近日据路透社独家报道，国内 AI 头部企业 DeepSeek 正秘密推进自研 AI 芯片项目，产品聚焦推理场景优化，项目启动已逾一年。
这家以极致算法效率闻名的模型厂商正式下场硬件研发，标志着国内 AI 行业的竞争已从算法层面向算力底座延伸，也呼应了全球头部模型厂商布局定制化芯片的产业趋势。
一、项目低调推进 聚焦推理场景降本
据悉，DeepSeek 的自研芯片项目定位为专用推理芯片，而非大模型训练芯片，整体仍处于早期研发阶段。
目前团队已与芯片设计公司、晶圆代工厂、存储器供应商展开接洽，同步低调招聘芯片设计相关人才，全程未在公开招聘平台释放岗位信息，保密级别极高。作为全球顶尖的大模型厂商，DeepSeek 此前始终以算法优化能力著称：从引爆行业的 R1 推理模型，到适配华为昇腾的 V4 系列，其核心优势是用更少算力实现更强效果。
此前公司算力供给主要依赖英伟达与华为昇腾两条路线，此次下场自研芯片，核心目标是进一步降低对海外通用算力的依赖，掌握算力成本的主动权。
二、全球产业共识 推理芯片成商业化胜负手
模型厂商自研定制芯片并非个例，而是全球 AI 行业的共同趋势。
就在上月，OpenAI 正式公布与博通合作开发的首款定制推理芯片 Jalapeño；今年 4 月，Anthropic 也被曝出正在规划自研 AI 芯片。全行业集体转向的背后，是算力需求结构的根本性变化：随着 AI 应用大规模落地，行业算力重心正从训练向推理快速倾斜。模型训练是一次性大额投入，而推理是持续性消耗 —— 每一次用户提问、每一次 API 调用，都需要推理算力支撑。
通用 GPU 功能全面但成本与功耗偏高，针对推理场景定制的专用芯片，可实现更低功耗、更低单位成本，直接决定了模型公司的商业化盈利空间。对主打高性价比的 DeepSeek 而言，自研推理芯片是巩固成本优势、构建长期壁垒的必然选择。
三、软硬协同早有铺垫 百亿融资筑牢资金底座
自研芯片并非 DeepSeek 的临时决策，其算法团队早已在模型设计层面为硬件协同埋下伏笔。早在 DeepSeek-V3.1 版本中引入的 UE8M0 FP8 数据格式，行业普遍认为就是专为下一代国产芯片的硬件特性定制，意味着模型研发阶段就同步考虑了硬件适配，走软硬一体化的优化路线。
充足的资金为项目提供了坚实支撑。2026 年 6 月 DeepSeek 完成成立以来首轮外部融资，募资规模约 510 亿元人民币，投后估值达 520 亿至 590 亿美元。融资用途明确指向三大方向：扩建以国产芯片为主的算力中心、推进自研 AI 芯片、扩充全球顶尖人才团队。
基础设施层面，公司已启动兆瓦级至吉瓦级数据中心规划招聘，建设地点覆盖内蒙古乌兰察布等地，从芯片研发到算力集群搭建形成完整布局。
四、研发挑战与行业长期影响
AI 芯片研发本身具备极高门槛，一款具备市场竞争力的芯片通常需要数年研发周期与巨额资金投入，技术、供应链、量产环节均存在不确定性，DeepSeek 的自研项目最终成效仍待验证。
但从行业维度看，该项目具备标志性意义：它标志着国内头部 AI 厂商正式从算法竞争，进入 “算法 + 硬件” 全链条比拼的新阶段。一旦自研推理芯片成功落地，DeepSeek 将进一步拉低单位推理成本，强化其在全球市场的性价比优势，同时也为国产 AI 算力自主可控提供新的供给选项。
整体而言，DeepSeek 入局自研芯片，是 AI 产业竞争深化的必然结果。当算法层面的效率优化逐步逼近瓶颈，算力底座的自主可控与成本优化，就成为头部玩家的必争之地。软硬一体的技术路线，也将为 AI 行业的规模化商业化打开更大的想象空间。
