DeepSeek 等大模型厂商扎堆自研芯片，英伟达算力优势正在被分流

DeepSeek、智谱等大模型企业纷纷下场自研 AI 芯片，再加上昇腾等国产算力芯片持续适配，很多人觉得英伟达不再吃香，但真实情况是英伟达在大模型预训练、通用算力生态上依旧很强，只是推理赛道开始出现替代方案，厂商造芯的核心目标不是立刻淘汰英伟达，而是解决算力成本高、供货受限、出口管制带来的风险，搭建多算力底座。过去很长一段时间里，国内大模型训练、推理都高度依赖英伟达 GPU 和 CUDA 生态，CUDA 成熟算子库、分布式训练工具链是行业标配；随着大模型推理规模暴涨，推理卡的采购成本、带宽成本持续走高，而且海外高端芯片供应不稳定，DeepSeek 启动自研芯片项目，定位只做推理芯片，同时深度适配昇腾算力，其他国内大模型厂商也同步跟进自研或绑定国产芯片，走算力多元化路线。整套落地路径是先用英伟达完成前沿大模型预训练，再把推理流量逐步迁移到昇腾、自研推理芯片上，长期目标是实现训练、推理算力自主可控；但自研芯片从设计、流片、量产到稳定跑通大模型，周期很长，还要配套编译器、算子库，生态建设难度很高，短期内很难全面替代英伟达成熟的训练算力。

各家芯片布局清单

• DeepSeek 自研芯片：主攻推理场景，项目启动约一年，尚处于早期接洽阶段，暂未流片
• 华为昇腾 950：训练 + 推理双场景，DeepSeek V5 计划基于昇腾做预训练
• 英伟达 Blackwell 系列：通用 GPU，训练能力最强，CUDA 生态完善，价格偏高
• 智谱等其他模型厂商：同步调研自研推理芯片，优先适配国产算力平台
• OpenAI Jalapeño：海外推理 ASIC，同样是用来降低推理成本，不替代训练 GPU

算力方案对比表格

优势和局限梳理

✅ 英伟达优势：预训练性能领先、分布式训练工具成熟、算子丰富、全球开发者生态庞大

⚠️ 英伟达短板：价格贵、推理场景算力冗余、对华供货受限、存在供应链风险

✅ 国产 / 自研芯片优势：推理性价比高、供应链自主可控、专门针对国内大模型优化

⚠️ 国产 / 自研芯片短板：训练生态还在追赶、自研芯片周期长、良率和稳定性有待大规模验证

【相关 FAQ】

问题 1：DeepSeek 们狂造芯片，是不是意味着英伟达已经不香，马上被淘汰？

回答 1：不是，DeepSeek 们狂造芯片主要瞄准推理场景，英伟达在大模型预训练、通用算力、CUDA 生态上依然具备很强不可替代性，英伟达只是不再是唯一选择，不会短期内被淘汰。

问题 2：DeepSeek 自研芯片，是打算做和英伟达一样的通用训练 GPU 吗？

回答 2：不是，DeepSeek 自研芯片定位是推理专用芯片，用来承接模型上线后的用户请求，并没有计划对标英伟达旗舰训练 GPU，训练环节现阶段还会继续使用英伟达、昇腾训练算力。

问题 3：DeepSeek 和其他厂商一起造芯片，最核心的动机是什么？

回答 3：DeepSeek 们狂造芯片，一方面是为了解决英伟达推理卡成本太高、算力冗余的问题，另一方面规避海外芯片出口管制、供应链断供风险，实现推理算力自主可控。

问题 4：DeepSeek 自研推理芯片，能不能直接跑其他厂商的大模型？

回答 4：目前还不确定，DeepSeek 自研推理芯片优先适配自家 DeepSeek 系列模型，后续能不能开放给其他模型，要看芯片定型、软件栈配套方案，不像英伟达 GPU 天然适配海量模型。

问题 5：除了 DeepSeek 自研芯片，还有哪些变化会削弱英伟达的地位？

回答 5：除了 DeepSeek 们狂造芯片，华为昇腾等国产算力生态持续完善、OpenAI 等海外大厂自研推理 ASIC、模型厂商做多算力编译层，都会分流英伟达推理流量，逐步降低行业对英伟达单一算力依赖。

【参考资料】

[2026-09-02]（DeepSeek 们狂造芯片，英伟达终于不香了？）36 氪

[2026-07-08]（DeepSeek 自研 AI 推理芯片项目曝光，一年前已启动）电子工程专辑

[2026-05-26]（DeepSeek 押注昇腾，国产 AI 芯片的突围之年）腾讯新闻

[2026-04-26]（不只 DeepSeek，大厂都想 “抛弃” 英伟达）虎嗅网

[2026-04-24]（DeepSeek 新模型押注国产芯片 筑牢人工智能产业根基）中新网

【免责声明】

本文内容基于公开媒体报道、行业资讯整理，DeepSeek 自研芯片还处在早期阶段，流片、量产、性能指标、上线时间均未官宣；英伟达、昇腾算力的适配进度、订单情况以企业官方公告为准；AI 芯片行业技术迭代快、存在研发失败、良率不及预期等风险，本文仅作行业科普，不构成算力采购、芯片赛道投资建议。