最近这段时间，国内的人工智能行业出现了一些新的变化。DeepSeek和智谱这两家做大模型的企业，都开始着手研发自己的AI芯片。这也能看出来，国内的大模型企业不再只做算法优化和场景应用，也开始接触上游的算力硬件，慢慢走向软硬件一起发展的模式。
一、两大企业造芯布局，各有差异化侧重
从网上能查到的一些行业资料来看，这两家企业做芯片的思路是不一样的。它们都是根据自己的业务情况来规划研发工作，并不是看到别人做就跟着做。DeepSeek的自研芯片项目已经准备了差不多一年，也积累了一些基础的研发经验。
DeepSeek这次研发的芯片，主要是用在AI推理的场景，主要适配自家大模型的日常使用场景，不太适用于大规模的模型训练工作。现在这家企业已经对接了国内的芯片相关产业链，也在慢慢增加研发人员，一步步推进芯片项目的研发和落地工作。
智谱的做法会相对保守一点，没有单独研发，而是和国内专业的芯片设计公司合作研发定制化AI芯片。随着智谱大模型的使用场景越来越多，使用的用户也在不断变多，企业需要的算力资源也随之增加，算力不够的问题也就慢慢显现了出来。
市面上常见的通用芯片能用的场景很多，但针对性不强，没办法很好地匹配大模型的运行需求。不仅适配的效果一般，算力的供应也不是很稳定。所以智谱才决定研发专属的定制芯片，用来解决大模型在实际使用过程中遇到的各种算力问题。
国产大模型发力自研AI芯片图
二、大模型企业造芯，并非跨界跟风
在之前很长一段时间里，国内大多数做大模型的企业，主要工作就是优化算法、调整参数，还有拓展各类使用场景。企业需要用到的算力芯片，基本都是直接在市场上采购现成的通用芯片。
现在越来越多的大模型企业开始做芯片研发，这也是很多行业从业者都注意到的现象。结合整个行业的发展情况来看，企业做这种布局并不是随便跨界尝试，而是行业发展到一定程度后自然出现的情况。通用芯片通用性强、针对性弱，无法适配大模型专属运行需求，在运行速度、功耗控制这些方面都有不足，没办法支撑大模型大范围落地使用。
企业自研定制芯片可与自身大模型深度适配，有效降低长期算力成本。这种方式不仅能改善大模型的运行效果，从长远的角度来看，也可以节省企业采购算力的成本，让大模型的商业化使用更加稳定，为企业后续的发展提供一定的帮助。
三、补齐上游短板，完善国产AI产业链
算力硬件是国内AI行业发展的薄弱短板。长期依靠从外部采购芯片的方式，会很容易受到供应链变动、硬件适配效果差等问题的影响，阻碍了国内AI行业的整体发展。大模型企业参与芯片研发，打通了算法、模型和硬件之间的联系，构建出相对完整的产业体系，让国产AI行业的整体实力有所提升。
放眼全球的AI行业，国外很多发展较好的企业，早就通过自研芯片，形成了软硬件结合的发展优势。国内企业现在跟进布局芯片领域，一方面是顺应全球行业的发展趋势，另一方面也能弥补国产AI产业链存在的一些短板。
目前，DeepSeek和智谱的自研芯片项目都还处在初步研发的阶段，暂时还没有可以量产落地的相关消息。但这件事也能说明，AI行业竞争已从单一算法比拼转向软硬件协同全栈竞争。在未来，软硬件共同发展、企业全流程自主研发会成为行业的主流，慢慢带动国内AI行业平稳、独立地向前发展。