2026年10月13日，DeepSeek被曝新一轮拟融资约1000亿元人民币。几天前，博通为OpenAI定制芯片洽谈超过500亿美元融资的消息同样传出。两笔仍在推进的交易，再次凸显AI算力竞赛的资本强度。



头部模型厂商正深度参与硬件定义。OpenAI已经将模型运行经验带入芯片设计，DeepSeek也在推进国产硬件的底层适配。模型公司的竞争，正在触及承载模型的基础设施。

随着 AI 服务进入常态化商用阶段，等待时间、数据搬运与电力消耗都会进入成本账。买到更多设备之后，怎样让它们更有效地工作，成为模型公司必须解决的问题。



01两笔巨额融资

博通的巨额融资洽谈，围绕此前已官宣的 OpenAI 定制芯片合作项目展开。



据《华尔街日报》2026年10月7日报道，博通近几周正筹措超过500亿美元融资，潜在参与方包括阿波罗和黑石，谈判仍处早期。该定制芯片项目内部代号为「Nexus」，第一代、第二代产品代号分别为 Jalapeño 和 Serrano。2025年10月13日，OpenAI与博通宣布共同开发部署10吉瓦(GW)定制AI加速器系统，原定从2026年下半年启动、至2029年底完成，属于多年规划。

这轮融资与整份10GW规划的覆盖范围尚不能简单对应。报道提及资金可能支持其中数吉瓦的部署，最终安排仍待正式披露。而博通 CEO 陈福阳在公开场合表态，资本已成为 AI 产业扩张的最大瓶颈，算力供需失衡预计将持续至 2029-2030 年。

DeepSeek的消息则来自公司层面的新一轮融资。

2026年10月13日，《财经》进一步披露，拟融资金额已由原计划500亿元增至约1000亿元，老股东和新进产业资本追加投资，公司投前估值约5000亿元。《科创板日报》同日采访的一位参与DeepSeek投资的基金LP人士表示，相关报道基本符合事实，但交易仍在动态变化中。其最终金额、交割进度与资金分配，仍需后续披露。

芯流认为，两笔千亿级融资的性质完全不同，代表算力产业两条分化的演进路线。博通的超 500 亿美元是绑定单一客户的项目制债务融资，资金直接流向芯片制造与部署环节，本质是算力供给侧的定向产能扩张，服务于 OpenAI 的专属算力需求；DeepSeek 的千亿融资是公司层面的股权融资，覆盖模型研发、算力建设、商业化全链条，本质是国产大模型在通用算力路线上的全栈能力突围。

两笔仍在推进的融资，折射出AI算力供给的新动向——从 “英伟达一家独大”走向 “大客户分食”，算力投入的产出比将成为下一阶段行业竞争的核心变量。



02OpenAI为何走向定制？

大模型的算力成本重心正从训练侧转向推理侧。用户每发起一次对话、生成一段代码，都需要芯片完成推理。对大模型公司而言，这是一笔随调用量持续发生的开销。

这正是OpenAI定制芯片项目Nexus的切入点。该项目首代和第二代芯片分别代号Jalapeño、Serrano。6月24日公布的Jalapeño，已明确主打大语言模型推理场景深度优化。

为高频业务定制芯片，首先要弄清楚成本花在哪里。推理场景的算力核心瓶颈从来不是计算单元本身，而是数据搬运效率。处理输入时，系统可以并行计算大量内容；生成回答时，则要逐步输出词元。在小批量、低延迟服务中，芯片需要反复读取模型权重与历史状态，内存带宽与数据传输速度会直接限制回答生成速度，成为主要成本拖累。

因此，单纯堆叠计算核心，无法等比例提升推理服务效率。Jalapeño设计思路围绕模型的实际运行方式，把计算、内存与网络连接一起优化，尽量缩短数据搬运和等待时间，释放了更强的处理能力。

OpenAI将自己对模型和产品需求的了解融入芯片设计，博通参与芯片实现与网络连接，Celestica提供板卡、机架及系统集成能力。这套 “需求方定义 + 芯片方实现 + 集成商落地” 的三级分工模式，让 OpenAI 可以完全围绕自身业务场景配置整套算力系统。

这种优化已经出现阶段性结果。OpenAI于8月25日披露，在三个公开模型的测试中，Jalapeño单位功率下的峰值推理吞吐量，达到所选英伟达对比系统的约1.5至1.9倍。

定制芯片的成本优势，需要足够大的业务量来兑现，OpenAI恰好符合这个条件。前期设计与研发投入要靠持续调用来分摊，设备也要保持较高利用率。模型更新后，如果需要大量重新适配，新增工程开销还可能抵消此前节省的成本。

这也是DeepSeek的千亿融资值得思量的地方，募资重点投向算力基建与硬件适配，把自己的业务规模，转化为更强的成本优势？



03DeepSeek能否走出自己的算力路径

DeepSeek 正走出一条 “软件适配先行、自研芯片补位” 的算力路线，和 OpenAI 联合博通的专属定制模式有所区别。路透社7月7日援引三名知情人士称，DeepSeek 已启动面向推理场景的自研 AI 芯片项目，当时仍处于早期研发阶段；DeepSeek未回应置评请求。

软件层的多硬件适配，是 DeepSeek 当前更显性的进展。2026年9月30日，DeepSeek 正式发布 DeepGEMM-Ascend 计算库，就是专门给华为昇腾 AI 芯片做了底层优化，把矩阵乘法这类最核心的计算效率调上去了，同时还能完全兼容自己原来的开发工具和接口。

这些工具可以减少底层代码迁移中的重复工作。新的芯片买到之后，还要让已有模型跑得快、跑得稳定，才有可能成为长期使用的选择。硬件采购与软件适配，需要一起推进。

多硬件适配拓宽了供给选项，而千亿级融资则为规模化部署提供了弹药。

芯流认为，扩大集群与长期采购，有机会让DeepSeek争取更稳定的供货和更好的议价条件。如果进一步围绕高频模型优化硬件，还可能减少每次请求所需的资源。

这方面，Meta 的 MTIA 自研 AI 加速器路线，提供了海外参照。Meta 到现在也还在用英伟达的通用芯片，但同时一直在迭代自己的 AI 芯片，2026 年 3 月公布的新一代产品规划，同样把生成式 AI 的推理速度当成核心优化目标。这条路能跑通的底层逻辑是：自己家的业务量足够大、调用需求稳定可预测，清楚知道哪些模型跑得最频繁，就照着这个需求去设计芯片，研发成本就能平摊到海量的日常调用里。

DeepSeek若形成类似的业务规模，完全有机会靠同样的路径，把成本控制权握在自己手里。



04去“英伟达化”？

芯流认为，行业热议的 “去英伟达化”，本质上是算力市场的结构性分化，而非全面替代。训练侧，英伟达的平台完整性和工程积累仍具较强优势；推理侧，却更容易围绕具体负载出现多种硬件选择。

这种分化允许客户同时采购GPU、部署定制加速器并优化国产芯片。OpenAI在公布Jalapeño测试结果时，也明确表示将继续广泛使用英伟达及其他合作伙伴的加速器，覆盖训练和推理。

软件生态则是英伟达的竞争壁垒。英伟达围绕 CUDA 架构及配套工具链积累了十余年的代码资产与开发者生态，企业切换算力平台时，往往需要重写核心计算程序、验证模型精度损失，并完成全链路的性能调优，迁移成本与时间成本都不可低估。

无论是 OpenAI 的专属定制路线，还是 DeepSeek 的多元适配路线，要真正转化为实际可用的算力竞争力，都需要跨过硬件交付与软件生态两道核心门槛。硬件端，先进制程工艺、先进封装技术、高带宽内存供给以及芯片良率等多个环节环环相扣，任何一个环节出现瓶颈，都会直接影响最终的设备交付规模与落地进度。

长期来看，AI 算力的采购权正在向架构选择权延伸。能够把自身模型需求转化为硬件效率、再把硬件效率转化为服务成本优势的企业，将有机会掌握下一轮算力竞争的主动权。