

如果 DeepSeek 真的进入半导体研发领域，国内 AI 算力格局可能出现新的变量。此前，华为等企业在国产 AI 芯片和算力平台上已形成较强存在感。DeepSeek 若以推理优化为切入口，可能不会立刻与通用训练芯片正面竞争，但会在大模型部署、云端推理和企业级应用落地等细分方向带来新的竞争压力。

更重要的是，这反映出 AI 产业正在从“模型参数与能力竞争”走向全栈效率竞争。模型公司不再只关心算法本身，还需要考虑算力成本、硬件可得性、推理延迟和部署规模。对于中文 AI 生态而言，这类尝试可能推动更多企业探索软硬件协同，也可能促使国产芯片厂商加强与头部模型公司的深度适配。

总体来看，DeepSeek 自研 AI 芯片仍是未经官方确认的早期项目消息，短期内不宜过度解读为成熟产品即将发布。但它释放出的信号值得关注：在大模型进入应用化阶段后，推理算力的成本和自主可控正成为下一轮竞争的核心议题之一。