过去两年，AI行业最疯狂的时候，所有人都在盯着模型。GPT有多强，Claude有没有追上来，DeepSeek为什么能用更低的成本做到惊人的效果，国产大模型还能不能继续向前。
但到了2026年，事情开始发生变化。
4月24日，DeepSeek发布DeepSeek-V4预览版，模型规模和上下文能力再次刷新市场预期。V4-Pro总参数达到1.6万亿，激活参数49B，支持百万级上下文。到了8月，DeepSeek又进一步更新V4-Pro正式版本，并开始强化Agent、Responses API以及编码场景的能力。以前人们会把这些事情理解为“大模型又升级了”，但现在再看，真正值得注意的可能已经不是模型本身。
因为就在今年7月，路透社披露了一条让整个AI产业都开始警觉的消息：DeepSeek正在推进自己的AI芯片项目，而且首先瞄准的是AI推理芯片。按照报道，DeepSeek已经开始招聘芯片设计人才，并尝试寻找产业链合作伙伴。换句话说，这家以模型和算法效率闻名的公司，正在试图往更底层走。它不再满足于“别人提供什么芯片，我就用什么芯片”，而是希望自己掌握一部分算力基础设施。
这件事情的意义，比“DeepSeek又发布了一个更强的模型”大得多。
因为它说明，AI产业竞争的核心正在从“谁的模型更强”，逐渐变成“谁能更低成本、更稳定地获得算力”。模型只是AI最终呈现给用户的一层产品，而芯片、数据中心、电力、网络以及算力调度，才是支撑这些模型不断运行的底层基础。
更巧的是，就在DeepSeek往芯片领域走的时候，小米也在做同一类事情。
8月24日，小米发布玄戒O3，并进一步推出面向AI计算的玄戒O100以及面向智能驾驶的玄戒D100。此前小米已经投入大量资金建立自己的芯片研发体系，而这次布局也意味着小米的芯片战略正在从手机SoC进一步延伸到AI计算和智能汽车。路透社报道称，小米目前已经投入超过200亿元人民币进行玄戒芯片研发，相关团队规模超过3000人。
一个做大模型的公司开始研究芯片，一个做手机和汽车的公司开始布局AI加速芯片。表面来看，两家公司没有太大关系，但它们背后其实在做同一件事情：尽可能减少对外部算力体系的依赖。
这才是今天AI世界真正值得关注的变化。
一、AI最贵的东西，可能从来不是模型，而是模型背后的算力
很多人过去理解AI，会把模型当成核心资产。一个团队花几年时间训练出一个大模型，于是模型本身就是这个公司的护城河。但真正把AI推向商业化以后，大家慢慢发现一个更加现实的问题：模型训练出来只是第一步，真正贵的是让它每天不断运行。
一套模型训练完成之后，每一次用户提问、每一次Agent执行任务、每一次代码生成、每一次图片和视频生成，背后都需要计算资源。用户越多，调用量越大，需要的GPU就越多。模型越复杂，推理成本就越高。
这也是为什么DeepSeek过去反复强调推理效率。它的优势并不只是“模型便宜”，而是通过算法、架构以及工程上的优化，尽可能把每一块GPU的价值榨出来。
但再怎么优化，也绕不开一个现实问题：如果AI继续增长，算力需求就会继续增长。
这就产生了一个很有意思的变化。早期互联网公司需要服务器，于是把服务器交给IDC；后来进入云计算时代，企业不需要自己买机器，直接租云厂商的资源。但AI时代可能又回到了另一个极端，大模型对计算资源的需求如此巨大，以至于云计算本身也开始变成一个新的稀缺资源。
所以你会看到越来越多的大公司开始做自研芯片。英伟达当然还在疯狂扩张GPU生态，但Google有TPU，Meta推进自研AI加速器，亚马逊有Trainium和Inferentia，其他大型AI公司也都在寻找降低算力成本的办法。
DeepSeek现在走进芯片领域，本质上也是一样。
它真正想解决的并不是“我要生产一个比NVIDIA更强的GPU”这样简单的问题，而是“能不能让自己的模型在特定任务上跑得更高效、更便宜、更可控”。
这个区别非常重要。
因为AI产业真正进入商业化竞争以后，模型能力只决定你能不能赢得用户，而算力成本决定你能不能活下来。
二、小米为什么也要做AI芯片？因为手机正在变成一个计算节点
如果说DeepSeek造芯片是因为模型需要算力，那么小米进入AI芯片领域，则代表了另一种变化：AI正在从数据中心走向终端。
过去的手机，最重要的事情是通信、拍照、运行APP。现在越来越多的功能正在直接由AI完成，语音助手、图像处理、翻译、搜索、内容生成以及各种Agent能力，都需要越来越强的本地计算能力。
手机不是唯一的终端。
汽车、机器人、AI眼镜、家庭设备，未来都需要计算能力。大量AI任务可能不会全部上传云端，而是直接在设备本地执行。这样做不仅能够减少延迟，也可以减少网络传输以及部分云端成本。
所以小米真正想做的，也不仅仅是一颗手机芯片。
它正在试图建立自己的端侧AI计算体系。
这也是为什么这次玄戒O3、O100、D100的组合比单独发布一个手机处理器更值得关注。它反映出来的是小米正在同时占据手机、AI计算和智能驾驶这几个高算力入口。
而这又回到了我们刚才说的问题：谁掌握算力，谁就掌握AI时代的一部分基础设施。
如果一家企业所有AI业务都依赖别人的芯片、别人的云、别人的数据中心，那么它的AI业务实际上一直建立在别人提供的基础设施之上。
一旦成本上涨、供应出现问题或者生态发生变化，企业自身就会受到影响。
所以现在才会出现一个非常明显的趋势：越来越多企业开始想办法拥有自己的计算能力。
但这又产生了另一个问题。
如果未来全球AI真的需要如此庞大的计算量，我们是不是一定要靠少数几家公司建设越来越大的超级数据中心？
答案未必是唯一的。
这也是Web3真正有机会重新进入这个故事的地方。
三、DePIN真正有意思的地方，不是“租显卡赚钱”，而是重新组织闲置算力
前几年，Web3行业曾经非常喜欢讲DePIN。
各种项目都在告诉用户，只要贡献GPU、存储、带宽或者其他硬件，就可以获得Token奖励。这个故事当时非常热闹，但问题同样非常明显：如果网络本身没有真实需求，那么节点越多也没有意义。
很多项目最后变成了“先发Token吸引机器，机器为了Token加入网络，Token价格上涨吸引更多机器，价格下跌以后节点又迅速离场”。
这也是为什么市场后来逐渐开始重新审视DePIN。
但AI正在给它提供一个完全不同的机会。
因为AI真的需要大量算力。
这不是一个通过Token制造出来的虚假需求，而是现实世界正在快速增加的需求。
现在大量AI公司需要GPU，但全球并不是所有GPU都处于满负荷运行状态。很多企业拥有闲置算力，很多数据中心存在时间性资源空闲，甚至大量高性能个人电脑在绝大部分时间里也处于低利用率状态。
问题就变成了：这些分散的算力能不能被重新组织起来？
传统云计算解决这个问题的方法，是建设大型数据中心，把资源集中起来，然后统一管理。而DePIN想尝试的是另一条路径：让分散在不同地方的硬件成为一个开放网络。
这时候，Web3真正有意义的部分就不是“区块链+GPU”这几个字，而是它提供了一种新的协调方式。
一个节点可以贡献GPU，一个企业可以贡献数据中心，一个团队可以提供模型服务，而网络负责把这些资源组织起来，并通过可验证的规则进行结算。
这和传统云计算最大的区别，并不是有没有Token，而是资源所有权和组织方式不同。
过去，算力属于一个大型云厂商。
未来，也可能出现一种新的模式：算力属于成千上万个节点，但被一个网络统一调度。
这其实就是DePIN最值得期待的地方。
四、AI和Web3真正可能发生碰撞的地方，是“算力市场”而不是“AI代币”
当然，事情并没有那么简单。
如果真的想把全球分散的GPU组织成一个AI计算网络，首先要解决的就是性能差异。RTX 5090、4090、A100、H100以及各种国产加速卡的性能完全不同，显存、带宽、网络能力和稳定性也不同。你不能简单地认为“一张GPU就是一个标准算力单位”。
其次是网络问题。
训练一个大模型，需要大量GPU之间高速交换数据。把数千张分散在全球各地的GPU连接起来，并不等于拥有一座超级数据中心。网络延迟、带宽、任务调度以及故障率，都可能直接影响效率。
再往下，还有企业最关心的数据安全问题。
一家金融公司愿不愿意把自己的敏感数据交给一个陌生节点运行？一家大型AI公司愿不愿意把核心模型放到完全陌生的机器上？这些问题如果解决不了，DePIN最多只能承接一些低敏感、可拆分的计算任务。
最后，还有一个最现实的问题：经济模型。
如果一个节点贡献一块显卡，每个月获得的收益还不够支付电费、折旧和维护成本，那么再漂亮的Token经济学也没有意义。
所以未来真正有价值的DePIN项目，一定不会只是告诉你“把GPU接进来，然后每天领取Token”。
它真正需要建立的是一个能够长期运行的算力市场。
这个市场里，有人提供算力，有人购买算力，有人负责调度，有人负责验证任务，还有人负责解决安全和结算。
当这些东西全部建立起来以后，Token才有可能从“营销工具”变成真正的网络经济工具。
换句话说，Web3真正值得参与的地方，可能从来都不是“AI代币”这三个字，而是AI背后那一整套基础设施。
五、当AI开始争夺算力所有权，Web3可能迎来真正的机会
现在再把DeepSeek、小米、DePIN放到一起看，这个故事就清晰很多了。
DeepSeek开始研发AI芯片，是为了更好地控制自己的算力成本；小米开始布局AI加速芯片，是为了让越来越多的终端掌握计算能力；而DePIN的思路，则是把原本分散在世界各地的GPU和计算设备组织起来。
三条路线看起来不同，但最终都指向同一个问题：AI时代的算力，到底由谁拥有，又由谁来调度？
过去二十年的互联网，是一个越来越中心化的基础设施演进过程。数据集中到云端，服务集中到平台，计算能力集中到大型数据中心。
而AI的发展，可能正在把这种集中推向新的高度。
因为大模型比传统互联网应用更加依赖计算资源。
如果这个趋势持续下去，那么未来最重要的公司可能不只是模型公司，也不只是芯片公司，而是那些真正能够掌握、组织和分配算力的公司。
这恰恰给Web3留下了一条很特殊的路径。
Web3不一定需要重新做一个ChatGPT，也不一定需要再制造一个“AI概念币”。它更有可能参与的是另一层：把现实世界里的计算资源进行网络化。
从这个角度看，未来的“矿工”可能也会发生变化。
过去矿工贡献的是区块链共识需要的计算能力，未来某些计算网络的节点贡献的可能是AI推理、模型运行、数据处理和其他现实任务。
过去，人们购买矿机是为了挖出一个Token。
未来，人们购买GPU，可能是为了成为AI基础设施的一部分。
这两者最大的区别就在于，前者创造的是一个数字资产，后者服务的则是一个已经真实存在、并且正在不断扩张的产业。
所以，DeepSeek造芯片，小米下场做AI加速器，并不只是国产芯片赛道又多了两个玩家。
它们更像是在提醒整个市场：AI的竞争正在从模型层向基础设施层下沉。
而当算力变成AI时代最重要的生产资料之后，围绕算力产生的新商业模式，很可能才刚刚开始。
也许再过几年，我们回头看今天这一轮变化，真正改变AI行业的并不是某一个参数更大的模型，也不是某一块跑分更高的芯片。
真正重要的，是人类第一次开始认真思考一个问题：算力能不能像互联网一样，被全世界的人和机器共同使用、共同贡献、共同结算。
如果这个答案最终是肯定的，那么Web3真正的机会，也许终于不是再造一个金融赌场，而是参与建设下一代AI基础设施。
毕竟，模型可以越来越便宜，应用可以越来越普及，但有一件事情不会凭空消失。
AI想要思考，就必须计算。
而计算，就必须付出算力。
⾮⼩号是中国⾸款专注于区块链资产排名和信息服务的⼯具类产品，成⽴于2017年，是⼀款⼴受 WEB3 社区欢迎的平台。其核⼼价值在于提供加密货币⾏情、项⽬信息、交易所数据等服务。⾮⼩号专为企业打造了全新的RWA排⾏榜，使企业和⽤户快速了解市场最新的RWA项⽬及咨询。 免责声明：本文所述内容仅供参考 ，不构成任何投资建议。投资者应根据自身风险承受能力和投资目标 ，理性看待加密货币投资 ，切勿盲目跟风。
