过去两年，AI行业最疯狂的时候，所有人的目光都聚焦在模型上。GPT有多强，Claude是否追上，DeepSeek为何能以更低成本实现惊人效果，国产大模型还能走多远。但到了2026年，风向正在悄然改变。
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1.6万亿，激活参数49B，支持百万级上下文。8月，DeepSeek进一步更新V4-Pro正式版本，并强化Agent、Responses API及编码场景能力。过去人们会将这些理解为“大模型又升级了”，但现在看来，真正值得关注的或许已经不再是模型本身。
就在7月，路透社披露了一条令整个AI产业警觉的消息：DeepSeek正在推进自己的AI芯片项目，首先瞄准AI推理芯片。据报道，DeepSeek已开始招聘芯片设计人才，并尝试寻找产业链合作伙伴。这家以模型和算法效率闻名的公司，正试图向更底层迈进，不再满足于“别人提供什么芯片就用什么芯片”，而是希望自己掌握部分算力基础设施。
这一事件的意义，远大于“DeepSeek又发布了一个更强的模型”。它表明，AI产业竞争的核心正从“谁的模型更强”逐渐转向“谁能更低成本、更稳定地获得算力”。模型只是AI呈现给用户的表层产品，芯片、数据中心、电力、网络以及算力调度，才是支撑模型持续运行的底层基础。
几乎同一时间，小米也在做类似的事情。8月24日，小米发布玄戒O3，并推出面向AI计算的玄戒O100以及面向智能驾驶的玄戒D100。此前小米已投入大量资金建立自研芯片体系，此次布局意味着其芯片战略正从手机SoC向AI计算和智能汽车延伸。路透社报道称，小米已投入超过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布局AI加速芯片。表面看两者无直接关联，但背后逻辑一致：尽可能减少对外部算力体系的依赖。这才是当下AI世界真正值得关注的变化。
一、AI最贵的资产，从来不是模型，而是模型背后的算力
很多人习惯将模型视为核心资产。一个团队花数年训练出大模型，模型本身就成了护城河。但AI真正商业化后，现实问题浮现：模型训练只是第一步，真正昂贵的是让模型每天持续运行。每一次用户提问、Agent执行任务、代码生成、图片与视频生成，都消耗计算资源。用户越多，调用量越大，所需GPU越多；模型越复杂，推理成本越高。
这也是DeepSeek反复强调推理效率的原因。其优势不仅在于“模型便宜”，更在于通过算法、架构与工程优化，将每一块GPU的价值最大化。但无论如何优化，都绕不开现实：若AI持续增长，算力需求必然持续攀升。
早期互联网公司需要服务器，于是交给IDC；云计算时代，企业直接租用云资源。而AI时代可能走向另一个极端——大模型对算力的巨大需求，使云计算本身成为稀缺资源。越来越多大公司开始自研芯片：英伟达仍在扩张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公司也在寻找降低算力成本的路径。DeepSeek进入芯片领域，本质相同。
它真正想解决的并非“生产出比NVIDIA更强的GPU”，而是“让自己的模型在特定任务上跑得更高效、更便宜、更可控”。这个区别至关重要。因为当AI进入商业化竞争后，模型能力决定能否赢得用户，而算力成本决定能否活下来。
二、小米为何也要做AI芯片？因为手机正在变成计算节点
如果DeepSeek造芯片是为满足模型算力需求，那么小米进入AI芯片领域，则代表另一种变化：AI正从数据中心走向终端。过去的手机核心功能是通信、拍照、运行APP；如今越来越多的功能直接由AI完成，语音助手、图像处理、翻译、搜索、内容生成及Agent能力，都需要越来越强的本地计算。
手机不是唯一终端。汽车、机器人、AI眼镜、家庭设备，未来都需要计算能力。大量AI任务不必全部上传云端，而可在设备本地执行，以减少延迟、网络传输及云端成本。
小米真正想做的，也不只是一颗手机芯片。它正在构建自己的端侧AI计算体系。这也是为何此次玄戒O3、O100、D100的组合比单独发布手机处理器更值得关注。它反映出小米正同时占据手机、AI计算和智能驾驶这几个高算力入口。
回到核心问题：谁掌握算力，谁就掌握AI时代的基础设施。若一家企业的AI业务全部依赖别人的芯片、云和数据中心，那么其AI业务实际建立在他人提供的基础设施之上。一旦成本上涨、供应中断或生态变化，企业自身将受冲击。
因此，一个明显趋势正在出现：越来越多企业开始自建计算能力。但这又引发新问题——如果全球AI需要如此庞大的计算量，我们是否只能依靠少数巨头建设超级数据中心？答案未必唯一。
三、DePIN的真正意义，不只是“租显卡赚钱”，而是重新组织闲置算力
前几年，Web3行业热衷于DePIN概念。各类项目宣称用户贡献GPU、存储、带宽或硬件即可获得Token奖励。故事热闹，但问题明显：如果网络没有真实需求，节点再多也无意义。很多项目演变为“先发Token吸引机器，机器为Token加入，Token涨价吸引更多机器，价格下跌后节点迅速离场”。这也让市场重新审视DePIN。
AI正在为DePIN提供完全不同的机会。因为AI真的需要大量算力。这不是Token制造的虚假需求，而是现实世界快速增加的需求。众多AI公司急需GPU，但全球并非所有GPU都满负荷运行。许多企业有闲置算力，许多数据中心存在时段性空闲，大量高性能PC在多数时间处于低利用率状态。
问题在于：这些分散算力能否被重新组织？传统云计算的解法是建设大型数据中心，集中资源、统一管理。DePIN则尝试另一条路径：让分散的硬件组成开放网络。此时，Web3真正有意义的并非“区块链+GPU”几个字，而是提供了一种新型协调方式——节点贡献GPU，企业贡献数据中心，团队提供模型服务，网络负责资源组织，并通过可验证规则结算。
这与传统云计算最大的区别，不在于Token，而在于资源所有权和组织方式。过去算力属于大型云厂商；未来可能出现新模式：算力属于成千上万节点，但被一个网络统一调度。这正是DePIN最值得期待之处。
四、AI与Web3碰撞的焦点，是“算力市场”而非“AI代币”
一切并非那么简单。要将全球分散GPU组织成AI计算网络，首先要解决性能差异。RTX 5090、4090、A100、H100及各种国产加速卡性能不同，显存、带宽、网络能力和稳定性各异，不能简单认为“一张GPU就是一个标准算力单位”。
其次是网络问题。训练大模型需要大量GPU之间高速交换数据。连接数千张分布各地的GPU，并不等于拥有超级数据中心。网络延迟、带宽、任务调度及故障率都直接影响效率。
再往下，是数据安全。一家金融公司是否愿意将敏感数据交给陌生节点？大型AI公司是否愿意把核心模型放到未知机器？若无法解决，DePIN最多只能承接低敏感、可拆分的计算任务。
最后，还有最现实的经济模型问题。若节点贡献显卡的月收益不足以覆盖电费、折旧与维护成本，再漂亮的Token经济学也无意义。因此，未来真正有价值的DePIN项目，不会只告诉你“接入GPU，每天领Token”。它需要建立一个能长期运行的算力市场：有人提供算力，有人购买算力，有人负责调度，有人验证任务，有人解决安全和结算。当这些基础设施建成，Token才可能从“营销工具”转变为真正的网络经济工具。
换句话说，Web3真正值得参与的地方，也许从来不是“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迎来真正的机会
将DeepSeek、小米、DePIN放到一起看，故事会更加清晰。DeepSeek研发AI芯片，是为更好控制算力成本；小米布局AI加速芯片，是为让终端掌握计算能力；DePIN的思路，则是将分散于世界的GPU和计算设备组织起来。
三条路线看似不同，最终指向同一问题：AI时代的算力，由谁拥有，由谁调度？过去二十年互联网，是基础设施不断中心化的过程：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。AI的发展可能将这种集中推向新高度，因为大模型比传统互联网应用更依赖计算资源。
如果趋势延续，未来最重要的公司可能不只是模型公司、芯片公司，而是那些真正能掌握、组织和分配算力的公司。这恰恰为Web3留下独特路径。Web3不一定需要重新创造ChatGPT，也无需再制造“AI概念币”。它更可能参与另一层：将现实世界的计算资源网络化。
从这个角度看，未来的“矿工”也会发生变化。过去矿工贡献的是区块链共识所需算力；未来某些计算网络的节点贡献的可能是AI推理、模型运行、数据处理等现实任务。过去人们买矿机为挖Token；未来人们买GPU，可能是为了成为AI基础设施的一部分。
二者最大区别在于：前者创造的是数字资产，后者服务的则是真实存在且不断扩张的产业。
DeepSeek造芯片，小米下场做AI加速器，并不只是国产芯片赛道多了两个玩家。它们更像在提醒市场：AI的竞争正从模型层下沉到基础设施层。当算力变成AI时代最重要的生产资料，围绕算力的新商业模式才刚刚开始。
也许再过几年，回看今天的变化，真正改变AI行业的可能不是某个参数更大的模型，也不是某块跑分更高的芯片。真正重要的，是人类第一次认真思考：算力能否像互联网一样，被全世界的人和机器共同使用、共同贡献、共同结算。如果答案是肯定的，那么Web3真正的机会，或许终于不再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。