今年7月，人工智能行业传来两则耐人寻味的消息——据路透社报道，中国知名大模型公司DeepSeek正在悄悄招募芯片设计工程师，为自有推理芯片做准备；几乎同一时间，智谱AI也被曝正在评估定制芯片的可能性。这背后折射出的，是行业正在发生的深刻变化。
为什么这些前沿AI公司突然想自己造芯片？记者梳理发现，答案其实是几股力量汇聚的结果。
首先，算力需求发生了根本性转移。过去几年，AI训练占据了大部分算力资源；而现在，随着技术成熟，推理逐渐取代训练成为算力的主战场。这种转变让专用的ASIC（应用特定集成电路）芯片找到了用武之地——针对具体任务优化的专用芯片，往往比通用芯片更高效。
其次，成本控制压力迫在眉睫。智能体的爆发式发展将推理成本推向"非线性膨胀"，这意味着企业省下的每一分钱都会被放大。对于年营收已达数百亿美元的AI公司而言，降低单次调用成本成为生死攸关的问题。
更深层的原因来自供应链安全。近年来，高端芯片进口受到越来越多的地缘政治限制，供应链安全成为战略考量。对中国AI公司来说，减少对海外芯片厂商的依赖不再是个选择题，而是必答题。正如业内人士所说："深度依赖英伟达的GPU，让所有人都想为自己攒一份议价的筹码"。
放眼全球，这场"造芯热"并非中国独有。谷歌从2015年起持续迭代其TPU系列芯片，第七代产品Ironwood已在2025年底推出，单芯片峰值算力达到4614 TFLOPs，与英伟达B200比肩。Meta、亚马逊、微软等巨头也纷纷加入战局，其中亚马逊自研芯片年化收入已超过200亿美元。
对于普通用户而言，这场行业变革意味着什么？简单来说，未来我们使用的AI服务可能更快、更便宜、也更稳定。但前提是，这些AI公司真能把芯片造出来。毕竟，芯片设计是条漫长的路，从人才储备到工艺落地，每一步都是考验。
眼下，DeepSeek和智谱都处于早期探索阶段，他们的芯片能否成功商用仍待观察。但可以肯定的是，这场围绕"自主可控"的技术竞赛，才刚刚开始。
