DeepSeek 的 74 億美元豪賭：自研 AI 推理晶片，力求擺脫 Nvidia 與華為依賴

DeepSeek，這家曾以低成本、高效能模型震撼全球市場的中國 AI 實驗室，如今正著眼於確保自身的硬體未來。根據三位知情人士透露，該公司正在開發一款專為「推論」（即訓練好的模型產生回應的階段）設計的自有 AI 晶片 。這項仍處於早期階段的努力，是 DeepSeek 多層次策略的一部分，旨在減少對 Nvidia（其最先進晶片對中國的出口日益受限）以及華為（雖是國內合作夥伴，但仍是第三方供應商）的依賴 。在 2026 年 6 月完成一輪創紀錄的 74 億美元融資後，DeepSeek 的硬體野心標誌著這家中國領先 AI 公司在受限的硬體環境中，打算如何競爭的根本性轉變 。

三層次的硬體策略

DeepSeek 實現晶片獨立的方法並非單一舉措，而是在三個不同時間軸上執行的階段性策略。

長期：自有的推論晶片。 最具野心的一環是開發 DeepSeek 自己的客製化晶片，從零開始為推論任務設計 。該公司正在與外部晶片設計合作夥伴合作，並持續擴張其內部晶片設計團隊，不過該專案仍處於早期的規劃與開發階段 。成功的自研晶片將賦予 DeepSeek 戰略上的自主權，使其免受供應鏈中斷和單一硬體供應商意願的影響 。

中期：轉向華為昇騰 (Ascend)。 在近至中期內，DeepSeek 已將大量推論工作負載轉移到華為的昇騰 950 晶片系列上。該公司的 V4 模型，一個擁有萬億參數的混合專家模型，已特別針對在華為昇騰 950PR 硬體上運行進行了優化 。DeepSeek 給予華為等國內供應商其 V4 模型的早期存取權限，同時明顯地未提供給包括 Nvidia 和 AMD 在內的美國晶片製造商，此舉偏離了業界常規 。此舉證明了 DeepSeek 可以在不依賴美國硬體的情況下，大規模進行生產級 AI 部署 。

短期：演算法效率。 DeepSeek 的模型一直強調演算法和架構效率，減少訓練和推論所需的原始運算能力 。混合專家模型、選擇性激活和遷移學習等技術，使 DeepSeek 能夠在性能較差的晶片上提供前沿水準的性能，讓過渡到國產硬體變得更加可行 。這種對推論效率的重視，是中國製造的 AI 處理器與更強大的美國晶片之間差距縮小的關鍵原因 。

為何獨立至關重要：出口管制的壓力

推動 DeepSeek 硬體發展的驅動力是美國累積的出口管制，這些管制已逐步切斷中國獲得世界上最先進 AI 晶片的管道。自 2022 年 10 月起，華盛頓已禁止向中國出口性能等同或優於 Nvidia A100 的晶片，隨後管制措施收緊至 Blackwell 系列，並對 H20 晶片實施特定的許可要求 。一位川普政府高級官員甚至指稱，DeepSeek 違反美國出口法規，使用 Nvidia 最先進的 Blackwell 晶片訓練其最新模型 。

儘管面臨這些限制，DeepSeek 已證明它可以透過卓越的工程設計達到前沿 AI 性能 。然而，依賴單一主導供應商——即使是華為這樣的國內供應商——仍然是個戰略風險。DeepSeek 早期嘗試在華為昇騰硬體上訓練模型，據報遭遇持續的失敗和延誤，迫使該公司只能在訓練時回頭使用 Nvidia 晶片，而僅在推論時使用華為晶片 。這段坎坷的歷史凸顯了為何 DeepSeek 最終希望掌握自己的命運。

74 億美元的金庫

DeepSeek 的晶片野心有其首次外部融資輪的支持，該輪於 2026 年 6 月完成。該公司籌集了超過 500 億人民幣（約 74 億美元），估值超過 500 億美元，使其成為中國最有價值的 AI 新創公司 。此輪融資由創始人梁文鋒領投，他個人貢獻了 200 億人民幣（約 29 億美元），而錨定投資者包括科技巨頭騰訊（100 億人民幣）和電池製造商寧德時代（50 億人民幣）。其他參與者還包括京東、網易和 IDG 資本 。

這筆交易的結構非同尋常：投資者將資金投入由梁文鋒管理的有限合夥企業，在 DeepSeek 中沒有直接投票權，並須遵守五年的鎖定期 。這種結構使梁文鋒在籌集大量外部資本的同時，仍能保留戰略控制權。

時機至關重要。設計、試產和製造一顆客製化 AI 晶片是一項耗時多年的工程，通常耗資數億至數十億美元。74 億美元的資金庫提供了財務火力，得以資助這項努力，同時繼續開發下一代 AI 模型並建立必要的資料中心基礎設施 。

結論

DeepSeek 的晶片策略是在壓力下進行防禦性創新的典型範例。面對每一季都變得更加受限的硬體環境，該公司正在三個方面進行多元化布局：透過演算法改進從現有硬體中榨取更多性能；將當前工作負載轉移至國內合作夥伴（華為）；以及透過自訂晶片設計為長期獨立做準備。74 億美元的融資輪為 DeepSeek 提供了實現此目標的財務跑道，將其硬體策略從應急計畫轉變為潛在的決定性競爭優勢。