大模型绕不开造芯路？

记者 任晓宁

先说个这两天在大模型圈子里传得挺热闹的消息——7月7日，DeepSeek和智谱几乎同时被曝出正在自研推理芯片。消息称，DeepSeek已经开始和芯片设计公司、晶圆代工厂、存储企业接洽；智谱那边，则已经向部分国内芯片设计公司做了初步询问，探讨联合开发专用AI处理器的可能性。

针对这件事，记者分别向智谱和DeepSeek求证，截至目前，智谱方面没有回应，DeepSeek也没有公开表态。但消息本身已经在市场上激起了不小的讨论。

两家公司瞄准的都是推理芯片，不是训练芯片。这里简单区分一下：训练芯片，核心任务是让模型学会东西，对计算精度、算力密度、内存带宽要求极高；推理芯片则不同，它的任务是把已经训练好的模型用起来，讲究的是低延迟、高能效比、小尺寸。方向不一样，门槛也不一样。

那为什么大模型公司优先做推理芯片？一位头部国产芯片公司的高级工程师给出了两点判断：

第一，难度相对可控。训练芯片对精度要求极高，一旦训练过程中精度崩盘，前期投入的巨额资金和时间等于打了水漂。推理芯片就不一样了，它是在已有模型权重的基础上工作，即便芯片性能差一些，顶多就是跑得慢、烧钱少，不至于全盘皆输，可以慢慢调优。

第二，实用性更强。今年Agent（智能体）爆发后，推理需求涨得实在太快了，国产芯片现阶段的产能根本跟不上。如果大模型公司能自研推理芯片，等于自己堵上了一个大缺口。

这位工程师也坦言，目前国产大模型厂商普遍处于算力紧张的状态。

其实这个紧张程度，从用户端就能感受到。在社交平台上，智谱的用户经常抱怨新模型报错，或者买了个人套餐却要排队、抢不到额度；“DeepSeek崩了”更是常见的热搜话题，有用户统计过，今年以来DeepSeek至少崩了18次。腾讯高管也多次在财报电话会上说，希望能买到更多的卡。火山引擎那边，Seedance模型的API服务同样是供不应求的局面。

北京市人工智能高级工程师张发恩的观点是，大模型公司做自研芯片，短期之内肯定填不上需求的窟窿，过渡期内还得继续买卡、混合使用。但从长远看，造芯这件事大模型公司非做不可——用自家最聪明的AI去打磨最适配的底层硬件，把性能压榨到极致，这条路一旦走通，未来的利润率和生态主动权就有保障了。

OpenAI已经提供了一个现成的参考。6月24日，OpenAI联合博通发布了首款定制推理芯片。博通CEO陈福阳说，这颗芯片在推理任务上的性能，能和英伟达Blackwell芯片、谷歌TPU掰手腕，而成本能降低大约50%。这个性价比，不心动才怪。

不过，那位头部芯片公司的高级工程师也提醒，国内大模型公司自研芯片，能不能持续、能不能成功，存在不小的不确定性。自研芯片是一项高投入、长周期的业务，而国内大模型公司的收入水平和OpenAI相比，差距还很显著。

再看看国内已经有成熟产品的芯片厂商，无论互联网大厂还是独立芯片公司，都是多年布局才走到今天。百度昆仑芯从2011年起步，到现在已经15年；阿里巴巴平头哥是2018年开始布局，也有8年左右；寒武纪、燧原科技、天数智芯、壁仞科技这些独立芯片公司，也都是持续投入7年以上，才实现了规模化部署。

前车之鉴也不是没有。OPPO旗下的哲库（ZEKU）在2024年关停，3000多人的团队就地解散。京东去年高薪招募芯片人才，结果不到半年，今年4月就被曝出公司主体发生变更。芯片这条路，不是光有决心和钱就能走通的。