凱文·凱利因何預言：未來5年，中國完全有可能造出全球最先進芯片

日前，美國著名未來學家凱文·凱利（KK）在接受央視訪談時拋出一個大膽判斷："未來5年，中國完全有可能造出全球最先進芯片。"

他給出的理由樸素而有力：很多人認為中國沒有制造4納米芯片所需的設備，但中國可以自主研發這些設備。本質上，這是工程領域的問題，而中國在工程領域極為出色。

此言一出，輿論嘩然。有人認為這是"中國人民的老朋友"的客套話，有人覺得過于樂觀。但如果把鏡頭拉向2026年的中國半導體產業，會發現這一論斷并非空穴來風，中國芯片，確實正在起步。

而且，這種起步不是某一家公司的單點突破，而是四股力量同時匯聚的產業級浪潮，是由算力需求催生的真實需求，是大模型公司在 AI 芯片新賽道上的必要攻堅。

源自真實需求的中國 AI 造芯潮

從 2025 年底到 2026 年中，不到一年時間里，中國 AI 芯片領域發生了密集的變化。

最引人注目的信號，來自大模型公司的躬身入局，親手造芯。

據公開信息顯示，國內大模型的領軍公司 DeepSeek 正在開發自研AI芯片，瞄準推理場景，項目已秘密推進逾一年。公司已與芯片設計、晶圓代工、存儲企業廣泛接觸，并通過非公開渠道大規模招聘芯片設計工程師。一個月前，DeepSeek 完成了約 510 億元人民幣的首輪外部融資， "自研AI芯片" 被明確列入資金用途。

這絕不是一時興起。

創始人梁文鋒 2024 年就坦言，芯片供給不足是公司面臨的核心挑戰。從早期依賴英偉達 H800 訓練 R1，到 2026 年 4 月發布的 V4 模型全面適配華為昇騰，，DeepSeek 的算力路線一直在動態調整，算力已然成為了其最為渴望得到的核心資源。

另一家國內大模型公司智譜近日也被證實，已于多家國內芯片設計公司展開初步技術交流，計劃聯合開發專為 GLM 系列模型優化的專用 AI 處理器（ASIC），整套項目周期預計超過兩年。

據悉，GLM-5.2 上線后，日均 Token 使用量單周暴漲 27 倍，算力緊缺已成為增長瓶頸。更關鍵的是，隨著高端英偉達芯片采購通道基本關閉，自研已經成了必選項。

如果說大模型公司造芯是"自下而上"的需求驅動，那么國產 GPU 廠商的集體上市，則是 "自上而下" 的產業需求。

短短兩年不到的時間，摩爾線程、沐曦股份、壁仞科技、燧原科技這國產 GPU "四小龍" 全部站上資本市場。

更重要的是，它們已經從 "PPT" 階段進入了 "賣出去" 的階段，不論是營收還是股價，均收獲了普遍的大漲。

而在創業公司之外，互聯網大廠的自研芯片節奏也在加快。

百度昆侖芯已向港交所提交A1表格，6月底市場披露目標估值約 500 億美元（約3400億元人民幣）。從百度內部支撐到獨立融資上市，昆侖芯走的是"內部打磨、外部驗證"的典型路徑。

阿里平頭哥也正在推進獨立上市，其在 RISC-V 架構和 AI 推理芯片上積累深厚，一旦獨立運作，將成為國產 AI 芯片領域又一重量級玩家。

兩年內，國產 AI 芯片行業可能誕生 6 家以上的上市公司，總市值有望沖擊萬億級。資本的涌入不是泡沫，而是產業起步期的典型特征，先有資金，再有人才，最后才有技術突破。

為什么是現在？

當推理成本占營收 30%-50% 時，自研芯片就開始具備投資回報的臨界點。而 2026 年的大模型行業，恰恰走到了這個拐點。

訓練是成本中心，推理才是收入中心。所有 to B 的 API 服務、to C 的產品訂閱，最終都由推理算力承載。自研推理芯片可以直接作用于營收成本，快速體現在利潤表上。

按業內估算，一枚針對特定模型優化的 ASIC 推理芯片，單位推理成本有望做到同代次 GPU 的 1/4到1/3。當業務規模達到臨界點，Token 成本每下降幾厘錢，全年就能節省數十億元。

仔細觀察會發現，無論是 DeepSeek、智譜還是海外的 OpenAI、Anthropic，造芯全部從推理切入，避開訓練。

這不是技術保守，而是綜合了技術難度、商業價值與產業現狀后的最優選擇。

訓練芯片的技術門檻遠高于推理，大模型訓練需要極高的算力密度、極快的芯片間互聯帶寬、極大的顯存容量，對制造工藝的要求最為苛刻。7nm 以下先進制程是訓練芯片的標配，而這恰恰是中國半導體產業鏈的短板。強行自研訓練芯片，很可能陷入設計得出、造不出的困境。

推理芯片則不同。推理對單芯片算力峰值的要求低于訓練，更看重能效比、延遲穩定性與成本控制。中高端制程即可滿足推理芯片需求，國內晶圓廠的成熟工藝產能有更大的發揮空間。

2026 年 5 月，中國首次將 9 款國產 AI 訓練推理芯片納入"安全可靠等級" I 級認證體系，華為、寒武紀等位列其中。

這是政策端的明確信號，國家在用 "信創清單" 為國產 AI 芯片提供 "保底市場" 。對于尚處起步期的國產芯片來說，有穩定的基本盤比搶占高端市場更重要，先活下來，再談發展。

政策托底、市場拉動、技術突破，三股力量形成了共振。

客觀看待差距

KK說 "5年內中國造出最先進AI芯片" ，這句話的潛臺詞是 "5年后"，而不是 "現在" ，這也符合技術發展的客觀規律。

當前這一波造芯潮，本質上是中國AI芯片從 "能造" 向 "好用" 跨越的起步階段。起步和領跑之間，至少隔著三道坎。

中國大陸目前的自主可控代工產能，中芯國際能穩定量產的最先進制程是7nm。

KK說 "中國可以自主研發這些設備"，這句話聽上去樂觀，但 EUV 光刻機的物理極限和全球供應鏈整合度，決定了這條路極其漫長。華為的 "韜定律" 是一種換道思路，但它能否在5年內走通，還有待觀察。

英偉達的護城河不是GPU硬件，而是CUDA生態，上千萬開發者、幾十年的工具鏈積累、上百萬個優化過的模型和庫。

摩爾線程在這一點上比較清醒，公司創始人張建中近日就曾公開表示，MUSA架構的核心優勢就是 "高度兼容 CUDA 生態" 。但兼容和取代是兩件事。比如，DeepSeek 這種原生自研芯片的廠商有算法和硬件的協同優勢，但它們的模型和芯片都不開源不外銷，無法形成生態。

另外就是老生常談的人才問題，4nm 制程需要的不是幾百個芯片設計師，而是幾千個分布在工藝、設備、材料、設計、封測各環節的工程師，中國的人才儲備在快速增加，但和臺積電、三星、英特爾的全球人才虹吸能力相比，差距仍然顯著。

人才的培養有周期，無法靠資金和政策速成。這可能是三道坎中最需要耐心的一道。

KK預言的真正內涵是重新定義

KK的樂觀不在于 "中國會造出和臺積電一模一樣的4nm芯片" ，他不會這么機械。作為有著很多精準預測的未來學家，他的預測從來不是精準的時間點，而是趨勢方向。

當推理 ASIC 取代通用 GPU 成為主流，最先進AI芯片的評判標準就從制程節點變成了算法-硬件的協同效率。

在這個新賽道上，中國大模型公司+國產芯片公司的全棧整合是優勢。DeepSeek 已經在走這條路，V3.1 的 UE8M0 FP8 格式是起點，自研推理 ASIC 量產是中間站，5 年內和英偉達在特定推理場景"打平"是理想。

當然，4nm 也不是只有光刻機這一條路，還有3D堆疊、Chiplet（芯粒）、先進封裝、新材料、新架構。中國在系統級創新、算法-硬件協同、特定場景的深度優化上，有機會走出一條不同于追趕臺積電的路，華為的韜定律、平頭哥的 RISC-V、大模型公司的算法定義硬件，都是這條路上的探索。

技術本身要求全球化。三星能為 Anthropic 制造 2nm 芯片，OpenAI 能找博通和臺積電，全球 AI 芯片供應鏈的 “條條大路” 遠比想象中多。

極端的脫鉤不符合任何一方的利益。隨著時間推移，供應鏈必然會以新的方式重新連接，而中國作為全球最大的芯片市場，不可能被長期排除在外。

KK 說過，"預測未來的意義，不在于精準預判每一個細節，而在于通過想象美好的未來，激發人們的行動意愿。"

把這句話放在 2026 年這個時間點上回看，會發現預言的實現方式，往往超出預言者想象。

KK 想象的是中國工程師的雄心與能力，他可能沒想到，這種雄心與能力會以 DeepSeek 和智譜同日曝出造芯、昆侖芯估值500億美元、華為韜定律落地這樣密集而具體的形態出現。

這不是中國芯片的未來時，這是中國芯片的進行時。

KK 在 1994 年寫下《失控》時，沒人相信那些預言會落地；30年后回看，云計算、物聯網、共享經濟、眾包生產、AI助手幾乎全部應驗。

預言實現的方式，永遠比預言本身更精彩。而我們現在，正在目睹預言兌現的第一步，中國芯片，確實在起步。