先是路透社的独家：DeepSeek 正在研发自己的芯片。。
。。新闻援引三名知情人士
，，，说这枚芯片瞄准的是推理（inference）
，，，而非训练。。
。。报道称
，，，DeepSeek 已经在悄悄招募芯片设计工程师
，，，且没有走果真招聘渠道
，，，同时在和外部代工厂、存储厂商接触。。
。。DeepSeek 没有回应置评请求
，，，也有所争议
，，，由于这条新闻现在只有路透社简单信源。。
。。 统一天
，，，The Information 又报道称
，，，另一家中国实验室智谱也在评估自研定制芯片。。
。。知情人士称
，，，原因是 GLM-5.2 需求的暴增。。
。。据 The Information 与多家转引
，，，这款模子是 Vercel 模子聚合平台上增添最快的模子
，，，上线首周日均 token 消耗一度飙升达 27 倍。。
。。智谱已经和多家海内芯片设计公司做了起源接触
，，，但尚未选定相助方
，，，据称整个项目可能需要两年以上。。
。。新闻一出
，，，智谱在港股当日一度涨约 9.9%。。
。。 现实上
，，，DeepSeek 和智谱也非孤例。。
。。把镜头拉远
，，，你会发明「AI 公司想自己造芯片」在 2026 年已经从个体选择酿成了行业的默认行动：从大洋彼岸的 OpenAI、Anthropic
，，，到海内的这两家前沿实验室
，，，行动出奇地一致。。
。。这篇文章想回覆的是：为什么？？ 据 OpenAI 先容
，，，早期实验室测试显示
，，，Jalape?o 的每瓦性能「大幅优于目今业界最先进水平」。。
。。不过该公司也认可
，，，最终性能仍在丈量中
，，，详细手艺报告要等未来几个月才宣布
，，，这类厂商自述的性能优势
，，，在第三方 benchmark 出来之前
，，，只能算一面之词。。
。。 几个细节值得注重。。
。。据 Tom's Hardware 报道
，，，这枚芯片从设计到流片（tape-out）只用了九个月
，，，OpenAI 称这可能是高性能先进半导体史上最快的 ASIC 开发周期；；；而加速这个周期的
，，，正是 OpenAI 自己的模子：用 AI 来设计造 AI 的芯片。。
。。 再看另一家前沿实验室 Anthropic。。
。。今年 4 月
，，，路透社率先报道称 Anthropic 也在权衡自研芯片
，，，语言很审慎：妄想处于早期阶段
，，，公司甚至可能最终决议只买不造
，，，尚未敲定设计
，，，也没组建专门团队。。
。。 但到了 7 月初
，，，事情有了新希望。。
。。据多家媒体报道
，，，Anthropic 已经最先和三星接触
，，，探讨代工一枚定制芯片
，，，据称瞄准的是三星的 2 纳米制程和先进封装。。
。。 面临追问
，，，Anthropic 的回应是：由谷歌、亚马逊、英伟达芯片组成的「多元化硬件栈」仍将是其算力战略的焦点
，，，对三星相助「不予进一步置评」。。
。。 这句官方亮相
，，，恰恰点出了自研芯片浪潮里最真实的一层念头。。
。。据 The Information 的数据
，，，英伟达握着全球约 74% 的 AI 芯片市。。
。。；；而 Anthropic 至今没造过一颗自己的芯片
，，，Claude 的每一次挪用
，，，跑的都是从相助同伴那里租来的芯片；；；而这些相助同伴
，，，同时也是它的竞争敌手。。
。。 值得注重的是
，，，Anthropic 探索自研的时间点
，，，和它收入的陡增险些同步。。
。。据其自己披露
，，，2026 年运营收入年化已越过 300 亿美元
，，，而 2025 年底还只有约 90 亿美元。。
。。规模一旦到了这个量级
，，，自研芯片的经济账才算得过来。。
。。 行业里一个正在爆发的结构性转移是：算力消耗的重心
，，，正从「训练模子」转向「运行模子」。。
。。训练是一次性本钱
，，，而把模子服务给成百上万万用户
，，，是一连一直的开销。。
。。据 Introl 的行业剖析
，，，推理现在已经吃掉了所有 AI 算力的约三分之二。。
。。 而推理
，，，恰恰是 ASIC 的主场。。
。。用《芯片战争》作者 Chris Miller 对 CNBC 的一个比喻来说：英伟达的 GPU 像一把瑞士军刀
，，，什么并行盘算都醒目；；；而 ASIC 像一件简单用途的工具
，，，很高效、很快
，，，但被硬连线锁死只做一类活。。
。。训练阶段需要瑞士军刀的无邪
，，，由于模子架构还在变；；；可一旦模子定型、要拿去服务海量请求
，，，那把「简单用途的工具」反而更省电、更自制。。
。。 古板推理是「盘问本钱」：一次提问、一次回覆
，，，结算完毕；；；智能体是「循环本钱」：用户的一个目的
，，，会触发几十甚至上百次推理挪用
，，，由于智能体要推理、妄想、检索、执行。。
。。 当智能体大规模铺开
，，，训练与推理之间的经济差池称
，，，会以非线性的方式滚大。。
。。也因此
，，，这家剖析机构判断：推理经济学不是 2028 年才要费心的事
，，，而是一个 2026 年就要做的采购决议。。
。。 最直观的一个案例来自 AI 图像平台 Midjourney。。
。。据报道
，，，Midjourney 在把推理负载从英伟达 GPU 迁徙到谷歌第七代 TPU 后
，，，月度算力开销从约 210 万美元降到约 70 万美元
，，，降幅 65%。。
。。把这个比例放大到天天跑数十亿次盘问的超大规模厂商身上
，，，正如一位剖析师所说
，，，投入数十亿美元自研芯片
，，，就酿成了一道「直白的财务盘算题」。。
。。 这道题的谜底
，，，正在改变整个市场。。
。。据 TrendForce 的展望
，，，2026 年定制 ASIC 的出货增速将抵达 44.6%
，，，而商用 GPU 只有 16.1%——这也是定制芯片增速首次凌驾 GPU。。
。。Introl 引用彭博行业研究的数字则更宏观：到 2033 年
，，，整个 AI 加速器市场预计抵达 6040 亿美元
，，，而定制硅片在其中的份额还在加速上升。。
。。 超大规模厂商早已用真金白银投了票。。
。。谷歌的 TPU、亚马逊的 Trainium、微软的 Maia、Meta 的 MTIA……这些自研芯片各自服务着母公司内部的巨量推理负载。。
。。 这些数字批注：当你的算力需求膨胀到超大规模
，，，芯片不再是本钱项
，，，而是竞争壁垒自己。。
。。正如 Oplexa 的一篇剖析所言
，，，控制自己的硅片
，，，意味着控制自己的性能蹊径图、本钱结构和供应链。。
。。这三样是任何采购订单都换不来的。。
。。 英伟达的强势
，，，一部分来自芯片自己
，，，更大一部分来自CUDA。。
。。而 CUDA 是一套积累了二十多年的软件生态。。
。。据 Spheron 的剖析
，，，险些所有严肃的 LLM 推理优化
，，，从 FlashAttention 到 vLLM 里的一连批处理
，，，都只跑在 CUDA 上。。
。。这套生态与其说是英伟达的护城河
，，，不如说是任何想换芯片的团队要付的「搬家本钱」。。
。。据估算
，，，把服务栈从 vLLM 移植到亚马逊 Neuron SDK
，，，往往要花两到六周工程时间
，，，某些模子架构甚至基础不被支持。。
。。 正由于这道墙又高又厚
，，，绕过它的念头才格外强烈。。
。。对超大规模厂商和前沿实验室而言
，，，每一份跑在自研芯片上的负载
，，，都意味着更多利润留在自己口袋里
，，，也意味着在和英伟达谈价时多一分底气。。
。。 TheStreet 的判断颇为直白：正在改变的
，，，是「AI 实验室必需接受英伟达开出的任何价钱和供货条件」这个默认假设。。
。。微软有 Maia
，，，亚马逊有 Trainium
，，，谷歌有 TPU
，，，而最新一批 AI 实验室
，，，现在也想为自己攒出同样的筹码。。
。。 回到 7 月 7 日那两条新闻。。
。。对 DeepSeek 和智谱而言
，，，自研芯片除了上述所有理由
，，，还配合面临着一个它们的美国偕行没有的问题：出口管制。。
。。 另外值得一提的是
，，，DeepSeek 这次自研听说
，，，恰恰和它首次接受外部融资的节点撞在一起：该公司完成一轮超 500 亿元融资
，，，估值超 3300 亿元。。
。。造芯片很烧钱
，，，钱和芯片这两件事同时爆发
，，，未必是巧合。。
。。 把这些线索收拢
，，，「为何 AI 公司都想自己造芯片」这个问题
，，，谜底着实是几股实力的合流：推理取代训练成为算力主战场
，，，让专用 ASIC 有了用武之地；；；智能体爆发把推理本钱推向非线性膨胀
，，，让省下的每一分钱都被放大；；；而对英伟达的深度依赖
，，，则让所有人都想为自己攒一份议价的筹码。。
。。 对 DeepSeek、智谱这样的中国公司
，，，还要再加上出口管制问题。。
。。 但热潮之下
，，，冷水也该泼一盆。。
。。自研芯片远非稳赢。。
。。设计周期动辄 18 到 24 个月
，，，前期工程投入重大
，，，还需要事情负载足够稳固、可展望
，，，才值得围绕一个牢靠架构去设计。。
。。关于还在试验模子架构的首创公司
，，，或是使命五花八门的通俗企业
，，，英伟达 GPU 的无邪性反而是更划算的选择。。
。。 更值得追问的一个问题是：这场浪潮
，，，事实会削弱英伟达
，，，照旧只是给它「加了个增补位」？？大都剖析给出的谜底偏向后者。。
。。据 Oplexa
，，，到 2027 年 ASIC 出货量或将在数目上凌驾 GPU
，，，但两个市场都会继续增添：AI 基础设施正在分岔成两个差别的赛道：牢靠、高频、可展望的负载归 ASIC
，，，研究、多样、架构还在演进的负载归 GPU。。
。。英伟达依然牢牢握着训练和绝大大都市场。。
。。 但它们在统一天落地
，，，像两枚同时投进水面的石子
，，，激起的涟漪照出了统一片焦虑：从旧金山到北京
，，，在这个算力即权力的时代
，，，没有一家想活到下一轮的 AI 公司
，，，愿意把自己的命脉
，，，永远租在别人手里。。
。。