當下，人工智能蓬勃發展，創新技術不斷涌出， 整個行業正經歷著一場意義深遠的變革。

而這其中，DeepSeek 和 LPU 的出現格外引人注目。DeepSeek 憑借其卓越的性能和強大的成本優勢，迅速在全球范圍內圈粉無數，掀起了一股使用熱潮。而LPU，作為專為語言處理任務量身定制的硬件處理器，以其區別于傳統 GPU 的創新架構、令人驚嘆的性能表現和超低的成本優勢，成為了 AI 領域的新寵。

DeepSeek與LPU的結合，或許會為這場變革注入新的動力。

01

LPU是什么？

2024年2月，由谷歌TPU設計者Jonathan Ross創立的Groq公司發布新一代LPU，實測性能引發行業震動：在Meta Llama 2-70B推理任務中，其LPU相較英偉達H100實現10倍性能提升，推理成本降低80%。而LPU本質為減少計算中內存調用次數，從而實現推理效率的提升。對推理芯片而言，更高性能、更低成本的LPU，提供了一個新的技術路徑選項。

LPU，全稱 Language Processing Unitix，是一種專門為語言處理任務設計的硬件處理器。它與我們熟知的 GPU（Graphics Processing Unit，圖形處理器）有著本質的區別。GPU 最初是為處理圖形渲染任務而設計的，在并行計算方面表現出色，因此后來被廣泛應用于人工智能領域的模型訓練和推理。然而，LPU 則是專門針對語言處理任務進行優化的，旨在更高效地處理文本數據，執行諸如自然語言理解、文本生成等任務。

從硬件架構來看，LPU 有著獨特的設計，采用了時序指令集計算機架構。同時，LPU 不需要芯片外內存，這是其區別于傳統硬件架構的重要特點。傳統的 GPU 在運行過程中，需要依賴高速的數據傳輸和大量的芯片外內存來存儲和處理數據，這不僅增加了硬件成本，還可能在數據傳輸過程中產生延遲，影響系統性能。而 LPU 使用的是 SRAM（Static Random - Access Memory，靜態隨機存取存儲器），其速度比 GPU 所用的存儲器快約 20 倍。這種高速的內存使得 LPU 在處理數據時能夠更快地讀取和寫入信息，大大提高了處理效率。

在能效方面，LPU通過減少多線程管理的開銷和避免核心資源的未充分利用，實現了更高的每瓦特計算性能，在執行推理任務時，無需像GPU那樣頻繁從內存加載數據，消耗的電量也低于英偉達的GPU。

Groq公司作為LPU的重要推動者，公布的LPU性能令人驚嘆。與當前行業內的領先模型相比，LPU展現出了巨大的優勢。例如，在與GPT - 4的對比中，Groq的LPU比 GPT - 4 快18倍，在處理速度上達到了每秒500 token的驚人成績，打破了行業紀錄，其性能是英偉達GPU的10倍。而且，不同于英偉達GPU對高速數據傳輸和高帶寬存儲器（HBM）的依賴，Groq的LPU系統中沒有采用HBM，而是通過優化的SRAM設計，實現了高效的數據處理。這種獨特的設計使得LPU在保證高性能的同時，還降低了硬件成本和系統復雜性。

這一突破也凸顯了計算模式的潛在轉變，即在處理基于語言的任務時，LPU 可以提供一種專業化、更高效的替代方案，挑戰傳統上占主導地位的 GPU。

02

國產企業布局LPU

國產LPU當然也受到市場關注。

目前，清華系的無問芯穹已研發出全球首個基于FPGA（現場可編程邏輯門陣列）的大模型處理器，稱其為無穹LPU，通過大模型高效壓縮的軟硬件協同優化技術，使得LLaMA2-7B模型的FPGA部署成本從4塊卡減少至1塊卡，并且性價比與能效比均高于同等工藝GPU，即展示“一張卡跑大模型”。

無問芯穹研發的端側大模型推理處理器 LPU采用異構計算技術。其核心目標是提供如水電煤般便捷的算力服務，解決當前市場中算力資源匱乏的問題。目前已通過適配多種 AI 芯片，實現不同模型高效并行處理，根據無問芯穹的內部測試數據，這款芯片在大規模模型推理場景中，算力成本下降高達90%，為國內算力之困開辟了一條前路。

據悉，無問芯穹成立于2023年5月，創始團隊來自清華大學電子工程系，致力于成為大模型落地過程中的"M×N"中間層，以打造大模型軟硬件一體化方案，鏈接上下游，建立AGI（通用人工智能）時代大模型基礎設施。

03

DeepSeek利好上游，將推動AI大規模應用

2025年1月20日，DeepSeek正式發布DeepSeek-R1模型，在數學、代碼、自然語言推理等任務上，性能成功比肩OpenAI-o1正式版，在1月24日國外大模型排名Arena上，DeepSeek-R1基準測試升至全類別大模型第三，在風格控制類模型分類中與OpenAI-o1并列第一，展現出強大的技術實力。僅僅一周后，DeepSeek在中國區及美區蘋果App Store免費榜均占據首位，成為首個同期在中國和美區蘋果App Store占據第一位的中國應用，用戶量在短時間內迅速攀升，在全球范圍內掀起了使用熱潮。

DeepSeek發展速度之快令人咋舌，日活數據的增長堪稱 “火箭式” 上升。前幾日，DeepSeek 的日活剛突破 2000 萬，然而不到一周的時間，日活已經飆升至 3000 萬，短短 7 天內用戶增長一個億。與之形成鮮明對比的是，曾經風靡全球的 ChatGPT 達到同樣的用戶增長規模需要 2 個月的時間。DeepSeek 的快速崛起，彰顯了其在人工智能領域的強大競爭力和市場吸引力。

隨著 DeepSeek 用戶的大規模增長，對上游做算力的公司產生了顯著的利好影響。算力作為人工智能運行的基礎支撐，是模型訓練和推理得以實現的關鍵。DeepSeek 的火爆意味著對算力的需求呈指數級增長，這為上游的算力供應商提供了廣闊的市場空間。

值得一提的是，三家基礎電信企業均全面接入 DeepSeek 開源大模型。這一舉措不僅進一步推動了 DeepSeek 的廣泛應用，還為電信企業自身的業務發展帶來了新的機遇。電信企業擁有豐富的網絡資源和龐大的用戶基礎，接入 DeepSeek 大模型后，可以將人工智能技術融入到通信服務、智能客服、大數據分析等多個業務領域，提升服務質量和用戶體驗，同時也為自身在人工智能時代的轉型發展奠定了堅實的基礎。

在市場層面，DeepSeek 的成功也引發了資本的關注。大量的投資涌入與 DeepSeek 相關的產業鏈，從算力支持到算法優化，再到應用開發，各個環節都成為了資本追逐的熱點。這不僅促進了相關企業的技術研發和業務拓展，還加速了整個行業的發展進程。

之所以DeepSeek如此受到關注，除了其在性能上的卓越表現外，還在于其具有強大的成本優勢。DeepSeek模型厲害的地方在于，整個訓練僅花費了557.6萬美元，在2048xH800集群上運行55天完成。性能卻能和OpenAI的頂尖模型ChatGPT-o1比肩，甚至在某些領域還強一點。

這筆費用是什么概念呢？Anthropic 的 CEO曾透露，GPT-4o這樣的模型訓練成本約為1億美元。而目前正在開發的AI大模型訓練成本可能高達10億美元。他還預測，未來三年內，AI大模型的訓練成本將上升至100億美元甚至1000億美元。換句話說，DeepSeek-V3的這個成本幾乎可以忽略不計。由于OpenAI的大模型成本巨大，在美國政府的支持下，甚至發起了總投資5000億美元的星門計劃來建設AI設施。

04

高性能低價平權之下，LPU被看好

AI基礎設施建設的巨額成本一直是阻擋AI大規模應用的絆腳石。

DeepSeek-R1具備高性能、低成本、開源三大屬性。DeepSeek-R1問世，其開源屬性為企業提供了技術底座，如教育機構可基于開源代碼定制學科知識庫、教學場景交互邏輯等，人力資源機構也可針對招聘培訓等垂直場景構建垂直助手。且DeepSeek-R1大模型單次訓練和推理對算力的需求低，因此基于DeepSeek-R1二次訓練的成本也更低，更有利于企業低成本訓練及本地部署。簡而言之，DeepSeek-R1的突破性發展，直接降低了AI應用的研發落地成本，將加速AI技術在各行業的滲透。

如果說，DeepSeek屬于“核彈”級，那LPU就是“氫彈”級。據了解，美國Groq公司已經在自己的LPU芯片上實機運行DeepSeek，效率比最新的H100快上一個量級，達到每秒24000token。某種程度上，單純靠堆砌硬件算力，實現智力的邏輯也將失效。隨著硬件芯片制程逐漸到達瓶頸，后期人工智能主要靠算法和芯片架構優化推動。

而DeepSeek 與 LPU 的結合標志著 AI 算力領域的重要變革，特別是在大語言模型（LLM）推理場景中展現出顯著的技術突破和市場潛力。這種結合使得大語言模型在處理速度、成本控制和應用范圍等方面都有了新的突破，為人工智能的發展開辟了新的道路。

作為LPU的主要供應商，美半導體初創公司Groq也受到了投資市場的看好。據了解，目前該公司已獲得沙特阿拉伯15億美元的承諾投資，以支持 Groq 擴建位于沙特達曼的 AI 推理基礎設施。Groq 的達曼數據中心由該企業同石油巨頭沙特阿美旗下子公司合作建設，目前該數據中心已包含 19000 個 Groq LPU（語言處理單元），可向 41 個國家的 40 億用戶提供服務。

另一方面，這也對英偉達和其他美國人工智能科技公司造成打擊，三星電子和 SK 海力士預計將在快速增長的人工智能 (AI) 內存芯片業務中面臨越來越多的不確定性。而這兩家公司主要生產用于英偉達GPU的HBM芯片。SK海力士1月份的數據比12月下跌了19.3%。這是自2023年4月該公司開發出全球12層HBM3芯片以來，環比跌幅最大的一次。

當LPU技術將AI創作成本降至消費級硬件可承載范圍，普通人使用RTX顯卡即可運行百億參數模型時，UGC內容生產將迎來核爆式增長。這種生產力解放可能提前10年實現"人人都是創作者"的預言。

當 LPU 架構與神經擬態芯片結合后，個人設備的計算能力將得到質的飛躍。也許，未來的智能手機或筆記本電腦，借助這種技術，用戶無需聯網就能在本地快速運行復雜的語言模型，實現高效的個人工作流部署。