🐼Pandaily•最新收集於 2h
DeepSeek 與 Zhipu AI 轉向自研 AI 推理晶片
#ai-chips#silicon#inference#vertical-integrationcustom-ai-inference-chipsdeepseekzhipu aiopenaianthropic
💡頂尖 AI 實驗室正轉向自研晶片；了解垂直整合如何重塑 AI 基礎設施格局。
⚡ 30-Second TL;DR
有什麼變化
DeepSeek 與 Zhipu AI 正開發自研晶片，以減少對外部 GPU 供應商的依賴。
為什麼重要
此趨勢顯示 AI 實驗室正轉型為垂直整合的硬體公司，以確保供應鏈獨立性與成本效益。
下一步行動
監控您當前推理堆疊的硬體需求，以評估您的工作負載未來是否能從專用硬體加速中受益。
誰應關注：Founders & Product Leaders
關鍵要點
- •DeepSeek 與 Zhipu AI 正開發自研晶片，以減少對外部 GPU 供應商的依賴。
- •此舉效仿了 OpenAI 與 Anthropic 的策略，旨在掌握完整的 AI 技術堆疊。
- •自研晶片預計將大幅降低長期推理成本，並提升大規模模型的延遲表現。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •DeepSeek 與 Zhipu AI 的晶片研發重點在於『推理專用架構』（Inference-Specific Architecture），而非通用訓練晶片，旨在解決大規模模型部署時的記憶體頻寬瓶頸。
- •此舉受到中國半導體供應鏈在地化政策的推動，旨在規避美國對高階 GPU（如 NVIDIA H100/H200 系列）的出口管制風險。
- •DeepSeek 採用的技術路徑傾向於針對其特有的『混合專家模型』（MoE）架構進行硬體層面的稀疏運算優化，以提升推理效率。
- •Zhipu AI 正在與國內晶圓代工廠合作，利用先進封裝技術（如 CoWoS 的替代方案）來整合高頻寬記憶體（HBM），以應對推理時的延遲問題。
- •兩家公司均已開始招募具備 ASIC 設計與編譯器開發背景的工程師，顯示其研發已從概念驗證階段轉向實體晶片設計階段。
📊 競品分析▸ Show
| 特性/公司 | DeepSeek/Zhipu AI (自研) | NVIDIA (通用 GPU) | Groq (LPU) |
|---|---|---|---|
| 核心優勢 | 針對 MoE 架構深度優化 | 生態系完整、通用性高 | 極致的推理延遲表現 |
| 成本結構 | 長期邊際成本低 | 初期採購成本極高 | 專用硬體成本中等 |
| 適用場景 | 自家模型推理部署 | 模型訓練與通用推理 | 即時 AI 互動與推理 |
🛠️ 技術深入
- 晶片架構設計：採用針對 Transformer 變體與 MoE 稀疏激活機制優化的 ASIC 架構，減少不必要的矩陣運算。
- 記憶體層級：整合高頻寬記憶體（HBM3/HBM3e）以緩解模型參數載入時的頻寬限制。
- 編譯器堆疊：開發專屬編譯器以自動將模型圖（Model Graph）映射至硬體執行單元，優化算子融合（Operator Fusion）。
- 互連技術：採用自研的高速晶片間互連（Interconnect）技術，以支援大規模模型在多晶片系統上的並行推理。
🔮 前景展望AI analysis grounded in cited sources
中國 AI 產業將出現『模型-晶片』垂直整合的新常態。
透過自研晶片，AI 實驗室能將模型架構與硬體指令集深度綁定，大幅提升推理性價比並降低對外部硬體的依賴。
NVIDIA 在中國市場的推理晶片市佔率將面臨結構性下滑。
隨著頂尖 AI 實驗室轉向自研專用晶片，通用 GPU 在推理任務中的性價比優勢將被專用 ASIC 取代。
⏳ 時間線
2024-01
DeepSeek 發布 DeepSeek-V2，首次展示其在 MoE 架構上的高效能表現。
2024-06
Zhipu AI 宣布完成新一輪融資，明確將資金投入於基礎設施與硬體研發。
2025-03
DeepSeek 內部啟動代號為『推理加速』的硬體研發專案。
2025-11
Zhipu AI 與國內晶圓廠簽署合作協議，共同開發針對大模型推理的專用晶片。
2026-05
DeepSeek 與 Zhipu AI 先後被報導已完成首批推理晶片的流片（Tape-out）設計。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Pandaily ↗