2026年7月7日，路透社援引三名知情人士獨家報導：DeepSeek 正在開發專用於 AI 推論（inference）的自研晶片，專案約一年前啟動，目前仍處於早期階段。與此同時，阿里巴巴旗下的平頭哥半導體已將自研真武晶片推向量產，截至2026年上半年累計出貨超 56萬片，年化營收達百億人民幣級。一邊是「傳聞」，一邊是「實戰」——本文用可核驗的事實鏈，逐一拆解兩條路線的真相、動機與技術邏輯。
01 五問五答速覽：DeepSeek 造芯真相
以下速覽表彙總了當前最關鍵的五個問題與基於可核驗信源的答案：
| 問題 | 結論 |
|---|---|
| DeepSeek 自研晶片，是真的嗎？ | 大概率屬實，但處於早期階段。路透社三名知情人士報導，正與晶片設計公司、晶圓代工廠、記憶體廠商接洽，低調招募晶片工程師。DeepSeek 官方尚未正式公告。 |
| 這是梁文鋒親口宣布的嗎？ | 不是。梁文鋒未公開宣布造芯計畫；他在2023–2024年採訪中強調的是高端晶片出口禁令是最大挑戰，以及算力渴望——這構成戰略動機，但不等於「官宣」。 |
| 馬雲說過類似的話？ | 部分對應，但時間線不同。馬雲2018年親自為平頭哥命名，將晶片上升為集團戰略；近年表態更多來自蔡崇信和吳泳銘。阿里造芯已是量產級，非傳聞。 |
| 最新進展？ | DeepSeek：早期研發 + 74億美元首輪融資含造芯用途；阿里平頭哥真武810E已量產，累計出貨56萬片+，年化營收百億級；全球 AI 公司（OpenAI、Anthropic等）同步推進定製推論晶片。 |
| 科技巨頭造芯：安全還是省錢？ | 兩者皆有，但經濟學是第一驅動力。定製 ASIC 在大規模推論部署中可降低30–65% TCO；其次是供應鏈安全、減少對 Nvidia 單一依賴，以及軟硬體協同優化。 |
立場說明：可以寫「據路透社報導，DeepSeek 已啟動自研推論晶片專案」，不宜寫「梁文鋒正式宣布造芯」。應標注「知情人士 / 早期階段 / 未官方證實」。
02 DeepSeek 傳聞拆解：路透社證據鏈與可信度評估
2026年7月7–8日，多家媒體跟進路透社獨家報導，核心資訊高度一致。以下是關鍵事實的逐條核實：
- 目標場景：DeepSeek 自研晶片專注於推論（inference），而非訓練（training）——與全球定製晶片主流方向一致。
- 啟動時間：專案約於2025年中啟動（報導表述為「一年前」），目前仍處於早期階段。
- 供應鏈接觸：公司正與晶片設計公司、晶圓代工廠（foundry）、記憶體供應商接洽。
- 招聘方式：近幾個月加大晶片設計工程師招募，但未在公開平台發布，採用私下挖人方式。
- 獨立動機：若成功，將降低對 Nvidia 和華為昇騰的雙重依賴——尤為值得關注，因為 DeepSeek 此前已深度適配華為晶片。
| 維度 | 評估 |
|---|---|
| 信源級別 | 高。路透社使用「三名知情人士」標準措辭，為全球主流財經媒體交叉驗證流程，歷史準確率高。 |
| 公司官方確認 | 無。截至本文發稿，DeepSeek 未發布新聞稿或社群媒體確認。 |
| 間接證據 | 強。2026年6月首輪外部融資約510億元人民幣（約74億美元），對外披露用途含「自研 AI 晶片」；模型層 UE8M0 FP8 數據格式被業界解讀為面向國產晶片的軟硬體協同設計信號。 |
| 綜合結論 | 大概率屬實，建議以「據報導 / 早期階段 / 未官方證實」措辭引用，既準確又有新聞價值。 |
主要一級信源：
路透社（Reuters）— DeepSeek developing own AI chip（2026年7月7日）
OpenAI 官方博客 — OpenAI & Broadcom Jalapeño 推論晶片發布公告
華爾街日報（WSJ）— Alibaba AI chip to fill Nvidia void
03 梁文鋒說過什麼？原話與戰略動機
梁文鋒公開採訪極少，最有價值的信源是「暗湧 Waves」2023年5月、2024年7月兩次深度專訪。以下原話均與晶片 / 算力直接相關：
- 最大挑戰是晶片禁令，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：國內最好水準與國外相比，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。
- 技術社群的重要性：「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。」
- 對算力的渴求：「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。」
區分「創辦人長期表態」≠「官方專案公告」：梁文鋒的原話確立了戰略動機，但路透社報導的是公司行為（招聘、接洽供應商），兩者不能混為一談。
04 阿里平頭哥：從馬雲命名到真武810E量產
與 DeepSeek 的「傳聞」不同，阿里造芯是已執行多年的戰略，正處於量產與商業化階段。2018年9月雲棲大會，阿里巴巴將中天微與達摩院晶片團隊整合，成立平頭哥半導體有限公司。公司名由馬雲親自拍板——「平頭哥」即蜜獾，寓意「無所畏懼」。
| 型號 | 發布時間 | 關鍵規格 | 階段 |
|---|---|---|---|
| 含光800 | 2019年 | 早期 AI 推論晶片 | 歷史款 |
| 真武810E | 2026年1月 | 訓推一體；96GB HBM2e；性能介於 Nvidia A800 與 H20 之間；相容 CUDA 生態 | 已量產 |
| 真武M890 | 2026年 | 144GB 顯存；晶片間互聯 800GB/s；性能約為810E的3倍 | 發布中 |
| 真武V900 | 計畫2027年Q3 | 216GB 顯存；1200GB/s 互聯 | 規劃中 |
| 真武J900 | 計畫2028年Q3 | 自研並行運算架構迭代 | 規劃中 |
2026年商業化關鍵數據：累計出貨56萬片+；年化營收百億人民幣級；400+企業客戶使用真武叢集；平頭哥注冊資本增至10億元（2026年6月）；阿里宣布未來三年投入3800億元於雲與 AI 基礎設施；真武810E相容 Nvidia CUDA 生態（WSJ 報導），降低工程師遷移成本。
Caixin Global — Alibaba's New Processor Shows Applications Are Key to AI Chip Success
05 全球對標：AI 定製矽晶片浪潮席捲全球
2026年7月，「AI 公司造芯」已是全球現象，非中國獨有。TrendForce 數據顯示：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 / 事件 |
|---|---|---|---|
| DeepSeek | 自研推論 ASIC（未命名） | 早期研發 | 融資74億美元；低調招聘；未官方確認 |
| 阿里巴巴（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） | 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 報導 |
06 科技巨頭造芯五大驅動力深度解析
科技巨頭造芯不是為了「造晶片而造晶片」，而是因為 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」。以下五大驅動力按重要性排序：
- ① 經濟學：推論成本是 AI 的「租金」。訓練 = 買房頭期款（一次性）；推論 = 每月租金（持續、隨用戶量線性增長）。Nvidia 資料中心 GPU 毛利率超 70%。定製 ASIC 在大規模多年期推論部署中可有 40–65% TCO 優勢。
- ② 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）迫使中國 AI 公司尋找替代路徑。安全不僅指網路安全，更指供應鏈可預期性。
- ③ 軟硬體協同（Co-design）。DeepSeek UE8M0 FP8、MLA 架構→為特定硬體特性優化；OpenAI Jalapeño→圍繞 ChatGPT 真實 serving 模式設計。通用 GPU 為靈活性犧牲效率；定製晶片為已知工作負載犧牲靈活性換取效率。
- ④ 競爭壁壘與議價能力。即使不全面替代 Nvidia，自研晶片也可在採購談判中增加籌碼，構建「模型 + 雲 + 晶片」全棧故事。
- ⑤ 能源與永續發展。推論晶片強調 performance-per-watt（每瓦性能）。ASIC 剔除 GPU 中大量用不到的通用電路，功耗顯著更低。
07 推論晶片 vs 訓練晶片：為何先攻推論？
幾乎所有 AI 公司定製晶片計畫都從推論晶片入手，以下對比矩陣解釋根本原因：
| 維度 | 訓練（Training） | 推論（Inference） |
|---|---|---|
| 工作負載特徵 | 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 |
| 軟體生態依賴 | CUDA 護城河極深（cuDNN、NCCL） | 可針對固定模型手寫 kernel，生態依賴弱 |
| 經濟規模 | 叢集一次性投入大 | 7×24 持續發生，規模更大 |
| 定製 ASIC 優勢 | 有限（CUDA 生態鎖定） | 顯著（40–65% TCO 優勢） |
核心結論：訓練仍是 Nvidia 主場；推論是定製 ASIC 的主戰場。DeepSeek 將自研晶片鎖定在推論賽道，是經過計算的理性選擇。
08 技術決策者六步行動框架
面對 AI 定製晶片浪潮，企業 IT 決策者和技術架構師該如何應對？
- 核算當前推論成本（算出你的「Nvidia 稅」）：統計過去12個月的 GPU 算力支出，區分訓練與推論佔比。若推論佔比超過50%，定製晶片替代方案值得深入評估。
- 識別工作負載特徵：分析你的 AI 推論場景——請求模式是否穩定、批次大小是否可預測、延遲需求如何。穩定可預測的推論場景最適合 ASIC 遷移。
- 評估 CUDA 生態依賴深度：梳理現有模型推論程式碼對 cuDNN、NCCL 等 CUDA 專有 API 的依賴程度。依賴越深，遷移成本越高。
- 研究各廠商定製晶片路線圖：阿里真武（相容 CUDA 生態，國內代工）、華為昇騰（自主生態，合規友好）、國際 ASIC（Google TPU、AWS Trainium）——按業務合規需求圈定候選。
- 制定混合算力策略：維持 Nvidia GPU（彈性訓練 + 實驗）+ 定製 ASIC（穩定推論 + 降本）+ 裸機實體伺服器（低延遲 AI Agent 工作流）的混合架構。
- 建立供應鏈多元化清單：至少保有兩條算力供應鏈，定期審查出口管制動態並更新備選方案。
09 常見問題 FAQ
Q1：DeepSeek 造晶片的消息可靠嗎？
A：路透社2026年7月7日援引三名知情人士報導，可信度較高，但 DeepSeek 尚未官方證實。專案處於早期階段。
Q2：梁文鋒公開說過要造晶片嗎？
A：沒有。他2024年採訪中表示「最大挑戰是高端晶片出口禁令」，強調算力部署需求，但未宣布自研晶片專案。
Q3：馬雲和蔡崇信誰在說晶片？
A：馬雲2018年戰略層面創立平頭哥；近年蔡崇信強調出口管制影響，吳泳銘披露量產數據。阿里造芯已是成熟業務，非近日傳聞。
Q4：為什麼先做推論晶片，不做訓練晶片？
A：推論工作負載穩定、規模大、持續發生，適合 ASIC 優化；訓練需要 CUDA 生態和極致靈活性，Nvidia 仍占主導。
Q5：科技巨頭造芯片主要是為了國家安全還是省錢？
A：兩者兼有。短期看，降低推論成本與供應鏈風險是最緊迫的；地緣政治加速了已存在的經濟動機。
最後更新：2026-07-10 | DeepSeek 尚未官方確認晶片專案，本文引用均基於路透社等公開信源。
DeepSeek 和阿里的故事揭示了 AI 產業一個更深層的轉變：推論成本已成為 AI 商業化的核心變數，所有路徑都在追求同一個目標——讓更多 AI 推論在更低成本下穩定運行。對於中小企業和獨立開發者而言，GPU 雲端的隱性問題在於：共享資源池在高峰期性能不可控、模型運行環境受限、無法安裝私有依賴。ZUKCLOUD 裸機 Mac mini 雲端節點提供獨占 Apple Silicon 實體機，無 Hypervisor 損耗，AI Agent 7×24 在線運行，按天/週/月彈性下單——在等待定製 ASIC 成熟的過渡期，是一個穩定可控的推論工作流選擇。