近日，DeepSeek创始人梁文峰在一次投资会上坦言，当前的芯片价格过高，难以满足其大模型低成本运营的需求，甚至表示希望能以合理价格买到芯片，从而避免自行研发。事实上，此前已有媒体报道，DeepSeek已秘密启动自研定制推理芯片，并已与多家芯片设计、晶圆代工及存储厂商展开接触。这表明，以价格优势著称的DeepSeek正遭遇芯片成本的掣肘。随着AI大模型的商业化落地和Token的大规模调用，曾经处于边缘地位的推理芯片，正逐渐取代训练芯片，成为大模型厂商最主要的成本支出。
那么，对于以DeepSeek为代表主打低价格的大模型厂商而言，如何进一步降低推理芯片的成本，将成为未来发展的核心命题。
DeepSeek等国内厂商的降价策略，正在重塑AI大模型行业的竞争格局。2026年，被业内视为国内大模型产业集体降价的冲刺之年。5月23日，DeepSeek宣布将V4-Pro模型的优惠永久化，原2.5折的专业版API价格维持不变，并引入了类似电价的峰谷定价机制，根据不同时段动态调整费用。随后，小米旗下MiMo-V2.5全系列接口资费永久下调，部分场景降价幅度逼近99%，且不再区分上下文窗口长度，统一按低价计费。6月底，腾讯云平台上的DeepSeek-V4全系列模型以及第三方入驻的MiniMax-M3模型，也同步大幅下调了调用价格，最高降幅达97.5%。
这波降价力度惊人。以DeepSeek为例，调价后其专业版百万Tokens价格降至0.025元，仅为Minimax M2.7价格的5.8%。价格已成为核心竞争力，用户开始用脚投票，OpenRouter数据显示，调价后DeepSeek-V4-Flash登顶全球调用榜。DeepSeek之所以能保持低价，主要得益于两方面：一是通过精妙的算法和工程优化大幅降低算力消耗，如V4系列处理百万级Token长上下文算力消耗仅为上一代的27%，缓存机制降低10%，训练成本降低10%；二是摆脱对英伟达的依赖，采购国产算力芯片，如华为昇腾节点已支持DeepSeek V4系列。可以说，在软件算法和采购国产硬件双管齐下的情况下，DeepSeek等国内厂商加速了AI的商业化应用。
然而，随着模型创新和国产替代带来的价格优势逐渐收窄，DeepSeek、小米MiMo等厂商已触及天花板——推理芯片成本日益高昂，成为阻碍AI普及的关键因素。推理芯片对成本的影响主要体现在两方面：首先是采购数量和成本结构的变化。过去大模型厂商以训练为主，如今AI商业化落地，推理芯片成为采购主力。阿里云在“2026年算力倍增计划”中，AI资本开支中推理芯片预算占比达60%；Meta预计2026年底将建立60万张GPU等效算力的推理集群，占总预算55%。联想集团CEO杨元庆也指出，未来用于推理的AI算力将占到70%以上，推理芯片时代已经来临。其次是全生命周期成本，推理芯片需持续响应用户问题，成本产生是长期的且随调用量飙升。数据显示，在生产环境中，推理芯片投入占大模型生命周期计算成本的80%至90%。因此，能否降低推理芯片价格，直接决定了DeepSeek这类经济型厂商的未来。
降低推理芯片成本已是行业共识。DeepSeek在融资后已将自研AI推理芯片纳入资金用途。OpenAI、Anthropic等巨头也在积极布局，OpenAI与博通合作开发了定制推理芯片Jalapeño，Anthropic则挖角OpenAI核心成员自研。尽管如此，自研之路困难重重。首先是研发难度，从软件算法跨界到硬件设计，需要全新的技术积累。其次是迭代速度，相比深耕多年的华为昇腾、寒武纪等芯片厂商，大模型厂商在研发能力和响应速度上存在差距。最后也是最核心的难题在于生态缺失，英伟达CUDA生态拥有数百万开发者，而智普AI、DeepSeek等自研芯片缺乏生态支持，只能自用，无法通过规模效应摊薄研发成本。
对于智普AI和DeepSeek而言，自研推理芯片的最大挑战不在于研发本身，而在于生态建设和产能保障。2026年的AI大模型行业，已从“工程师时代”迈入“工业时代”，竞争焦点从能否做出好模型转变为能否将成本降至极致。AI厂商能否推出并有效使用自研推理芯片，将决定其究竟是单纯的AI产品公司，还是真正掌握了AI时代基础设施的企业。