DeepSeek 真的在造芯片吗？
梁文锋算力布局与阿里平头哥八年造芯路（2026）

2026年7月7日，路透社援引三名知情人士独家报道：DeepSeek 正在开发专用于 AI 推理（inference） 的自研芯片，项目约一年前启动，目前仍处于早期阶段。与此同时，阿里巴巴旗下的平头哥半导体已将自研真武芯片推向量产，截至2026年上半年累计出货超 56 万片，年化营收达百亿人民币级。一边是「传闻」，一边是「实战」——本文用可核验的事实链，逐一拆解两条路线的真相、动机与技术逻辑。

01 五问五答速览：DeepSeek 造芯真相

以下速览表汇总了当前最关键的五个问题与基于可核验信源的答案，适合快速建立认知框架。

📌 写作立场说明：可以写「据路透社报道，DeepSeek 已启动自研推理芯片项目」，不宜写「梁文锋正式宣布造芯」。应标注「知情人士 / 早期阶段 / 未官方证实」。

02 DeepSeek 传闻拆解：路透社证据链与可信度评估

2026年7月7–8日，多家媒体跟进路透社独家报道，核心信息高度一致。以下是关键事实的逐条核实：

• 目标场景：DeepSeek 自研芯片专注于推理（inference），而非训练（training）——这与全球定制芯片主流方向一致。
• 启动时间：项目约于2025年中启动（报道表述为「一年前」），目前仍处于早期阶段。
• 供应链接触：公司正与芯片设计公司、晶圆代工厂（foundry）、存储器供应商接洽。
• 招聘方式：近几个月加大芯片设计工程师招聘，但未在公开平台发布，采用私下挖人方式。
• 独立动机：若成功，将降低对 Nvidia 和华为昇腾的双重依赖——尤其值得关注，因为 DeepSeek 此前已深度适配华为芯片，但两家独立是战略稳健的必然选择。

关键时间线如下：

• 2023–2024年：梁文锋两次暗涌采访，阐述出口禁令挑战与算力渴求。
• 2025年1月：DeepSeek R1 发布，基于 Nvidia H800 训练（该芯片2023年底已被禁出口）。
• 2025年中：据传自研芯片项目启动。
• 2026年4月：DeepSeek V4 适配华为昇腾；V4-Flash 部分训练使用昇腾。
• 2026年6月：首轮外部融资约74亿美元，用途含自研芯片。
• 2026年7月7日：路透社独家报道：DeepSeek 正开发自研推理芯片。
• 2026年7月（同期）：The Information 报道：智谱 AI 亦在评估自研定制芯片。

查阅路透社原始报道与 OpenAI 官方芯片公告，请参考以下一级信源：

路透社（Reuters）— DeepSeek developing own AI chip（2026年7月7日）

OpenAI 官方博客 — OpenAI & Broadcom Jalapeño 推理芯片发布公告

华尔街日报（WSJ）— Alibaba AI chip to fill Nvidia void

03 梁文锋说过什么？原话与战略动机

梁文锋公开采访极少，最有价值的信源是「暗涌 Waves」2023年5月、2024年7月两次深度专访。以下原话均与芯片 / 算力直接相关，可用于博客引用：

• 最大挑战是芯片禁令，不是钱：「我们真正的挑战从来不是资金，而是高端芯片的出口禁令。」（2024年7月，暗涌采访）
• 算力效率差距 = 四倍资源消耗：国内最好水平与国外相比，训练效率约有一倍差距，数据效率又约一倍差距，合计需要约4倍算力才能达到同样效果。（梁文锋，暗涌）
• 技术社区的重要性：「很多国产芯片发展不起来，也是因为缺乏配套的技术社区，只有第二手信息，所以中国必然需要有人站到技术的前沿。」（梁文锋，暗涌）
• 对算力的渴求：「对研究员来说，对算力的渴求是永无止境的……我们也会有意识地去部署尽可能多的算力。」

⚠️ 区分「创始人长期表态」≠「官方项目公告」：梁文锋的原话确立了战略动机，但路透社报道的是公司行为（招聘、接洽供应商），两者不能混为一谈。

04 阿里平头哥：从马云命名到真武810E量产

与 DeepSeek 的「传闻」不同，阿里造芯是已执行多年的战略，正处于量产与商业化阶段。不宜写「马云最近说要造芯片」——准确说法是：马云2018年奠定平头哥战略，蔡崇信2024年解释出口管制倒逼自研，吴泳铭2026年披露量产成果。这是「传闻 vs 八年实战」的鲜明对比。

2018年9月云栖大会，阿里巴巴将中天微与达摩院芯片团队整合，成立平头哥半导体有限公司。公司名由马云亲自拍板——「平头哥」即蜜獾，寓意「无所畏惧」，传达长期投入芯片的决心。

2026年商业化关键数据：

• 🔢 累计出货：56万片+（2026年上半年数据）
• 💰 年化营收：百亿人民币级
• 🏢 客户：阿里云内部、中国联通等；据称400+企业客户使用真武集群
• 📈 资本动作：平头哥注册资本增至10亿元（2026年6月）；阿里宣布未来三年投入3800亿元于云与 AI 基础设施
• 🔗 与 Nvidia 关系：WSJ 报道真武芯片兼容 Nvidia CUDA 生态，降低工程师迁移成本；制造从早期 TSMC 转向国内代工

查阅阿里平头哥真武810E的详细分析，可参考财新全球：

Caixin Global — Analysis: Alibaba's New Processor Shows Applications Are Key to AI Chip Success

05 全球对标：AI 定制硅浪潮席卷全球

2026年7月，「AI 公司造芯」已是全球现象，不是中国独有。TrendForce 数据显示：云厂商定制 AI 芯片出货量增速 44.6%，远超通用 GPU 的 16.1%——定制硅首次在增速上显著跑赢 GPU。

关键洞察：2026年6月24日 OpenAI + Broadcom 发布 Jalapeño（9个月流片）；7月2日 Anthropic 据报与 Samsung 洽谈2nm定制芯片；7月7日 Reuters：DeepSeek 自研推理芯片。这是同一浪潮在同一周内的三次集中爆发。

06 大厂造芯五大驱动力深度解析

大厂造芯不是为了「造芯片而造芯片」，而是因为 AI 竞争已从「谁有最好的模型」延伸到「谁有最便宜、最可控的算力」。以下五大驱动力按重要性排序：

• ① 经济学：推理成本是 AI 的「房租」
  行业内部常用比喻：训练 = 买房的首付（一次性投入），推理 = 每月房租（持续、随用户量线性增长）。当 ChatGPT 类产品有数亿日活时，推理支出超过训练。Morgan Stanley 估算：24,000颗 Blackwell GPU 集群硬件成本约 8.52亿美元；同等规模 Google TPU 集群约 0.99亿美元（Reuters 引述）。Nvidia 数据中心 GPU 毛利率超 70%——自研芯片本质是把永久性「GPU 税」转化为一次性研发投入。在大规模多年期推理部署中，定制 ASIC 相对通用 GPU 可有 40–65% TCO 优势。
• ② 供应链安全与地缘政治
  美国对华高端 AI 芯片出口管制（H100/H800/H20等轮番受限）迫使中国 AI 公司寻找替代路径。安全不仅指网络安全，更指供应链可预期性：不被单一供应商、单一国家政策卡脖子。即使美国公司也面临「买不到足够 Nvidia 芯片」的配给问题。
• ③ 软硬件协同（Co-design）
  DeepSeek UE8M0 FP8、MLA 架构→为特定硬件特性优化；OpenAI Jalapeño→围绕 ChatGPT 真实 serving 模式设计（KV cache、batching、latency）；Google TPU→与 TensorFlow/JAX 深度绑定。通用 GPU 为灵活性牺牲效率；定制芯片为已知工作负载牺牲灵活性换取效率。
• ④ 竞争壁垒与议价能力
  即使不全面替代 Nvidia，自研芯片也可在采购谈判中增加筹码、向云客户展示差异化算力、构建「模型 + 云 + 芯片」全栈故事（阿里「金三角」、OpenAI full-stack infrastructure）。
• ⑤ 能源与可持续发展
  推理芯片强调 performance-per-watt（每瓦性能）。在兆瓦级、吉瓦级数据中心时代，电力和散热成本与芯片采购成本同等重要。ASIC 剔除 GPU 中大量用不到的通用电路，功耗显著更低。

07 推理芯片 vs 训练芯片：为何先攻推理？

几乎所有 AI 公司定制芯片计划都从推理芯片入手，这并非巧合。以下对比矩阵解释根本原因：

核心结论：训练仍是 Nvidia 主场；推理是定制 ASIC 的主战场。DeepSeek 将自研芯片锁定在推理赛道，是经过计算的理性选择。

同期风险与不确定性提示：

• 早期项目失败概率高：芯片从 tape-out 到稳定量产通常需要2–4年，早期项目仍可能因架构变化、代工产能、良率等因素夭折。
• Meta 曾推倒重来：Meta MTIA 芯片曾经历完整设计推倒重来，最终才进入推荐系统生产部署。
• 模型架构变化风险：若下一代大模型架构颠覆现有假设，针对旧架构优化的 ASIC 可能迅速过时。
• DeepSeek 合作与自研并行：自研尚早期，华为昇腾合作已落地——两条腿走路降低了单线失败的风险。

08 技术决策者六步行动框架

面对 AI 定制芯片浪潮，企业 IT 决策者和技术架构师该如何应对？以下六步框架帮助评估影响与制定策略：

1. 核算当前推理成本（算出你的「Nvidia 税」）：统计过去12个月的 GPU 算力支出，区分训练与推理占比。若推理占比超过50%，定制芯片替代方案值得深入评估。
2. 识别工作负载特征：分析你的 AI 推理场景——请求模式是否稳定、批次大小是否可预测、延迟要求如何。稳定可预测的推理场景最适合 ASIC 迁移。
3. 评估 CUDA 生态依赖深度：梳理现有模型推理代码对 cuDNN、NCCL 等 CUDA 专有 API 的依赖程度。依赖越深，迁移成本越高。
4. 研究各厂商定制芯片路线图：阿里真武（兼容 CUDA 生态，国内代工）、华为昇腾（自主生态，合规友好）、国际 ASIC（Google TPU、AWS Trainium）——按你的业务合规要求圈定候选。
5. 制定混合算力策略：短期内不建议「全换」——维持 Nvidia GPU（弹性训练 + 实验）+ 定制 ASIC（稳定推理 + 降本）+ 裸金属物理机（低延迟 AI Agent 工作流）的混合架构。
6. 建立供应链多样化清单：至少保有两条算力供应链（国内 + 国际，或 GPU + ASIC），避免单一供应商政策风险。定期审查出口管制动态并更新备选方案。

09 常见问题 FAQ

以下为中英双语 FAQ，适合直接嵌入 FAQPage Schema：

Q1：DeepSeek 造芯片的消息可靠吗？
A：路透社2026年7月7日援引三名知情人士报道，可信度较高，但 DeepSeek 尚未官方证实。项目处于早期阶段，正与芯片设计公司、晶圆代工厂和存储供应商接洽。

Q2：梁文锋公开说过要造芯片吗？
A：没有。他2024年采访中表示「最大挑战是高端芯片出口禁令」，强调算力部署需求，但未宣布自研芯片项目。路透社报道的是公司行为，不是创始人宣言。

Q3：马云和蔡崇信谁在说芯片？
A：马云2018年战略层面创立平头哥；近年蔡崇信强调出口管制影响，吴泳铭披露量产数据。阿里造芯已是成熟业务，非近日传闻。

Q4：为什么先做推理芯片，不做训练芯片？
A：推理工作负载稳定、规模大、持续发生，适合 ASIC 优化；训练需要 CUDA 生态和极致灵活性，Nvidia 仍占主导。

Q5：大厂造芯片主要是为了国家安全还是省钱？
A：两者兼有。短期看，降低推理成本与供应链风险是最紧迫的；地缘政治加速了已存在的经济动机。

---

Q1 (EN): Is DeepSeek really building its own AI chip?
A: According to a July 7, 2026 Reuters report citing three sources, DeepSeek is in the early stages of developing a custom chip for AI inference. DeepSeek has not officially confirmed the project.

Q2 (EN): Did DeepSeek CEO Liang Wenfeng announce a chip program?
A: No public announcement. In 2024 interviews he said export controls on advanced chips were DeepSeek's main challenge, not funding — but no official chip project was announced.

Q3 (EN): How is Alibaba involved?
A: Alibaba's chip unit T-Head (founded in 2018 under Jack Ma's strategy) is already mass-producing Zhenwu AI chips, with 560,000+ units shipped and billion-yuan annual revenue as of 2026.

Q4 (EN): Why inference chips first, not training chips?
A: Inference workloads are repetitive and predictable — ideal for custom ASICs. Training still relies heavily on Nvidia GPUs and the CUDA software stack.

Q5 (EN): Is it about national security or saving money?
A: Both. Economics is the primary driver — cutting the "Nvidia tax" and per-token costs at scale — while export controls and supply chain risk accelerate the shift.

最后更新：2026-07-10 | DeepSeek 尚未官方确认芯片项目，本文引用均基于路透社等公开信源，发布前请核对最新新闻。

DeepSeek 和阿里的故事揭示了 AI 行业一个更深层的转变：推理成本已成为 AI 商业化的核心变量，无论是定制 ASIC 还是更高效的硬件路线，所有路径都在追求同一个目标——让更多 AI 推理在更低成本下稳定运行。对于中小企业和独立开发者而言，大厂芯片战争的直接影响是云端 GPU 算力价格的波动与供给不稳。与其被动等待芯片价格出清，不如提前布局可控的私有算力节点。通用 GPU 云的隐性问题在于：共享资源池在高峰期性能不可控、模型运行环境被限制、无法安装私有依赖。相比之下，ZUKCLOUD 的裸金属 Mac mini 云端节点提供独占 Apple Silicon 物理机，无 Hypervisor 损耗，AI Agent 7×24 在线运行，按天/周/月弹性下单——在等待定制 ASIC 成熟的过渡期，也是一个稳定可控的推理工作流选择。