DeepSeek開始造晶片 小米也殺進來了 AI下一場戰爭可能屬於Web3

過去兩年，AI行業最瘋狂的時候，所有人都在盯着模型。GPT有多強，Claude有沒有追上來，DeepSeek為什麼能用更低的成本做到驚人的效果，國產大模型還能不能繼續向前。

但到了2026年，事情開始發生變化。

4月24日，DeepSeek發布DeepSeek-V4預覽版，模型規模和上下文能力再次刷新市場預期。V4-Pro總參數達到1.6兆，激活參數49B，支持百萬級上下文。到了8月，DeepSeek又進一步更新V4-Pro正式版本，並開始強化Agent、Responses API以及編碼場景的能力。以前人們會把這些事情理解為「大模型又升級了」，但現在再看，真正值得注意的可能已經不是模型本身。

因為就在今年7月，路透社披露了一條讓整個AI產業都開始警覺的消息：DeepSeek正在推進自己的AI晶片項目，而且首先瞄準的是AI推理晶片。按照報導，DeepSeek已經開始招聘晶片設計人才，並嘗試尋找產業鏈合作夥伴。換句話說，這家以模型和算法效率聞名的公司，正在試圖往更底層走。它不再滿足於「別人提供什麼晶片，我就用什麼晶片」，而是希望自己掌握一部分算力基礎設施。

這件事情的意義，比「DeepSeek又發布了一個更強的模型」大得多。

因為它說明，AI產業競爭的核心正在從「誰的模型更強」，逐漸變成「誰能更低成本、更穩定地獲得算力」。模型只是AI最終呈現給用戶的一層產品，而晶片、數據中心、電力、網路以及算力調度，才是支撐這些模型不斷運行的底層基礎。

更巧的是，就在DeepSeek往晶片領域走的時候，小米也在做同一類事情。

8月24日，小米發布玄戒O3，並進一步推出面向AI計算的玄戒O100以及面向智能駕駛的玄戒D100。此前小米已經投入大量資金建立自己的晶片研發體系，而這次布局也意味著小米的晶片戰略正在從手機SoC進一步延伸到AI計算和智能汽車。路透社報導稱，小米目前已經投入超過200億元人民幣進行玄戒晶片研發，相關團隊規模超過3000人。

一個做大模型的公司開始研究晶片，一個做手機和汽車的公司開始布局AI加速晶片。表面來看，兩家公司沒有太大關係，但它們背後其實在做同一件事情：儘可能減少對外部算力體系的依賴。

這才是今天AI世界真正值得關注的變化。

一、AI最貴的東西，可能從來不是模型，而是模型背後的算力

很多人過去理解AI，會把模型當成核心資產。一個團隊花幾年時間訓練出一個大模型，於是模型本身就是這個公司的護城河。但真正把AI推向商業化以後，大家慢慢發現一個更加現實的問題：模型訓練出來只是第一步，真正貴的是讓它每天不斷運行。

一套模型訓練完成之後，每一次用戶提問、每一次Agent執行任務、每一次代碼生成、每一次圖片和影音生成，背後都需要計算資源。用戶越多，調用量越大，需要的GPU就越多。模型越複雜，推理成本就越高。

這也是為什麼DeepSeek過去反覆強調推理效率。它的優勢並不只是「模型便宜」，而是通過算法、架構以及工程上的優化，儘可能把每一塊GPU的價值榨出來。

但再怎麼優化，也繞不開一個現實問題：如果AI繼續增長，算力需求就會繼續增長。

這就產生了一個很有意思的變化。早期網路公司需要服務器，於是把服務器交給IDC；後來進入雲端運算時代，企業不需要自己買機器，直接租雲廠商的資源。但AI時代可能又回到了另一個極端，大模型對計算資源的需求如此巨大，以至於雲端運算本身也開始變成一個新的稀缺資源。

所以你會看到越來越多的大公司開始做自研晶片。英偉達當然還在瘋狂擴張GPU生態，但Google有TPU，Meta推進自研AI加速器，亞馬遜有Trainium和Inferentia，其他大型AI公司也都在尋找降低算力成本的辦法。

DeepSeek現在走進晶片領域，本質上也是一樣。

它真正想解決的並不是「我要生產一個比NVIDIA更強的GPU」這樣簡單的問題，而是「能不能讓自己的模型在特定任務上跑得更高效、更便宜、更可控」。

這個區別非常重要。

因為AI產業真正進入商業化競爭以後，模型能力只決定你能不能贏得用戶，而算力成本決定你能不能活下來。

二、小米為什麼也要做AI晶片？因為手機正在變成一個計算節點

如果說DeepSeek造晶片是因為模型需要算力，那麼小米進入AI晶片領域，則代表了另一種變化：AI正在從數據中心走向終端。

過去的手機，最重要的事情是通信、拍照、運行APP。現在越來越多的功能正在直接由AI完成，語音助手、圖像處理、翻譯、搜尋、內容生成以及各種Agent能力，都需要越來越強的本地計算能力。

手機不是唯一的終端。

汽車、機器人、AI眼鏡、家庭設備，未來都需要計算能力。大量AI任務可能不會全部上傳雲端，而是直接在設備本地執行。這樣做不僅能夠減少延遲，也可以減少網路傳輸以及部分雲端成本。

所以小米真正想做的，也不僅僅是一顆手機晶片。

它正在試圖建立自己的端側AI計算體系。

這也是為什麼這次玄戒O3、O100、D100的組合比單獨發布一個手機處理器更值得關注。它反映出來的是小米正在同時占據手機、AI計算和智能駕駛這幾個高算力入口。

而這又回到了我們剛才說的問題：誰掌握算力，誰就掌握AI時代的一部分基礎設施。

如果一家企業所有AI業務都依賴別人的晶片、別人的雲、別人的數據中心，那麼它的AI業務實際上一直建立在別人提供的基礎設施之上。

一旦成本上漲、供應出現問題或者生態發生變化，企業自身就會受到影響。

所以現在才會出現一個非常明顯的趨勢：越來越多企業開始想辦法擁有自己的計算能力。

但這又產生了另一個問題。

如果未來全球AI真的需要如此龐大的計算量，我們是不是一定要靠少數幾家公司建設越來越大的超級數據中心？

答案未必是唯一的。

這也是Web3真正有機會重新進入這個故事的地方。

三、DePIN真正有意思的地方，不是「租顯卡賺錢」，而是重新組織閒置算力

前幾年，Web3行業曾經非常喜歡講DePIN。

各種項目都在告訴用戶，只要貢獻GPU、儲存、帶寬或者其他硬體，就可以獲得Token獎勵。這個故事當時非常熱鬧，但問題同樣非常明顯：如果網路本身沒有真實需求，那麼節點越多也沒有意義。

很多項目最後變成了「先發Token吸引機器，機器為了Token加入網路，Token價格上漲吸引更多機器，價格下跌以後節點又迅速離場」。

這也是為什麼市場後來逐漸開始重新審視DePIN。

但AI正在給它提供一個完全不同的機會。

因為AI真的需要大量算力。

這不是一個通過Token製造出來的虛假需求，而是現實世界正在快速增加的需求。

現在大量AI公司需要GPU，但全球並不是所有GPU都處於滿負荷運行狀態。很多企業擁有閒置算力，很多數據中心存在時間性資源空閒，甚至大量高性能個人電腦在絕大部分時間裡也處於低利用率狀態。

問題就變成了：這些分散的算力能不能被重新組織起來？

傳統雲端運算解決這個問題的方法，是建設大型數據中心，把資源集中起來，然後統一管理。而DePIN想嘗試的是另一條路徑：讓分散在不同地方的硬體成為一個開放網路。

這時候，Web3真正有意義的部分就不是「區塊鏈+GPU」這幾個字，而是它提供了一種新的協調方式。

一個節點可以貢獻GPU，一個企業可以貢獻數據中心，一個團隊可以提供模型服務，而網路負責把這些資源組織起來，並通過可驗證的規則進行結算。

這和傳統雲端運算最大的區別，並不是有沒有Token，而是資源所有權和組織方式不同。

過去，算力屬於一個大型雲廠商。

未來，也可能出現一種新的模式：算力屬於成千上萬個節點，但被一個網路統一調度。

這其實就是DePIN最值得期待的地方。

四、AI和Web3真正可能發生碰撞的地方，是「算力市場」而不是「AI代幣」

當然，事情並沒有那麼簡單。

如果真的想把全球分散的GPU組織成一個AI計算網路，首先要解決的就是性能差異。RTX 5090、4090、A100、H100以及各種國產加速卡的性能完全不同，顯存、帶寬、網路能力和穩定性也不同。你不能簡單地認為「一張GPU就是一個標準算力單位」。

其次是網路問題。

訓練一個大模型，需要大量GPU之間高速交換數據。把數千張分散在全球各地的GPU連接起來，並不等於擁有一座超級數據中心。網路延遲、帶寬、任務調度以及故障率，都可能直接影響效率。

再往下，還有企業最關心的數據安全問題。

一家金融公司願不願意把自己的敏感數據交給一個陌生節點運行？一家大型AI公司願不願意把核心模型放到完全陌生的機器上？這些問題如果解決不了，DePIN最多隻能承接一些低敏感、可拆分的計算任務。

最後，還有一個最現實的問題：經濟模型。

如果一個節點貢獻一塊顯卡，每個月獲得的收益還不夠支付電費、折舊和維護成本，那麼再漂亮的Token經濟學也沒有意義。

所以未來真正有價值的DePIN項目，一定不會只是告訴你「把GPU接進來，然後每天領取Token」。

它真正需要建立的是一個能夠長期運行的算力市場。

這個市場裡，有人提供算力，有人購買算力，有人負責調度，有人負責驗證任務，還有人負責解決安全和結算。

當這些東西全部建立起來以後，Token才有可能從「營銷工具」變成真正的網路經濟工具。

換句話說，Web3真正值得參與的地方，可能從來都不是「AI代幣」這三個字，而是AI背後那一整套基礎設施。

五、當AI開始爭奪算力所有權，Web3可能迎來真正的機會

現在再把DeepSeek、小米、DePIN放到一起看，這個故事就清晰很多了。

DeepSeek開始研發AI晶片，是為了更好地控制自己的算力成本；小米開始布局AI加速晶片，是為了讓越來越多的終端掌握計算能力；而DePIN的思路，則是把原本分散在世界各地的GPU和計算設備組織起來。

三條路線看起來不同，但最終都指向同一個問題：AI時代的算力，到底由誰擁有，又由誰來調度？

過去二十年的網路，是一個越來越中心化的基礎設施演進過程。數據集中到雲端，服務集中到平台，計算能力集中到大型數據中心。

而AI的發展，可能正在把這種集中推向新的高度。

因為大模型比傳統網路應用更加依賴計算資源。

如果這個趨勢持續下去，那麼未來最重要的公司可能不只是模型公司，也不只是晶片公司，而是那些真正能夠掌握、組織和分配算力的公司。

這恰恰給Web3留下了一條很特殊的路徑。

Web3不一定需要重新做一個ChatGPT，也不一定需要再製造一個「AI概念幣」。它更有可能參與的是另一層：把現實世界裡的計算資源進行網路化。

從這個角度看，未來的「礦工」可能也會發生變化。

過去礦工貢獻的是區塊鏈共識需要的計算能力，未來某些計算網路的節點貢獻的可能是AI推理、模型運行、數據處理和其他現實任務。

過去，人們購買礦機是為了挖出一個Token。

未來，人們購買GPU，可能是為了成為AI基礎設施的一部分。

這兩者最大的區別就在於，前者創造的是一個數字資產，後者服務的則是一個已經真實存在、並且正在不斷擴張的產業。

所以，DeepSeek造晶片，小米下場做AI加速器，並不只是國產晶片賽道又多了兩個玩家。

它們更像是在提醒整個市場：AI的競爭正在從模型層向基礎設施層下沉。

而當算力變成AI時代最重要的生產資料之後，圍繞算力產生的新商業模式，很可能才剛剛開始。

也許再過幾年，我們回頭看今天這一輪變化，真正改變AI行業的並不是某一個參數更大的模型，也不是某一塊跑分更高的晶片。

真正重要的，是人類第一次開始認真思考一個問題：算力能不能像網路一樣，被全世界的人和機器共同使用、共同貢獻、共同結算。

如果這個答案最終是肯定的，那麼Web3真正的機會，也許終於不是再造一個金融賭場，而是參與建設下一代AI基礎設施。

畢竟，模型可以越來越便宜，應用可以越來越普及，但有一件事情不會憑空消失。

AI想要思考，就必須計算。

而計算，就必須付出算力。

來源：金色財經

發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。