文章核心观点 - 中国大模型公司（如DeepSeek、智谱）正探索自研AI推理芯片，以应对算力紧张和推理需求激增的现状，并寻求成本降低和生态自主权 [2][4][5] - 自研推理芯片被视为一条更具可行性和实用性的路径，但该战略能否成功并持续，面临高投入、长周期及公司财务实力的不确定性 [3][4][6] 大模型公司自研芯片的动因 - 缓解算力紧张：国产大模型厂商普遍处于算力紧张状态，导致服务不稳定（如DeepSeek今年已“崩”18次以上）和用户需求无法满足（如智谱套餐需排队）[5] - 应对推理需求爆发：随着Agent（智能体）爆发，大模型推理需求增长非常快，国产芯片供不应求，自研芯片可弥补部分缺口 [4] - 追求成本效益与自主权：OpenAI案例证明自研芯片可显著降低成本（其定制推理芯片成本较英伟达Blackwell和谷歌TPU降低约50%）[1][5]，同时，大模型公司可利用自身AI优化底层硬件，将性能压榨到极致，从而保障未来利润率和生态主动权 [5] 聚焦推理芯片而非训练芯片的原因 - 技术难度相对较低：推理芯片是在已有模型权重基础上运行，即使芯片能力不足，损失也较小；而训练芯片对精度及算力要求极高，一旦训练精度崩盘，损失巨大 [3] - 当下更具实用性：推理芯片用于AI模型部署和应用，具有低延迟、高效能耗比及小型化特点，更贴合当前爆发的推理需求 [2][4] 自研芯片面临的挑战与不确定性 - 高投入与长周期：自研芯片是一项高投入、长周期的业务，国内成熟产品厂商均布局多年（如百度昆仑芯15年、阿里平头哥约8年、多家独立芯片公司持续投入7年以上）[6] - 财务实力存疑：国内大模型公司的收入水平目前不能与OpenAI相媲美，持续投入能力存疑 [6] - 存在失败先例：芯片研发有半路折戟的风险，例如OPPO旗下哲库公司在2023年关停，京东芯片团队在去年高薪招募人才后，于2026年4月曝出公司主体切换的消息 [6] - 短期难以满足需求：自研芯片短期内不可能供得上需求，过渡期仍需继续购买其他芯片混合使用 [5]