7月8日消息，路透社和 The Information 在同一天分别报道了中国两家头部 AI 公司的芯片自研动向。路透社援引三名知情人士称 DeepSeek 正在自主研发推理芯片，项目已启动约一年，预计由中芯国际代工。The Information 报道智谱 AI 正与数家中国芯片设计公司初步接洽，探索为 GLM 模型家族开发定制 ASIC。两家公司的阶段不同——DeepSeek 已进入招聘和代工洽谈，智谱仍在评估可行性——但撞上的是同一堵墙：美国出口管制持续收紧高端芯片供应，而模型推理需求的增长速度远超现有算力扩容能力。这不是巧合。当一个行业里最强的两家公司在同一天暴露出相同的约束，这个约束就从个别公司的经营问题升级为整个行业的结构性瓶颈。 DeepSeek：启动一年，瞄准推理，中芯国际 代工
据路透社，DeepSeek 的推理芯片项目约一年前启动，目前仍处早期阶段。三个关键决策已经成型：芯片专注推理而非训练；近月大规模招募芯片设计工程师；与代工、存储和设计公司进入实质洽谈，消息人士称预计由中芯国际代工。DeepSeek 未回应路透社置评请求。
选择推理而非训练有明确的业务逻辑。随着 AI 应用扩展，行业算力需求正从训练端向推理端倾斜——运行模型为用户生成回复的计算量在持续增长，且推理对延迟和能效的要求与训练不同，适合用专用芯片替代通用 GPU。推理芯片可以比通用 GPU 更便宜、更节能，这对 DeepSeek 的低成本路线有直接价值。
DeepSeek 在训练端有复杂的硬件历史。其 R1 模型的底层基础模型使用 Nvidia H800 训练完成，H800 是 Nvidia 面向中国市场的合规版本，已于 2023 年底被禁止出口。此后 DeepSeek 也在华为昇腾上部署推理。但据 The Next Web 报道，R2 模型训练曾因华为硬件上的运行失败而多次延迟，最终被迫回到 Nvidia GPU 完成训练，将华为芯片保留用于推理。自研推理芯片是"训练用 Nvidia、推理用国产"分工逻辑的进一步延伸——如果连推理端都能自主，对外部硬件的依赖将大幅降低。
DeepSeek 进入芯片设计的独特优势在于：这是一家以极致算法效率闻名的公司。V3 模型用 557 万美元完成训练的成本控制能力来自对算力使用的深度优化——稀疏激活的 MoE 架构、每 Token 只激活 37B 参数。如果同样的优化思维应用到芯片架构设计中，针对自身模型的稀疏激活模式和推理负载特征做专用定制，产出的芯片有可能在特定场景下实现远超通用 GPU 的效率，即使绝对算力不及 Nvidia 最新产品。
智谱 AI：GLM-5.2 用量暴涨 27 倍，算力危机从远期风险变为当日现实
智谱 AI 的芯片探索由一个更直接的触发因素驱动：需求增长在物理上超过了供给扩容。据 The Information 报道，GLM-5.2 在 Vercel 模型聚合平台上首周日均 Token 消耗量暴涨高达 27 倍，成为增长最快的模型。这不是智谱第一次面临算力崩溃：今年 2 月 GLM-5 发布时已出现并发访问超出容量、排队、响应延迟和性能波动的情况，迫使团队紧急协调资源扩容。
GLM-5.2 的爆发有一个特殊时间窗口：6 月 12 日美国商务部要求 Anthropic 限制外国公民访问 Fable 5，Anthropic 暂停海外服务。第二天，智谱宣布 GLM-5.2 全量开放并支持 1M 上下文。海外开发者的需求涌入叠加 GLM-5.2 自身在 Code Arena 全球第一的实力，共同推动了这次暴涨。
但算力困境不是单次事件造成的。智谱 3 月披露 MaaS 平台 ARR 达 17 亿元人民币，同比提升 60 倍。付费开发者超 24.2 万，Token 调用量 6 个月增长 15 倍。最反常的信号是"量价齐升"：2 月 GLM-5 发布后 API 定价上调 67% 至 100%，调用量不降反升，涨价后仍增长 400%。当需求对价格不敏感时，供给侧的硬约束就是唯一的增长天花板。2025 年智谱研发支出 31.8 亿元，其中 70% 用于算力——这个比例说明算力已经是经营成本的绝对主体。
智谱当前的推理部署跨九个国产芯片平台：华为昇腾、寒武纪、摩尔线程、平头哥、昆仑芯、沐曦、海光、壁仞、天数智芯。GLM-5.2 在 Day 0 即完成全部适配。这种异构部署可用但不高效——每日数百万次运行同一模型架构时，通用 GPU 的灵活性意味着更高的单 Token 成本和能耗。一款针对 GLM 的矩阵形状、注意力模式和激活函数定制的 ASIC，理论上可以大幅降低推理能耗和服务成本。代价是明确的：芯片只能跑 GLM，对其他模型毫无用处。但对一家单一模型家族日均 Token 消耗以 27 倍速度增长的公司来说，"只能跑 GLM"不是限制，而是精确匹配。
The Information 称智谱尚未选定合作伙伴，项目可能需要超过两年才能量产。智谱需要组建或扩充半导体团队、完成设计和测试周期、并重写软件栈以适配新硬件。在芯片就绪前，最现实的过渡方案是华为昇腾 950 超节点——预计下半年上市，可能成为 GLM-5.2 新一轮算力底座。
两条路径的起点不同：DeepSeek 是战略选择，智谱是需求倒逼
DeepSeek 和智谱走向芯片自研的起点有本质差异。DeepSeek 的项目启动于一年前，彼时并没有公开信息显示其推理负载遇到了紧急瓶颈。这更像是一个前瞻性的战略决策：既然训练端已经因华为硬件的不稳定而回退到 Nvidia，推理端的外部依赖同样构成长期风险，不如提前布局。项目时间线和节奏（一年前启动、近月才大规模招聘、已进入代工洽谈）呈现的是一个有计划推进的工程项目。
智谱的探索则是被现实推着走的。GLM-5.2 的 27 倍增长不是预期中的渐进式扩张，而是一次外部事件（Anthropic Fable 5 限制访问）触发的需求脉冲叠加在已有的强增长基础上。它暴露的问题是：即使适配了九个国产芯片平台，即使涨价 67%-100%，现有异构部署仍然无法跟上调用量的增长速度。芯片探索是对这一现实的回应，而非远期规划。
这种差异也体现在两家公司的内部准备度上。DeepSeek 已有芯片设计工程师的招聘动作和代工方洽谈，说明核心团队已在组建。智谱仍在"初步接洽"和"评估可行性"阶段——The Information 明确使用了"preliminary inquiries"的措辞——距离实质投入还有距离。如果 DeepSeek 的项目是一辆已经上了高速公路的车，智谱现在还在决定是否要买车。
共同的硬约束：中芯国际制程和高带宽内存
无论起点差异多大，两家公司最终撞上的是同一个制造瓶颈。美国出口管制禁止中国芯片设计公司使用台积电最先进制程（目前为 3nm）。中芯国际当前量产能力在 7nm 成熟制程，有限度的 5nm 等效工艺。这意味着短期内中国自研 AI 芯片与 Nvidia 最新硅片（如 Blackwell 系列）之间存在确定的性能代差。
第二个瓶颈是高带宽内存（HBM）。AI 推理芯片需要高速在内存和计算单元之间搬运数十亿模型参数，HBM 是实现这一点的关键组件。美国对中国的 HBM 出口同样有限制。这个约束对智谱和 DeepSeek 都适用——无论芯片设计多优秀，如果 HBM 供应受限，推理吞吐量就有硬上限。两家可能都需要在芯片架构上做妥协，设计更依赖片上缓存或低带宽替代方案的架构，技术可行但增加设计复杂度。
对 DeepSeek 而言这个约束尤其具体：如果 SMIC 的 7nm 制程能满足推理需求（推理芯片对制程的要求低于训练芯片），设计侧的挑战反而更大——如何在有限晶体管预算下最大化 DeepSeek 模型的推理效率。对智谱而言，考虑到项目仍在评估阶段，制造约束目前更多是一个"是否值得启动"的决策变量，而非"如何克服"的工程问题。
放在一起看：中国 AI 行业的增长约束已从软件层移到硬件层
单独看 DeepSeek 或智谱的芯片动向，故事的定性是"又一家公司探索硬件垂直整合"。放在一起看——同一天、两家中国最具代表性的 AI 实验室、不同的商业模式（DeepSeek 偏开源研究、智谱偏商业化 MaaS）、不同的触发时机、但指向完全相同的约束——定性应该是：中国 AI 行业的增长瓶颈已经从模型能力和市场需求层面，下移到了物理硬件供给层面。
过去两年中国 AI 的叙事是"算法突破弥补硬件不足"：DeepSeek 用 557 万美元训练出第一梯队模型，智谱用国产异构集群跑出 Artificial Analysis 前三的表现。这些是在软件层的胜利。但当 DeepSeek 的推理负载大到需要自研芯片、当智谱的 Token 消耗 27 倍增长到现有九个平台都接不住时，算法优化的边际收益开始递减，硬件供给成为约束行业增长率的真正天花板。
这也解释了为什么两家公司都选择了推理而非训练：训练是间歇性的（一次训练完成后模型固定），推理是持续性的（用户每次调用都消耗算力）。当 AI 从"研发阶段"进入"大规模服务阶段"，推理的算力需求增长远快于训练。全球趋势一致：OpenAI 上月发布了与 Broadcom 联合开发的推理芯片 Jalapeno，Anthropic 今年 4 月被报道考虑自研芯片。区别在于，美国公司面临的是"对 Nvidia 单一供应商的依赖风险"，中国公司面临的是"可能根本买不到 Nvidia"的存亡问题。后者的紧迫性更高，容错空间更小。
市场容易误读的地方是把这当成"中国芯片替代"的又一个案例。更准确的说法是：这是模型公司向下游吞噬硬件层的开始。当你的核心资产是模型，而模型的服务成本和扩张能力被外部芯片供应决定时，将芯片纳入自身控制是商业逻辑的自然延伸。DeepSeek 和智谱不是在"做芯片"，它们是在确保自己的模型能继续扩张。
接下来各自的关键节点和共同的验证标准
DeepSeek 的关键节点更近期：项目已启动一年，如果进展顺利，2027 年下半年可能看到工程样片。验证标准是第一颗芯片在 DeepSeek 模型推理负载上的能效表现——如果单位推理成本显著低于华为昇腾 910B，路径验证成功；如果差距不大，自研的战略价值仍在但经济性存疑。中间变量是中芯国际能否在 7nm 制程下交付满足要求的代工服务。
智谱的关键节点更远：从"初步接洽"到"选定合作伙伴"是第一个标志性转折。在此之前，更现实的观察点是昇腾 950 超节点上市后能否缓解即时算力压力——如果 950 在性能和供应量上满足 GLM-5.2 级别的推理需求，自研芯片的紧迫度会降低，项目可能保持在"评估"状态更久；如果仍有缺口，项目会从探索加速为承诺。另一个信号是智谱的市值能否维持在当前水平——万亿港元的市值为芯片投入提供了资本空间，如果市值大幅回调，数十亿级别的芯片研发支出在财务上会变得更难论证。
两个项目共同的验证标准是时间：芯片从设计到量产需要 2-3 年。在这个窗口期内，两家公司都必须用现有方案（异构国产平台 + 存量 Nvidia）维持运营。如果 2-3 年后美国出口管制进一步收紧、现有存量芯片老化淘汰而自研芯片未就绪，它们可能面临一个算力供给断层。反过来，如果在这期间中国半导体制造能力有意外突破（比如 SMIC 在先进制程上的进展超出预期），自研芯片的性能天花板也会相应抬高。
AI 速览
