在DeepSeek極低成本的推動下，開源模型和閉源模型的差距顯著縮小，也掀起一輪國產(chǎn)AI芯片廠商競相適配風潮。

21世紀經(jīng)濟報道記者綜合觀察發(fā)現(xiàn)，大約自2月1日開始，國產(chǎn)頭部AI芯片廠商先后宣布實現(xiàn)與DeepSeek旗下不同模型陸續(xù)展開適配工作。據(jù)不完全統(tǒng)計，目前有不少于20家國內(nèi)廠商參與其中。

AI芯片市場主要包含CPU、GPU、ASIC、FPGA等不同類型芯片，在AI對大規(guī)模并行計算的需求下，GPU芯片需求快速攀升，由此帶來英偉達業(yè)績和股價的雙重飆升。但DeepSeek的出現(xiàn)，象征著AI推理側(cè)成本正在快速下探，由此將拉動更為廣闊的應用市場涌現(xiàn)。

這意味著，不僅限于GPU芯片，在AI推理側(cè)有細分優(yōu)勢的ASIC、FPGA等芯片也將有豐富的發(fā)展機會。此外，國產(chǎn)AI芯片廠商恰恰在AI推理領(lǐng)域有更多能力沉淀，因此多名業(yè)內(nèi)人士對記者表示，這有望推動國內(nèi)廠商有機會在推理側(cè)與英偉達搶占一定份額。

但是，此前DeepSeek多采用英偉達GPU系列芯片，更多適配CUDA生態(tài)，國產(chǎn)芯片如何在此條件下撬動更多份額，這又是否會為英偉達的市場帶來擠壓？都是業(yè)內(nèi)的關(guān)注焦點。

圖片來源：創(chuàng)意制圖 梁遠浩

國產(chǎn)芯片齊聚

伴隨DeepSeek席卷全球而來的，是國內(nèi)芯片廠商的涌動。2月以來，多家國內(nèi)AI芯片廠商密集宣布，與DeepSeek不同規(guī)格模型陸續(xù)完成適配。

例如，2月2日，Gitee AI稱上線1.5B、7B、14B、32B四個尺寸的DeepSeek R1模型，并均部署在國產(chǎn)沐曦曦云GPU上。2月5日，Gitee AI又宣布，經(jīng)測試已確認DeepSeek-V3全精度滿血版（671B）可以成功運行在沐曦訓推一體GPU上，并將V3滿血版上線到平臺上。

2月4日，天數(shù)智芯稱在與Gitee AI協(xié)作下，用時一天完成與DeepSeek R1的適配工作，上線1.5B、7B、14B規(guī)格大模型服務(wù)。2月9日，天數(shù)智芯稱，DeepSeek R1-Distill-Qwen（1.5B/7B/14B/32B）、DeepSeek R1-Distill-Llama（8B/70B）等多款不同參數(shù)模型服務(wù)已經(jīng)在各大平臺上線。

2月6日，燧原科技完成對DeepSeek全量模型適配，包括DeepSeek-R1/V3 671B原生模型、DeepSeek-R1-Distill-Qwen-1.5B/7B/14B/32B、DeepSeek R1-Distill-Llama-8B/70B等蒸餾模型。

綜合觀察這些廠商的表述不難發(fā)現(xiàn)，“適配速度”是尤其被重視的指標。率先被適配的是模型參數(shù)量偏小的蒸餾模型，MoE基礎(chǔ)模型的適配時間顯然會更長。

這背后其實透露出，國內(nèi)AI芯片廠商在試圖證實，自身在AI生態(tài)適配方面的速度和實力。

對比來看，英偉達GPU芯片目前被全球廣泛使用，大有壟斷態(tài)勢，背后源自其構(gòu)建了三大護城河：硬件GPU芯片+軟件CUDA生態(tài)+NV Link連接。國產(chǎn)芯片要在GPU領(lǐng)域加速發(fā)展?jié)B透，生態(tài)建設(shè)就是重要一環(huán)，生態(tài)的完善程度，一定程度決定了AI芯片的能力是否可以被充分釋放以及應用落地速度。

但CUDA生態(tài)已發(fā)展十多年，在這一層面要很快完成追趕顯然不容易，目前國產(chǎn)芯片廠商中，有的選擇自主架構(gòu)、先從垂直應用領(lǐng)域著手構(gòu)建生態(tài)，有的則兼容CUDA生態(tài)來推動發(fā)展。

海光信息就指出，因其DCU芯片采用了GPGPU通用加速計算架構(gòu)，DeepSeek模型可直接在DCU上運行，并不需要大量適配工作，技術(shù)團隊的主要工作是進行精度驗證和持續(xù)的性能優(yōu)化。

“眾多國產(chǎn)AI芯片廠商與DeepSeek的快速適配潮是中國芯片實現(xiàn)國際化突擊的第一步。”CIC灼識咨詢高級咨詢顧問張笑璐對記者分析道，DeepSeek對于中國AI芯片廠商的利好非常確定，通過與DeepSeek合作，中國芯片廠商加速了深度學習框架和分布式訓練適配，推動了中國“國產(chǎn)算力+國產(chǎn)大模型”閉環(huán)生態(tài)。

她進一步指出，過去中國AI芯片的核心挑戰(zhàn)是英偉達GPU和其CUDA生態(tài)在全球AI訓練芯片領(lǐng)域的統(tǒng)治地位。而DeepSeek的出現(xiàn)，通過模型蒸餾技術(shù)和高效的算法優(yōu)化，降低模型對于硬件算力要求。同時DeepSeek通過專家混合系統(tǒng)（MoE）、多頭潛在注意力機制（MLA）和RMSNorm核心組件，并采用專家共享機制、動態(tài)路由算法和潛在變量緩存技術(shù)，在模型保持高性能水平的同時降低計算開銷，以實現(xiàn)在有限計算資源的情況下的高效運行。

“性能表現(xiàn)角度來看DeepSeek推理任務(wù)表現(xiàn)與OpenAI媲美，甚至在部分任務(wù)有所領(lǐng)先。這使得國產(chǎn)AI芯片在推理端可以快速實現(xiàn)商業(yè)化，同時說明了用國產(chǎn)AI芯片替換英偉達GPU是非?？尚械??！睆埿﹁纯偨Y(jié)道。

當然她也指出，訓練端國產(chǎn)芯片與英偉達的差異依然存在，在更復雜的模型訓練場景下，國產(chǎn)芯片還需提升。此外也有挑戰(zhàn)，中國AI芯片生態(tài)碎片化問題還需要進一步統(tǒng)一，來提升整體開發(fā)效率，降低開發(fā)成本。

AI推理風起

在DeepSeek帶動下，近日來，包括OpenAI、豆包、百度等巨頭也證實了推理側(cè)成本正在快速下降的現(xiàn)實。

張笑璐對21世紀經(jīng)濟報道記者分析，DeepSeek訓練成本的大幅下降打破了行業(yè)更高訓練成本與更好的模型/產(chǎn)品性能表現(xiàn)的局限，因此行業(yè)關(guān)注點更多從過去決定下限的訓練環(huán)節(jié)，轉(zhuǎn)向現(xiàn)在能夠確定上限的推理環(huán)節(jié)。對于下游行業(yè)來說，中算力的玩家也能夠在DeepSeek的助力下實現(xiàn)性能提升。

通常來說，被廣泛采用的英偉達GPU芯片早期多被用于AI大模型訓練，但到了推理階段，考慮到不同廠商的訴求差異，更多應用類廠商都開始著力開發(fā)自己的AI推理芯片，多為定制化ASIC芯片。

海外云服務(wù)廠商谷歌、Meta、亞馬遜等在近期發(fā)布財報過程中都或多或少提到了自研推理芯片的業(yè)務(wù)進展。例如谷歌借助自研TPU芯片Trillium系列，加速搜索引擎能力優(yōu)化；Meta借助自研芯片MTIA系列強化社群算法和廣告分發(fā)能力等。

對此，TrendForce集邦咨詢分析師龔明德對記者分析，“預期在DeepSeek驅(qū)動下，將促使CSP（云服務(wù)商）業(yè)者更積極投入較低成本的自有ASIC方案，并從AI Training（訓練）重心轉(zhuǎn)往AI Inference（推理）。展望2028年，其占比預期將逐漸提升至五成?！?/p>

在此發(fā)展態(tài)勢下，他認為，這將有望帶動國內(nèi)各行業(yè)(如車用、電商、互聯(lián)網(wǎng)及各種基建等)的AI推理芯片開發(fā)或相關(guān)業(yè)者發(fā)展商機。然而，仍面臨主要挑戰(zhàn)在于，無論AI芯片硬件或軟件方面，均需投入相當?shù)某杀净驎r間累積。

不過這由此引發(fā)ASIC芯片是否會搶占AI芯片整體市場中GPU芯片的地位。根據(jù)21世紀經(jīng)濟報道記者綜合了解，業(yè)內(nèi)普遍認為并非如此，應該說，ASIC芯片和GPU芯片是在共同“做大蛋糕”，而非“分食”。

TrendForce集邦咨詢分析師邱珮雯對21世紀經(jīng)濟報道記者指出，從AI芯片來看，未來市場GPU與ASIC會同時并存。云端業(yè)者除了采用英偉達GPU以外，也在積極研發(fā)自身ASIC芯片，除了針對自身應用定制化以外，還能降低對英偉達芯片的依賴度，同時降低支出成本。

“ASIC芯片的成本優(yōu)勢可能會逐步顯現(xiàn)。”張笑璐也認為，盡管ASIC在某些特定推理場景中會持續(xù)蠶食GPU的市場份額，但不會導致GPU需求的總體下降?！霸谛枰笠?guī)模部署和嚴格功耗控制的應用場景中，GPU依然會在更多通用計算任務(wù)中保持強勁需求，尤其是在多任務(wù)和多場景的計算需求下。兩者的市場需求可能不會簡單地‘互相替代’，而是將互為補充?！?/p>

另據(jù)21世紀經(jīng)濟報道記者了解，目前在大模型能力適配方面，國內(nèi)AI芯片廠商更強于AI推理側(cè)，但是在有更大規(guī)模集群計算需求的AI訓練側(cè)則還有差距。這也是DeepSeek多款模型更適配這些廠商能力的原因。

考慮到DeepSeek此前多適配英偉達旗下芯片，國內(nèi)廠商要承接其生態(tài)是否面臨門檻？

張笑璐告訴21世紀經(jīng)濟報道記者，從模型架構(gòu)通用性看，DeepSeek模型基于Transformer架構(gòu)，是諸多領(lǐng)域模型的基礎(chǔ)，因此適配并非難題。在軟件生態(tài)部分，部分國產(chǎn)芯片兼容CUDA，可復用TensorFlow/PyTorch生態(tài)資源、加快適配，也有實力廠商也能自研軟件棧優(yōu)化性能。

“目前國內(nèi)廠商多進行了推理的適配，推理計算需求較低，可通過優(yōu)化內(nèi)存和指令集適配。而訓練適配的要求更高，涉及分布式計算和梯度同步，國產(chǎn)芯片大多仍依賴英偉達GPU，訓練適配是難點?！彼m(xù)稱。