7 月 7 日，Reuters 援引三位知情人士独家报道：中国 AI 公司 DeepSeek 正在开发自有 AI 芯片。这款芯片面向推理（inference）而非训练，启动已约一年，处于早期阶段。DeepSeek 已在接洽外部芯片设计、代工和存储合作伙伴，近期低调招聘芯片工程师。消息发布后，Nvidia 盘前股价下跌约 1.6%。
其他模型公司也在尝试自研芯片。上个月，OpenAI 与 Broadcom 联合发布了首款推理芯片 Jalapeño；一周前，Anthropic 被曝与三星探讨定制 AI 芯片。这些动向显示，部分模型公司希望更多参与芯片设计。DeepSeek 若能推进项目，也将增加中国市场的自研芯片供给；但出口管制使其在制造和存储器采购上面临额外约束。
项目启动约一年，仍处招聘和洽谈阶段
据 Reuters 报道，DeepSeek 的芯片项目有几个关键特征。
首先，定位明确：这是一款推理芯片，用于运行已训练好的模型生成用户响应，而非训练新模型。这一定位与 OpenAI 的 Jalapeño 一致——推理是当前 AI 算力需求增长最快的环节，专用芯片有机会通过针对工作负载优化，降低成本和能耗。
其次，时间线与进展：项目约一年前启动，目前处于早期阶段。DeepSeek 已与外部的芯片设计公司、代工厂和存储供应商展开讨论。近几个月来，该公司增加了芯片设计工程师的招聘，但招聘以私下方式进行，未在公开招聘平台发布职位。三位知情人士均要求匿名，DeepSeek 未回应置评请求。
Radio Free Mobile 分析师 Richard Windsor 对制造能力提出疑问：「Nvidia 在中国是零，而且会一直如此。除非 DeepSeek 能获得先进制程制造能力，否则它几乎没有可能在中国以外销售芯片。」他据此判断，这一动向对 Nvidia 的直接影响有限。这是分析师对中国市场与出口限制的判断。
OpenAI 已发布定制芯片，Anthropic 仍在探讨
不同模型公司的芯片项目进度不同，不能将洽谈、流片和部署视为同一阶段。
OpenAI 上个月（6 月 24 日）与 Broadcom 联合发布了 Jalapeño——OpenAI 首款定制推理芯片。据 Tom's Hardware 分析，Jalapeño 的计算芯粒面积约 840mm²，接近 EUV 光刻机的 reticle（单次光刻曝光面积）极限，周围环绕六颗 HBM 内存模块。这款芯片从设计到 tape-out 仅用了九个月，计划 2026 年底开始部署。OpenAI 硬件负责人 Richard Ho 表示，早期测试显示 Jalapeño 在执行关键工作负载时「接近硬件的理论极限」。
Anthropic 紧随其后。7 月 2 日，The Information 报道 Anthropic 已与三星电子展开早期谈判，探讨由三星 2 纳米工艺代工其首款定制 AI 芯片。Reuters 此前的报道显示，Anthropic 自 4 月起已在评估自研芯片的可能性。
Google 的 TPU 和 Amazon 的 Trainium/Inferentia 则是云厂商更早的实践。自研芯片的吸引力在于：面对增长的推理需求，企业可以围绕自身工作负载优化成本与能效。不过，模型公司的技术积累和制造合作条件各不相同。
自研若成功，可能减少对英伟达与华为的依赖
DeepSeek 目前同时使用英伟达与华为的芯片，供应限制是其硬件选择的重要背景。
美国出口管制切断了中国公司获取 Nvidia 最先进 GPU 的渠道。DeepSeek 赖以成名的 R1 推理模型，其基础模型是在 Nvidia H800 上训练的——这款特供中国的芯片在 2023 年底被华盛顿追加禁运。此后，DeepSeek 越来越多地转向华为昇腾芯片。今年 4 月，DeepSeek 发布了适配华为昇腾的 V4 模型；华为方面表示，其昇腾处理器参与了 V4-Flash 轻量版的部分训练。
据路透社报道，出口限制帮助华为获得了中国约 500 亿美元本土 AI 芯片市场的近半份额，客户包括 DeepSeek 等头部 AI 公司。
报道同时指出，阿里巴巴和百度自研 AI 芯片并取得市场份额，使华为面临更多竞争。DeepSeek 若实现量产，也可能增加自身的采购选择，减少对 Nvidia 和华为的依赖；早期研发本身还不能证明市场份额已发生变化。
DeepSeek 创始人梁文锋在 2024 年一次罕见的中国媒体采访中坦承，芯片出口管制是公司面临的挑战。自研芯片是增加硬件选择的一种尝试，但仍需解决制造和供应问题。
首轮外部融资计划，为芯片研发提供资金可能
芯片计划推进的同时，DeepSeek 也被报道正在引入首轮外部投资。
路透社 6 月报道称，DeepSeek 拟在首轮外部融资中筹集约 500 亿元人民币（约 70 亿美元），投后估值可能在 520 亿至 590 亿美元之间。相关报道还提及旨在保留创始人控制权的非传统股权结构。在此前的三年里，DeepSeek 一直拒绝外部投资；这些融资报道尚不能直接等同于交易已完成。
从拒绝外部投资到拟融资约 70 亿美元，再到探索芯片研发，DeepSeek 正考虑扩大投入范围。公司尚未披露完整的芯片业务计划，能否形成从模型到硬件的协同，仍要看后续进展。
设计、先进制程和高带宽内存仍待解决
早期研发要走向可部署芯片，需要跨过设计、制造与内存供给三方面的门槛。
第一重是设计。设计一颗有竞争力的 AI 推理芯片通常需要数年时间和数亿美元投入。OpenAI 的 Jalapeño 能在九个月内完成 tape-out，很大程度上依赖于 Broadcom 成熟的 ASIC 设计平台和对现有逻辑模块的大量复用。DeepSeek 也需要具备相应能力的设计合作伙伴。
第二重是制造。美国出口管制限制了中国企业通过台积电等海外代工厂制造受控先进 AI 芯片的能力，具体交易还涉及芯片性能、客户身份与许可要求。中国大陆的中芯国际（SMIC）在先进制程上与台积电仍有差距，且本身也受到美国设备出口限制。
第三重是内存。高性能 AI 推理芯片严重依赖高带宽内存（HBM），而美国已将 HBM 列入对华出口管制清单。SK 海力士、三星和美光——全球三大 HBM 供应商——均受此约束。
Windsor 的判断指向了制造约束：缺少先进制程可能限制产品竞争力和海外销售。即使先服务中国市场，先进制程和 HBM 的获取也仍存在不确定性。
针对自身模型优化，能否降低实际推理成本
DeepSeek 的模型经验，为探索专用推理芯片提供了出发点；商业回报仍取决于研发和部署结果。
随着 AI 应用的大规模部署，推理在算力需求中的重要性持续上升。面向特定推理任务的芯片，可以减少对其他用途的兼顾，围绕模型架构和工作负载优化，从而有机会在对应任务上取得优于通用 GPU 的成本和能效。
DeepSeek 熟悉自身模型的运行特点，可以据此判断哪些计算环节值得专门优化。正如 OpenAI 的 Greg Brockman 在解释 Jalapeño 策略时所说——「我们对工作负载有深刻理解，我们一直在寻找那些服务不足的特定工作负载，思考如何构建能加速可能性的东西。」DeepSeek 也可以尝试把模型效率方面的经验用于芯片设计。
若研发成功，DeepSeek 有机会用专用设计降低推理成本，但目前还没有芯片性能与量产成本可供比较。Nvidia 盘前下跌 1.6% 是消息发布后的市场表现，不能据此判断项目将带来多大竞争压力。后续更有用的证据，是制造合作、芯片测试和实际部署结果。
