2026 年 7 月 7 日，路透社援引三名知情人士獨家報道：DeepSeek 正在開發自研 AI 推理晶片，專案約於 2025 年中啟動，正與晶圓代工廠、晶片設計公司和記憶體供應商洽談，並低調招募晶片設計工程師。反直覺之處在於：DeepSeek 此前已深度適配華為昇騰，一家既能用上華為晶片的公司，仍要自研——這正是讀懂大廠造芯邏輯的切入點。本文覆蓋 DeepSeek 傳聞證據鏈、梁文鋒原話與戰略動機、阿里平頭哥真武系列量產進度、全球對標（OpenAI Jalapeño 等）、五大驅動力深度解析，以及推理晶片 vs 訓練晶片的本質區別，並附完整 FAQ。
- TL;DR：DeepSeek 造芯屬實但早期，阿里已量產 56 萬片+，OpenAI 剛發布 Jalapeño——這是全球現象，不是中國獨有。
- 核心驅動：經濟學第一，安全第二。推理成本已成 AI 產品的「永久房租」，定製 ASIC 在大規模部署時可比通用 GPU 降低 30–65% TCO。
- 梁文鋒沒有宣布：路透社報道的是公司行為（招聘、接洽供應商），不是創辦人官宣；「梁文鋒說要造晶片」是誤讀。
- 阿里不是傳聞：馬雲 2018 年命名「平頭哥」，八年後真武 810E 已量產，出貨超 56 萬片，年化營收百億級。
SECTION 01 DeepSeek 造芯傳聞：證據鏈與可信度評估
2026 年 7 月 7–8 日，路透社獨家報道經多家媒體跟進，核心資訊高度一致。DeepSeek 尚未官方公告，但以下間接證據構成完整證據鏈：
| 時間 | 事件 |
|---|---|
| 2023–2024 | 梁文鋒兩次暗湧採訪：出口禁令是最大挑戰；算力飢渴；強調軟硬體協同必要性 |
| 2025 年 1 月 | DeepSeek R1 發布，震驚矽谷；基於 Nvidia H800 訓練（該晶片 2023 年底已被禁出口） |
| 2025 年中 | 據報自研晶片專案悄然啟動 |
| 2026 年 4 月 | DeepSeek V4 適配華為昇騰；V4-Flash 部分訓練使用昇騰 |
| 2026 年 6 月 | 首輪外部融資約 74 億美元，用途含自研晶片；74 億美元融資披露用途含「自研 AI 晶片」 |
| 2026-07-07 | 路透社獨家：DeepSeek 正開發自研推理晶片，招聘晶片工程師，接洽代工廠與記憶體廠 |
可以寫「據路透社等多家媒體報道，DeepSeek 已啟動自研推理晶片專案」，不宜寫「梁文鋒正式宣布造芯」——前者基於多源證據，後者是誤讀。
SECTION 02 梁文鋒說過什麼？原話與戰略動機的真實邊界
梁文鋒公開採訪極少，最有價值的信源是「暗湧 Waves」2023 年 5 月與 2024 年 7 月兩次深度專訪。他從未公開宣布「DeepSeek 要造晶片」，但他的表述清晰建立了戰略動機：
- 「最大挑戰是出口禁令，不是錢」：「我們真正的挑戰從來不是資金，而是高端晶片的出口禁令。」——2024 年 7 月，暗湧採訪
- 「算力效率差距 = 四倍資源消耗」：國內最好水平與國外相比，訓練效率約有一倍差距，資料效率又約一倍差距，合計需要約 4 倍算力才能達到同樣效果。
- 「中國必須站在技術前沿」：「很多國產晶片發展不起來，也是因為缺乏配套的技術社群，只有第二手資訊，所以中國必然需要有人站到技術的前沿。」
- 「算力渴求永無止境」：「對研究員來說，對算力的渴求是永無止境的……我們也會有意識地去部署盡可能多的算力。」
SECTION 03 阿里平頭哥：不是傳聞，是八年實戰與量產事實
阿里造芯是已執行多年的戰略，不是近日傳聞，而且已進入量產階段。馬雲 2018 年奠定平頭哥戰略，蔡崇信 2024 年解釋出口管制倒逼自研，吳泳銘 2026 年披露量產成果——這是「傳聞 vs 八年實戰」的鮮明對比。
| 型號 | 發布時間 | 關鍵規格與狀態 |
|---|---|---|
| 含光 800 | 2019 年 | 早期 AI 推理晶片，奠定平頭哥商業化路徑 |
| 真武 810E | 2026 年 1 月 | 訓推一體；96GB HBM2e；性能介於 Nvidia A800 與 H20 之間；已量產 |
| 真武 M890 | 2026 年 | 144GB 顯存；片間互聯 800GB/s；性能約為 810E 的 3 倍 |
| 真武 V900 | 計劃 2027 Q3 | 216GB 顯存；1200GB/s 互聯 |
| 真武 J900 | 計劃 2028 Q3 | 自研並行運算架構迭代，長期路線圖最終節點 |
- 累計出貨：56 萬片+（2026 年上半年）；年化營收百億人民幣級；400+ 企業客戶
- CUDA 相容策略：WSJ 報道真武系列相容 Nvidia CUDA 生態，降低工程師遷移成本（與華為昇騰路線的重大差異）
- 製造遷移：從早期 TSMC 轉向國內代工（SMIC 等），應對美國限制 TSMC 代工先進 AI 晶片的規則
- 資本動作：阿里宣布未來三年投入 3800 億元於雲端與 AI 基礎設施
SECTION 04 全球對標：不只中國公司在造芯——2026 年定製矽時代
2026 年 7 月，「AI 公司造芯」已是全球現象。TrendForce 數據：雲端廠商定製 AI 晶片出貨量增速 44.6%，遠超通用 GPU 的 16.1%——定製矽首次在增速上顯著跑贏 GPU。
| 公司 | 晶片專案 | 階段 | 關鍵數字 |
|---|---|---|---|
| DeepSeek | 自研推理 ASIC（未命名） | 早期研發 | 融資 74 億美元；低調招聘；未官方確認 |
| 阿里（平頭哥） | 真武 810E / M890 | 量產 | 出貨 56 萬片+；年化營收百億級 |
| OpenAI | Jalapeño（與 Broadcom 合作） | 流片完成，待部署 | 9 個月設計到 tape-out；2026 年底部署 |
| TPU v6/v7 | 大規模商用 | Gemini 端到端可用 TPU | |
| Amazon | Trainium3 / Inferentia | 商用 | Anthropic 大規模使用 Trainium |
| Anthropic | 與 Samsung 洽談定製晶片 | 探索階段 | 2026 年 7 月 The Information 報道 |
SECTION 05 大廠為何造芯？五大驅動力深度解析
一句話答案：AI 競爭已從「誰有最好的模型」延伸到「誰有最便宜、最可控的算力」。
- 經濟學：推理成本是 AI 的「永久房租」 — 訓練 = 買房頭期款（一次性）；推理 = 每月租金（持續隨用戶量增長）。定製 ASIC 在大規模部署時可比通用 GPU 降低 40–65% TCO，每 token 成本可降低 30–40%。Nvidia 資料中心 GPU 毛利率超 70%，自研晶片本質是把「GPU 稅」轉化為一次性研發投入。
- 供應鏈安全與地緣政治 — 美國對華高端 AI 晶片出口管制（H100/H800/H20 等輪番受限）；中國監管鼓勵採購國產算力；即使美國公司也面臨 Nvidia 晶片配給問題。
- 軟硬體協同（Co-design） — DeepSeek UE8M0 FP8、MLA 架構面向特定硬體優化；OpenAI Jalapeño 圍繞 ChatGPT 真實 serving 模式設計；Google TPU 與 TensorFlow/JAX 深度綁定。
- 競爭護城河與議價能力 — 自研晶片在採購談判中增加籌碼；向雲端客戶展示差異化算力；構建「模型 + 雲 + 晶片」全棧故事。
- 能源效率 — 推理晶片強調 每瓦性能（performance-per-watt）。ASIC 剔除 GPU 中大量用不到的通用電路，功耗顯著更低。
SECTION 06 推理 vs 訓練晶片：為何先做推理，Nvidia 為何仍統治訓練？
| 維度 | 訓練（Training） | 推理（Inference） |
|---|---|---|
| 工作負載 | 動態、實驗性強、架構頻繁變化 | 靜態、模型固定、請求模式可預測 |
| 軟體生態 | CUDA 護城河極深（cuDNN、NCCL） | 可針對固定模型手寫 kernel，生態依賴低 |
| 晶片要求 | 極致峰值算力 + 靈活程式設計 | 吞吐量、延遲、每 token 成本最佳化 |
| 經濟規模 | 叢集一次性投入大，但訓練次數有限 | 7×24 持續發生，隨產品用戶量線性增長 |
| 代表性晶片 | Nvidia H100/B200（主導地位穩固） | TPU、Trainium、Maia、Jalapeño、真武、DeepSeek 傳聞晶片 |
結論：訓練仍是 Nvidia 主場；推理是定製 ASIC 的主戰場。這也是為什麼 DeepSeek、阿里、OpenAI 新發布的定製晶片全部瞄準推理場景。
從 AI 算力的角度來看，共用虛擬機器在執行高密度推理任務時面臨 Hypervisor 排程損耗。對於需要零損耗原生算力、穩定 7×24 AI Agent 運行的生產環境，MACNOX 的雲端實體節點通常是更優解：100% 蘋果原裝 Mac Mini M4、獨享實體機、無 Hypervisor 損耗、完整 Root 權限、按日/週/月彈性下單。可參考AI Agent 生產環境安全加固與Mac Mini M4 租 vs 買費用對比，前往定價頁查看方案。
數據參考來源（發版後請讀者以官方連結為準）：
WSJ — Alibaba AI chip to fill Nvidia void（阿里真武晶片分析）
Caixin Global — Analysis: Alibaba's New Processor Shows Applications Are Key to AI Chip Success
OpenAI — Jalapeño Inference Chip 官方公告
最後更新：2026-07-10。免責聲明：本文基於公開媒體報道整理，DeepSeek 自研晶片專案截至本文發布時尚未獲官方證實，資訊仍處於早期階段，請結合最新新聞核對。
SECTION 07 常見問題 FAQ
DeepSeek 造晶片的消息可靠嗎？
路透社 2026 年 7 月 7 日援引三名知情人士報道，信源級別高，可信度較高。但 DeepSeek 尚未官方證實，專案處於早期階段。74 億美元融資用途披露含「自研 AI 晶片」是目前最強的間接證據。
梁文鋒公開說過要造晶片嗎？
沒有。他 2024 年採訪中表示「最大挑戰是高端晶片出口禁令」並強調算力部署，但從未宣布自研晶片專案。路透社報道的是公司行為（招聘、接洽代工廠），不是創辦人官宣，請注意區分。
阿里平頭哥現在進展如何？
阿里平頭哥真武 810E 已於 2026 年 1 月正式發布並量產，截至 2026 年上半年累計出貨超 56 萬片，年化營收百億人民幣級，400+ 企業客戶。這是「傳聞」與「八年實戰」的本質區別。
為何先做推理晶片，不做訓練晶片？
推理工作負載靜態、可預測，適合 ASIC 深度最佳化；訓練需要極致靈活性與 CUDA 生態，Nvidia 仍占主導。推理是 7×24 持續發生的「永久房租」，規模化後經濟效益遠高於一次性訓練。
大廠造芯主要是為了國家安全還是省錢？
兩者兼有，但經濟學是第一驅動力。定製 ASIC 在大規模推理部署時可比通用 GPU 降低 30–65% TCO，把「永久性 GPU 稅」轉化為一次性研發投入。地緣政治與出口管制加速了這一轉型，但並非唯一動因。