在人工智能算力领域，英伟达曾凭借GPU的卓越性能与CUDA生态优势，长期占据主导地位，其芯片被几乎所有大模型采用，市场份额超过90%，毛利率高达75%，成为行业最大赢家。然而，当前这一格局正面临双重挑战：AI产业重心从“训练”向“推理”转移，以及国产大模型在推理成本上的突破性进展。
随着AI智能体的兴起，算力需求加速向推理环节倾斜。云基础设施提供商Nebius的专家指出，传统按GPU型号和使用时长计费的模式正被“每百万Token成本”取代。企业更关注实际处理效率，而非芯片算力峰值。Omdia数据显示，推理已占企业AI工作负载的90%至95%，推动Token计价成为主流。例如，英伟达H100按需使用每小时约2.95美元，而长期合同下可降至1.50美元；但用户更在意的是处理100万个Token（约75万英文单词或40万中文字符）的成本，这成为衡量推理效率的核心指标。
为降低每Token成本，谷歌、亚马逊、meta等科技巨头纷纷投入巨资研发面向推理的AI专用芯片（ASIC）。高盛报告显示，谷歌与博通合作的TPU在推理成本上已接近英伟达：从TPU v6升级至v7后，单位Token成本下降约70%，与英伟达GB200 NVL72持平，部分场景甚至更具优势。谷歌已利用TPU训练Gemini等模型，并部署给Anthropic、meta等外部企业。若TPU向第三方开放销售，分析师预测其长期市场份额有望达20%。
美国芯片创企Cerebras也加入竞争，其与OpenAI签订超200亿美元合作协议，旨在为后者“去英伟达化”战略定制推理芯片。该公司于4月提交IPO申请，目标融资30亿美元，估值达350亿美元。与此同时，英伟达通过收购轻量化推理场景优势企业Groq进行反击：2025年以200亿美元收购其LPU架构后，Groq芯片每秒可处理800个Token，是英伟达芯片的近两倍；每百万Token成本仅5至10美分，仅为英伟达B系列的40%。
国产大模型DeepSeek V4系列的发布进一步冲击了英伟达的定价权。该系列模型与华为昇腾等国产AI芯片深度适配，API服务不再依赖英伟达GPU。其中，V4-Pro参数规模达1.6T，激活490亿，在数学、STEM和编程等高难度任务中表现优于多数开源模型，性能接近GPT-5.4和Claude Opus 4.6-Max；V4-Flash则通过降低参数规模换取更低延迟和成本。根据定价，V4-Flash输入价格为1元/百万Token，输出2元/百万Token；V4-Pro输入12元/百万Token，输出24元/百万Token。相比之下，OpenAI的GPT-5.5输出定价高达30美元（约205元人民币）/百万Token，DeepSeek的成本仅为其约1/100。
DeepSeek V4系列成本优势源于架构优化，包括1M超长上下文处理、KV Cache优化和FP4精度支持等技术，均指向降低单位Token推理成本。其官方技术报告显示，细粒度专家并行架构在华为昇腾芯片上实现1.50至1.73倍性能提升，延迟敏感场景最高加速1.96倍。目前，华为昇腾、寒武纪、海光信息等八家国内主流AI芯片厂商已完成DeepSeek V4的兼容性验证与技术适配。DeepSeek还透露，随着华为昇腾950超节点下半年批量上市，V4-Pro价格将进一步下调，暗示当前服务已基于昇腾芯片。
英伟达CEO黄仁勋此前曾警告，若DeepSeek率先在华为平台发布，对美国将是“灾难性”的。他承认，限制对华出口AI芯片短期内可能延缓中国AI发展，但长期会推动中国形成独立生态链。这一判断正在成为现实：DeepSeek V4系列不仅摆脱了对英伟达的依赖，更通过与国产芯片的深度适配，构建起更具性价比的推理解决方案。
