DeepSeek V4 发布 + 自研芯片双杀：从”模型公司”到”全栈帝国”，中国 AI 最激进的一次垂直整合

2026 年 7 月中旬，DeepSeek V4 正式版即将上线。1.6 万亿参数 MoE 架构、490 亿激活参数、100 万 token 原生上下文、全新注意力机制让推理计算量降至前代的 27%、DSpark 推理加速框架让生成速度提升最高 85%——以及，一个引发全行业争论的峰谷定价方案：高峰时段 API 价格翻倍。

几乎在同一天，路透社曝光：DeepSeek 已秘密启动自研 AI 推理芯片项目，已进行约一年，正在私下招聘芯片设计工程师，与代工厂和存储厂商接洽。

这两个消息放在一起看，比单独看任何一条都重要十倍。因为这不是”一家模型公司发布了新版模型”——这是一家模型公司，在发布最强版本的同时，开始向下吃芯片。从”用别人的芯片跑自己的模型”到”用自己的芯片跑自己的模型”——这不只是一次技术进步，这是中国 AI 产业最激进的一次垂直整合。这篇文章拆解 V4 到底强在哪、造芯到底是”烧钱任性”还是”生存必须”、以及这场全栈战争的终局。

一、V4 到底发布了什么？——先把技术事实摆清楚

1.1 两个版本，一张表说清楚

DeepSeek V4 规格对比：

                      V4-Flash（轻量版）       V4-Pro（旗舰版）
  ┌─────────────────────────────────────────────────────────┐
  │ 总参数              2840 亿              1.6 万亿        │
  │ 激活参数            130 亿                490 亿         │
  │ 架构                MoE（混合专家）       MoE（混合专家）  │
  │ 上下文窗口          100 万 token          100 万 token   │
  │ 开源协议            MIT                    MIT           │
  │ 定位                快捷、经济             高性能         │
  └─────────────────────────────────────────────────────────┘

对比上一代（V3.2）：
├── 推理计算量降至约 27%（百万 token 场景）
├── 显存占用降至约 10%
└── 支撑这两个惊人数字的，是全新的"Token维度压缩+
    DSA稀疏注意力"机制（后面拆解）

1.2 峰谷定价——V4 最”出圈”的决策

DeepSeek 在 V4 上做了一个中国 AI 行业从未有人做过的事：API 价格分时段计费。

V4 峰谷定价机制：

  高峰时段：每日 9:00-12:00、14:00-18:00
  → 价格为平时的 2 倍
  → 覆盖主要工作时间

  平时时段：其余 17 小时
  → 维持现行价格

  V4-Pro 定价（每百万 Token）：
  ├── 输入（缓存命中）：平时 0.025 元 → 高峰 0.05 元
  ├── 输入（缓存未命中）：平时 3 元 → 高峰 6 元
  └── 输出：平时 6 元 → 高峰 12 元

  V4-Flash 定价（每百万 Token）：
  ├── 输入（缓存命中）：平时 0.02 元 → 高峰 0.04 元
  ├── 输入（缓存未命中）：平时 1 元 → 高峰 2 元
  └── 输出：平时 2 元 → 高峰 4 元

这件事被媒体普遍解读为”DeepSeek 涨价了”，但高盛的解读更精准：这不是需求走弱导致的涨价，而是 AI 调用需求持续上行、算力资源趋紧 的信号。峰谷定价的本质不是”我们要多赚钱”，而是”算力是稀缺资源，请用户在高峰期多付钱，在低谷期多用”——这是一个价格信号驱动的资源配置机制。

峰谷定价的三层含义：

  第一层（显性）：高峰时段贵，低谷时段便宜
  → 鼓励用户错峰使用，平滑算力负载

  第二层（隐性）：DeepSeek 的算力不够用了
  ├── 4 月 V4 预览版上线后，调用量指数级增长
  ├── 算力瓶颈从"训练时"转移到了"推理时"
  │   （每一次用户请求都在消耗 GPU）
  └── 峰谷定价 = 承认"我们的算力跟不上需求"

  第三层（战略）：市场化定价的开端
  ├── 过去中国大模型公司都在"烧钱补贴"——
      价格越低越好，先把用户抢过来
  ├── DeepSeek 第一个站出来说："优质算力有成本，
      用户应该为峰值时段付更多钱"
  └── 这是中国 AI 商业化从"价格内卷"
      到"价值定价"的标志性转折

二、V4 的技术突破：三个”为什么”拆解 27% 计算量

V4 最硬的技术创新，是一套让推理计算量骤降的注意力机制。用工程师的语言说清楚：

2.1 Token 维度压缩——给注意力机制”减肥”

传统注意力的根本问题：

  标准 Transformer 注意力：
  每个 token 要"看"所有之前的 token
  → 计算复杂度 O(n²)
  → 在 100 万 token 上下文场景中，
     每一步推理需要计算 100万×100万 的注意力矩阵
  → 这在物理上意味着：大量的 GPU 算力和显存
     被用来处理"谁关注谁"的矩阵运算

  V4 的新方案（Token 维度压缩 + DSA 稀疏注意力）：

  步骤 1：Token 维度压缩
  ├── 不是让每个 token 计算对所有 token 的注意力
  ├── 而是先把 token 序列"压缩"——
      把信息密度低的 token 合并
  ├── 类似视频压缩中的"关键帧+差分帧"——
      只保留"关键 token"做全注意力计算
  └── 效果：注意力矩阵从 100万² 降到远小于此

  步骤 2：DSA（动态稀疏注意力）
  ├── 不是所有 token 之间的关系都重要
  ├── 让模型自己学习"哪些 token 之间值得算注意力"
  ├── 重要的 token 对 → 全精度注意力
  └── 不重要的 token 对 → 跳过或低精度

  综合效果：
  ├── 推理计算量 → V3.2 的 27%
  ├── 显存占用 → V3.2 的 10%
  └── 本质上：用"信息密度"替换"token 数量"
      作为注意力的分配依据

2.2 DSpark 推理加速——单用户生成速度最高提升 85%

DSpark 框架（与北京大学联合发布，2026.06.27）：

  解决的问题：
  大模型生成文本时，下一个 token 的计算必须等
  上一个 token 生成完 → 这是一条"串行链"
  → 在长文本生成中，延迟是用户体验的硬伤

  DSpark 的核心思路：
  ├── 在 MoE 架构中，不同 token 可能激活
  │   不同的"专家"
  ├── DSpark 预判"下一个 token 可能激活哪些专家"
  └── 预先加载相关专家的权重到 GPU 计算单元
      → 减少"等待专家加载"的时间

  实测提速：
  ├── Flash 版本：单用户生成速度提升 60%-85%
  └── Pro 版本：单用户生成速度提升 57%-78%

2.3 昇腾原生适配——V4 从一开始就是”为华为而写”的

这是 V4 最被低估的战略选择。

V4 与华为昇腾的关系：

  事实 1：V4-Flash 训练使用了华为昇腾芯片
  → 这是 DeepSeek 首次公开承认使用非 Nvidia GPU 训练主力模型

  事实 2：V4 的 MoE 架构设计考虑了昇腾芯片的特性
  ├── 昇腾芯片的显存带宽与 H100 不同
  ├── 昇腾互联（HCCS）的拓扑结构与 NVLink 不同
  └── V4 的"专家"分布和通信模式，
      从架构层面就考虑了昇腾硬件的特点

  事实 3：V4 发布后，昇腾 950 芯片需求暴增、价格涨约 20%
  → V4 不仅是"支持"昇腾，它正在成为
     昇腾芯片最重要的"杀手级应用"

  战略含义：
  ├── DeepSeek 在用模型"定义"芯片——
      最好的模型跑在谁上面，谁就是主流的 AI 芯片
  ├── 这和当年 CUDA + TensorFlow/PyTorch
      绑定 Nvidia 的逻辑一模一样
  └── DeepSeek + Ascend 正在形成
      中国版的"CUDA+PyTorch"生态

三、造芯——DeepSeek 为什么要做”最贵、最慢、最不确定”的事？

2026 年 7 月 7-8 日，路透社等多家媒体密集报道：DeepSeek 正在自研 AI 推理芯片。项目已启动约一年，仍在早期阶段。

3.1 三重驱动力：算成本账、安全账、效率账

DeepSeek 造芯的三个"不得不"：

  驱动力 1：成本账——"每一次推理都在烧钱"
  ├── V4 预览版 4 月上线后，API 调用量指数级增长
  ├── 2025-2026 年，DeepSeek 的推理算力需求
  │   呈爆发式增长
  ├── 按当前 API 定价，每百万输出 token 6 元，
  │   背后的 GPU 推理成本正在逼近甚至超过收入
  ├── 自研 ASIC 推理芯片，单位推理成本可比通用 GPU
  │   降低 30%-50%
  └── 这个百分比乘以每天数十亿次推理请求，
      就是自研芯片的"盈亏平衡点"

  驱动力 2：供应链安全——"买不到、抢不到、等不起"
  ├── 英伟达 H100/H200 被出口管制彻底切断
  ├── 英伟达合规版 H20 性能阉割严重
  ├── 华为昇腾 950 是国产最强替代，但产能需同时
  │   服务华为云、智谱、MiniMax、字节等多家公司
  ├── → DeepSeek 发现：有钱也抢不到足够多的 GPU
  └── → 自己造芯片的动机从"成本优化"
      升级为"生存必须"

  驱动力 3：效率账——"通用 GPU 做推理是浪费"
  ├── Nvidia GPU 是为"通用计算"设计的——
      它 30-40% 的芯片面积和功耗用于训练
      （FP32/FP64 精度、复杂的调度器）
  ├── 但推理只需要 INT8/FP8 精度
  └── 自研 ASIC 推理芯片 = 只做推理、
      砍掉一切与推理无关的电路
      → 同样的制程和功耗，
      推理吞吐量可以是通用 GPU 的 2-5 倍

3.2 为什么是推理芯片而不是训练芯片？

训练芯片 vs 推理芯片——DeepSeek 的选择逻辑：

  训练芯片：
  ├── 需要支持 FP32/FP16/BF16/FP8/INT8 等多种精度
  ├── 需要万卡互联的通信能力（NVLink/NVSwitch 级）
  ├── 需要完整的软件生态（CUDA 级编译器+算子库+框架适配）
  ├── 芯片设计复杂度：极高
  ├── 典型周期：5-8 年
  └── 代表：Nvidia H100/B200、华为昇腾 950

  推理芯片：
  ├── 只需要 INT8/FP8（甚至 INT4）精度
  ├── 互联需求低得多（单芯片或小规模集群）
  ├── 软件栈简单（只需支持自家模型的推理）
  ├── 芯片设计复杂度：中
  ├── 典型周期：2-4 年
  └── 代表：OpenAI Jalapeño（与博通联合设计）、
      Google TPU v5e（推理优化版）

  DeepSeek 选择推理的原因：
  ├── ① 训练已经可以用昇腾替代了（V4-Flash 已验证）
  ├── ② 推理是"收入中心"——API 服务、产品订阅
  │   都由推理承载
  ├── ③ 推理芯片门槛更低——可以用中芯国际的
  │   成熟工艺，不需要最先进的 3nm/2nm
  └── ④ 自研推理芯片可以和 V4 的架构深度协同——
      MoE 的专家路由、Token 维度压缩、
      DSA 稀疏注意力，都可以在芯片层面做定向加速

3.3 造芯的”五座大山”

DeepSeek 造芯面临的五个现实挑战：

  挑战 1：制程限制
  ├── 最先进的 AI 芯片（H100、TPU v5）用 4nm/5nm
  ├── 中芯国际成熟量产工艺在 7nm 附近
  ├── 7nm vs 4nm → 同样功耗下约 30-40% 的
  │   晶体管密度差距
  └── 但如果只做推理、架构足够优秀，
      7nm 推理芯片可以在性价比上打赢 4nm 通用 GPU

  挑战 2：HBM 高带宽内存
  ├── 大模型推理最"渴"的不是计算，是显存带宽
  ├── HBM（高带宽内存）全球主要由 SK 海力士、
      三星、美光三家供应
  ├── 美国出口管制同样限制 HBM 对华出口
  └── 中国自研 HBM（长鑫存储等）正在追赶，
      但性能仍有代差

  挑战 3：软件生态
  ├── 芯片不只是硬件——编译器、驱动、
      算子库、框架适配缺一不可
  ├── Nvidia 的 CUDA 有 15 年积累、
      300 万+开发者
  ├── 如果 DeepSeek 自研芯片只跑自己的模型，
      软件栈可以极度简化
  └── 但这意味着芯片只对 DeepSeek 有用——
      无法成为"通用推理芯片"

  挑战 4：时间
  ├── 从设计到流片到量产到部署：
      2-4 年（一切顺利）
  ├── 即使 2025 年启动，最早 2027-2028 年
      才能看到第一批芯片投产
  └── 这意味着 2025-2028 的 3 年窗口期，
      DeepSeek 仍然高度依赖外部芯片供应

  挑战 5：资金
  ├── 一款先进 AI 芯片的设计+流片成本：
      5-10 亿美元
  ├── 但如果对比 DeepSeek 2026 年 6 月
      510 亿人民币（~70 亿美元）融资
  └── 资金不是瓶颈。真正的瓶颈是人才和时间。

四、全栈战争：为什么”只做模型”不可能是终局？

把 V4 发布和造芯消息放在一起，一个更大的图景浮现出来。

4.1 全球 AI 竞争正在从”模型战”进入”全栈战”

AI 竞争的四个层级：

  层级 4（纯模型）：
  "我有一个很好的模型"
  → 租用云计算 GPU、用别人芯片、
    用别人的数据中心
  → 代表：2023-2024 年的中国大模型创业公司

  层级 3（模型 + 算力）：
  "我有模型，也有自己的算力基础设施"
  → 自建数据中心、大量采购 GPU
  → 代表：当前的 DeepSeek、智谱

  层级 2（模型 + 算力 + 芯片）：
  "我的模型跑在我设计的芯片上"
  → 模型架构和芯片架构协同设计
  → 代表：Google（TPU+Gemini）、
    OpenAI（Jalapeño+GPT）、
    华为（昇腾+盘古）

  层级 1（模型 + 芯片 + 云 + 应用）：
  "全栈闭环"
  → 代表：Google、Amazon、微软
  → 每一个层级都在自己手里，
      从硅片到用户界面全链路控制

  当前正在发生的：
  DeepSeek 从层级 3 → 层级 2 的跃迁
  智谱也在评估自研芯片
  OpenAI 从层级 2 → 层级 1 的跃迁（Jalapeño芯片+
    API服务+ChatGPT应用）

4.2 为什么”只做模型”这个位置不可持续？

纯模型公司的三重天花板：

  天花板 1：芯片不可控
  ├── 训练需要最先进的 GPU
  ├── 如果供应商（Nvidia/华为）优先供应
  │   自己的云服务或更大的客户
  └── 模型公司永远是最被动的"下游"

  天花板 2：成本没有护城河
  ├── 同样是 MoE 架构、同样的推理算力需求
  ├── 如果算力来自第三方，你的"推理成本"
      就是别人的"芯片利润"+
      "云服务利润"+"数据中心利润"
  └── 当竞争对手用自己的芯片把推理成本
      压低 50%，你的价格优势瞬间消失

  天花板 3：架构无法做到极致优化
  ├── 通用 GPU 的设计假设是"所有模型都能跑"
  ├── 如果你只用它跑一种 MoE 架构，
      芯片上 30-40% 的晶体管是浪费的
  ├── 而自研 ASIC 可以把每一平方毫米的硅片
      都用来加速你的模型
  └── 这在物理学上是不可逾越的效率鸿沟

核心判断：AI 产业正在经历和半导体行业类似的”垂直整合”趋势。就像 1990-2010 年 Intel 靠”设计+制造”一体化碾压 Fabless 模式的 AMD，未来 AI 的赢家不会是”只做模型”或”只做芯片”的公司——而是把模型和芯片一起设计的全栈玩家。

五、V4 峰谷定价 + 自研芯片 = DeepSeek 的双面博弈

把 V4 的峰谷定价和造芯消息放在一起，一个完整的商业逻辑浮现出来：

V4 峰谷定价 + 自研芯片 = 一个"三阶段"商业闭环：

  阶段 1（短期，2026 H2）：
  峰谷定价缓解算力压力
  ├── 高峰高价的信号 → 部分用户错峰使用
  ├── 算力负载平滑 → 不需要买更多 GPU
  └── 同时，更高的定价覆盖了 GPU 的算力成本

  阶段 2（中期，2027-2028）：
  自研芯片量产 → 推理成本骤降
  ├── 自研 ASIC 推理芯片部署在自有数据中心
  ├── 推理成本降低 30-50%
  └── 此时可以有两种策略：
      A. 保持价格 → 利润率大幅提升
      B. 再次降价 → 用成本优势碾压竞争对手
      （参考 AWS 用自研 Graviton 芯片的逻辑）

  阶段 3（长期，2029+）：
  全栈闭环 → 定义行业标准
  ├── V4→V5→V6 代际演进
  ├── 自研芯片→自研训练芯片→自研互联芯片
  ├── 模型代码和芯片架构深度耦合
  │   → 竞争对手既无法模仿你的模型
  │   （因为他们没有你的芯片架构）
  │   也无法模仿你的芯片
  │   （因为他们没有你的模型架构）
  └── 这形成了一种"双重护城河"——
      硬件和软件的协同锁定

六、中国 AI 产业的”三路分流”格局

V4 + 造芯这两件事，把中国 AI 产业的竞争格局清晰地分成了三条路线：

中国 AI 大模型公司的三条路线：

  路线 A：全栈自研（DeepSeek）
  ├── 模型 + 芯片 + 数据中心
  ├── 代表：DeepSeek
  ├── 特征：极度垂直整合
  ├── 优势：长期成本最低、护城河最深
  └── 风险：芯片研发失败或量产延迟

  路线 B：生态绑定（华为昇腾生态）
  ├── 深度绑定昇腾芯片和华为云
  ├── 代表：智谱（部分绑定）、多个二线模型公司
  ├── 特征：借力华为的芯片和生态
  ├── 优势：研发风险最低、可以专注模型
  └── 风险：失去对核心基础设施的控制权

  路线 C：应用导向（不做通用大模型）
  ├── 基于开源模型做行业应用
  ├── 代表：大量 AI 应用创业公司
  ├── 特征：不碰底座，专注场景和分发
  ├── 优势：轻资产、快速迭代
  └── 风险：底座模型一变，应用层可能需要
      大量改造

  关键判断：
  三条路线不是"对错"之分——
  但路线 A 的"全栈逻辑"，
  决定了它一旦跑通，将拥有不可复制的竞争优势。
  DeepSeek 是中国唯一一家
  同时在做"下一代最强模型"
  和"下一代推理芯片"的公司。

七、风险清单：DeepSeek 的”双线作战”有多危险？

同时推进 V4 和自研芯片，DeepSeek 面临的五个核心风险：

  风险 1：人才极度分散
  ├── 做世界级模型 → 需要顶尖 AI 研究员
  ├── 设计 AI 芯片 → 需要顶尖芯片架构师
  ├── 两个领域的人才池都很小
  └── 两条战线同时打 → 管理层注意力分裂

  风险 2：资金消耗加速
  ├── 2026 年 6 月融资 510 亿 → 看起来很充裕
  ├── 但自研芯片的投入是每年 5-10 亿美元级
  ├── 数据中心的投入是每年数十亿美元级
  └── "融资 510 亿够不够用"取决于多快出芯

  风险 3：窗口期错位
  ├── 芯片投产：最早 2027-2028
  ├── 模型迭代：半年一代
  ├── 问题：2028 年量产的芯片，
  │   优化的可能是 2026 年的 V4 架构
  │   而 2028 年的 V6 或 V7 架构可能已经变了
  └── 芯片设计和模型架构的"同步迭代"
      是最大的工程挑战

  风险 4：地缘政治不可预测
  ├── 中芯国际的 7nm 是否会被进一步限制？
  ├── 关键 EDA 工具（Cadence/Synopsys）
      是否会扩大禁运范围？
  ├── HBM 内存的获取路径是否会被彻底切断？
  └── "去美化"不是一家公司能完成的工程

  风险 5：OpenAI 的 Jalapeño 先手优势
  ├── OpenAI 的推理芯片已发布（2026.06）
  ├── 与博通联合设计、台积电代工
  ├── 全球最先落地的"模型+芯片"垂直整合
  └── DeepSeek 在芯片时间线上相对落后 1-2 年

八、结语：DeepSeek 正在重新定义”中国 AI 公司”的边界

DeepSeek 的进化轨迹：

  2023 年 7 月（成立）：
  "一家做量化交易的公司开始做大模型"
  → 市场反应：不看好

  2024 年 12 月（V3 + R1）：
  "全球最强的开源模型，来自中国"
  → 市场反应：震惊

  2026 年 4 月（V4 预览版）：
  "1.6 万亿 MoE，性能对标 GPT-5"
  → 市场反应：中国 AI 的真正旗手

  2026 年 6 月（融资 510 亿）：
  "打造中国 AI 基础设施"
  → 市场反应：资本投票了

  2026 年 7 月（V4 正式版 + 自研芯片）：
  "从模型到芯片，做全栈闭环"
  → 市场反应：这不是一家模型公司，
      这是一家 AI 操作系统公司

  如果 2027-2028 年：
  "自研推理芯片量产 + V5/V6 发布"
  → DeepSeek 将成为全球第三家
    实现"模型+芯片"完整闭环的公司
    （前两家是 Google 和 OpenAI）

DeepSeek 在做的事，超出了中国 AI 行业过去任何一家公司尝试过的边界。它不再满足于”追平 OpenAI 的模型性能”——它要的是从硅片到应用层的全链路控制。

这不是一个”要不要做”的选择题。当 V4 的 API 调用量每天数十亿次、每一次调用都在消耗昂贵的 GPU 算力，当英伟达最好的芯片买不到、华为最好的芯片抢不到——造芯就不再是一场”技术理想主义”的豪赌，而是一道”不造就会死”的生存算式。

V4 展示了 DeepSeek 的高度。自研芯片将决定 DeepSeek 的长度。

---

本文基于 DeepSeek 官方公告、路透社等媒体报道（2026.07.07-08）、高盛研报（2026.07.03）、36氪/量子位等行业媒体公开信息撰写。DeepSeek 自研芯片项目尚未获得官方正式确认，文中涉及芯片项目的内容源自媒体报道。自研芯片的实际量产节点取决于技术成熟度、供应链状态和国际政策环境。本文为产业技术分析，不构成任何投资建议。