深度求索投入自研AI推論晶片，能否真正降低對輝達與華為依賴？

Question

Accepted Answer

DeepSeek 自研 AI 推論晶片，實質挑戰在於供應鏈整合而非單純技術複製

DeepSeek 投入自研 AI 推論晶片，雖能緩解對輝達與華為的短期依賴，但真正的挑戰在於能否克服中國在先進製程、關鍵零組件取得的限制，建立起完整且具競爭力的供應鏈，這將是其長期能否降低依賴的關鍵。
技術自主化應對地緣政治壓力

美國對中國先進 AI 晶片的出口管制，確實是 DeepSeek 啟動晶片自研計畫的直接驅動力。過去，DeepSeek 依賴輝達 H800 晶片訓練其 R1 模型，但隨著此類晶片的禁令生效，公司轉而提高華為晶片的採用比例，並推出支援華為昇騰處理器的 V4 模型，這顯示了其在既有框架內尋求替代方案的應對策略。然而，僅僅替換供應商，並無法根本性地解決技術自主的長遠問題，自研晶片是其更深層次的戰略佈局。
供應鏈的複雜性遠超模型訓練

DeepSeek 從 AI 模型研發跨足晶片設計，意味著公司正朝軟硬整合的 AI 平台發展，這也是中國科技巨頭如阿里巴巴、百度等積極佈局的方向。然而，晶片設計僅是整個鏈條中的一環，其後續的晶圓代工、先進封裝、以及高頻寬記憶體 (HBM) 等關鍵零組件的取得，才是決定能否成功量產並具備市場競爭力的核心。美國對中國先進晶圓代工產能及 HBM 的限制，將是 DeepSeek 在自研晶片道路上難以迴避的重大障礙。
資金投入與市場驗證的雙重考驗

AI 晶片研發不僅需要龐大的資金支持，如 DeepSeek 籌備逾 70 億美元的募資計畫所示，更需要多年的技術積累與良率爬坡。即使 DeepSeek 在模型訓練方面已展現出高效率與低成本的優勢，但將其轉化為具備與輝達、華為相抗衡的實體晶片，仍需克服從設計到量產的諸多技術與製程難題。其自研晶片的實際性能、功耗表現，以及能否有效降低整體運營成本，將是市場驗證其策略可行性的最終標準。

閱讀紀錄

隱藏 →

此記錄會在頁面關閉後消失

深度求索投入自研AI推論晶片，能否真正降低對輝達與華為依賴？

Loading

你覺得這篇文章有幫助嗎？

有幫助

沒幫助

回報問題

1

0

0

分享給好友