不想做芯片的大模型公司不是好卷王|gpu|大模型|推理

大模型公司都开始盯上芯片了！继昨天DeepSeek被传自研AI芯片之后，今天智谱也被曝下场搞芯片了。

据The Information报道，智谱正评估为GLM系列模型定制 AI 芯片，以应对模型需求增长和出口管制带来的算力压力。知情人士称，智谱已初步接触本土芯片设计厂商，但项目仍处早期，尚未确定合作方。若推进，芯片可能交由中国晶圆厂量产。当然，无论DeepSeek和智谱，都不是个案，目前几乎所有的基模厂商，都有自己的芯片小九九。先给大家列列↓

信号已经很明显：大模型公司不满足于只买卡、租算力了，它们开始往更底层走。

核心原因①

模型推理太贵了

过去大家更关心训练，谁有更多 GPU，谁能把模型做得更大、更强。但训练只是周期性的，推理才是永恒，只要你模型服务还挺着、API接口还开着，这波消耗就没完没了。推理压力大到什么程度呢？模型厂商不得不用价格策略逼着用户昼伏夜出。比如，DeepSeek推出峰谷价格，高峰时段贵一倍

阿里也扛不住了，推出Night Plan，白天全价，夜间2折。

所以这一轮芯片动作，大部分都指向推理。OpenAI的Jalapeño是推理芯片，DeepSeek被曝开发的也是推理芯片。大模型一旦变成产品，推理成本就是命门，决定了模型能不能长期卖下去。

核心原因②

不想被芯片厂拿捏

老黄的GPU很强，软件也成熟，但成本、供应链很容易被锁死。对中国公司来说，还有出口管制这层不确定性。DeepSeek被曝做芯片，核心背景之一就是希望减少对芯片原厂的依赖。A社一边用AWS Trainium，一边用Google TPU，一边继续用黄记GPU，说明它也不想把全部命运压在单一供应商身上。

核心原因③

按自家推理负载定制

通用GPU未必最适合每家模型公司的具体负载。大模型推理现在越来越复杂，MoE、长上下文、多模态、智能体调用、KV Cache、低精度计算、批处理调度，全都在改变硬件需求。很多时候，瓶颈并不只在算力，还在显存、带宽、缓存和数据搬运逻辑。头部公司有足够大的请求量，也有足够稳定的负载形态，它们自然会有这样的内心戏：能不能把芯片设计得更贴合自己的模型？哪怕每token只便宜一点，放到海量调用里，都是一笔很大的钱。但具体的操作上，做芯片，不等于亲自造芯片，大模型公司都心里门清，各有各的道儿↓第一种是OpenAI路线：找博通这类芯片设计伙伴，做面向自家推理系统的定制芯片。第二种是A社路线：继续使用黄记，同时深度绑定AWS Trainium、Google TPU，并评估自有芯片可能性。第三种是 Google、Amazon、Microsoft、Meta路线：云厂和平台公司自己做芯片，用内部业务和云服务消化规模。第四种是中国大厂路线：阿里、百度这类公司同时有云、大模型、芯片团队，做全栈协同。第五种是创业公司路线：DeepSeek、智谱、Mistral 这类公司先评估、接触合作方，再决定要不要真正投入。虽然大家都叫“自研芯片”，实际难度、投入和确定性差别很大。真正的变化在于，大模型竞争正在变重。头部大模型公司已经开始把芯片当成长期成本控制工具、供应安全工具和系统优化工具。光会训练模型不够了，还要会把模型便宜、稳定、可控地跑起来。不想做芯片的大模型公司不是好卷王！