在DeepSeek极低成本的推动下，开源模型和闭源模型之间的差距显著缩小，掀起了一轮国产AI芯片厂商竞相适配的风潮。自2月1日以来，多家国产头部AI芯片厂商宣布与DeepSeek旗下不同模型展开适配工作，据统计，目前至少有20家国内厂商参与其中。
AI芯片市场主要包括CPU、GPU、ASIC、FPGA等不同类型芯片。随着AI对大规模并行计算的需求增加，GPU芯片需求迅速攀升，导致英伟达业绩和股价双升。然而，DeepSeek的出现意味着AI推理侧成本正在快速下降，这将带动更广泛的应用市场涌现。这意味着不仅GPU芯片，在AI推理领域具有细分优势的ASIC、FPGA等芯片也将迎来丰富的机遇。多位业内人士认为，这有望推动国内厂商在推理侧与英伟达竞争市场份额。
尽管此前DeepSeek多采用英伟达GPU系列芯片，更多适配CUDA生态，但国产芯片如何在这种条件下抢占更多份额，以及是否会挤压英伟达的市场，成为业内的关注焦点。
伴随DeepSeek席卷全球，国内芯片厂商也纷纷行动。例如，2月2日，Gitee AI宣布上线多个尺寸的DeepSeek R1模型，并部署在国产沐曦曦云GPU上。2月5日，Gitee AI再次宣布，DeepSeek-V3全精度满血版可以在沐曦训推一体GPU上成功运行。天数智芯也在短时间内完成了与DeepSeek R1的适配工作，并上线了多款不同参数模型服务。燧原科技则完成对DeepSeek全量模型的适配。
这些厂商尤其重视“适配速度”，率先适配的是参数量较小的蒸馏模型，而MoE基础模型的适配时间明显更长。这表明国内AI芯片厂商试图展示其在AI生态适配方面的速度和实力。
英伟达GPU芯片在全球范围内广泛应用，形成了硬件GPU芯片、软件CUDA生态和NV Link连接三大护城河。国产芯片要在GPU领域加速发展，生态建设至关重要。目前，一些国产芯片选择自主架构，从垂直应用领域构建生态；另一些则兼容CUDA生态来推动发展。
海光信息指出，因其DCU芯片采用了GPGPU通用加速计算架构，DeepSeek模型可以直接在其DCU上运行，无需大量适配工作，主要任务是进行精度验证和性能优化。
众多国产AI芯片厂商与DeepSeek的快速适配是中国芯片国际化突击的第一步。通过合作，中国芯片厂商加速了深度学习框架和分布式训练适配，推动了“国产算力+国产大模型”闭环生态的发展。DeepSeek通过模型蒸馏技术和高效的算法优化，降低了模型对硬件算力的要求，使得国产AI芯片在推理端可以快速实现商业化。不过，训练端国产芯片与英伟达仍存在差距，且中国AI芯片生态碎片化问题需要进一步解决。
近期，包括OpenAI、豆包、百度等巨头也证实了推理侧成本正在快速下降。行业关注点从训练环节转向推理环节。海外云服务厂商如谷歌、Meta、亚马逊等也在财报中提到了自研推理芯片的进展。预期在DeepSeek驱动下，CSP业者将更积极投入较低成本的自有ASIC方案，并从AI训练重心转向AI推理。
业内普遍认为，ASIC芯片和GPU芯片将在未来市场中共存。云端业者除了采用英伟达GPU外，还在积极研发自身ASIC芯片，以降低对英伟达芯片的依赖度和支出成本。尽管ASIC在某些特定推理场景中会蚕食GPU的市场份额，但不会导致GPU需求总体下降。两者市场需求可能互为补充，而非简单替代。
主题测试文章，只做测试使用。发布者：广众网，转转请注明出处：https://www.zmdnky.org.cn/article/9940.html
