DeepSeek 真的在造晶片嗎？
從路透獨家到阿里平頭哥真武量產：大廠為何紛紛下場造芯（2026）
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 推理的自研晶片，項目約一年前啟動，公司正與晶片設計廠、晶圓代工商、記憶體供應商接洽，並低調招募晶片工程師——這與它已深度適配華為昇騰的現狀並存，是本文最值得關注的反直覺起點。
本文拆解傳聞的證據鏈與可信度，梳理梁文鋒從未直接「官宣造芯」的三段原話，呈現阿里巴巴從馬雲 2018 年拍板到平頭哥真武 810E 量產 56 萬片的八年完整路徑，並給出 2026 年 7 月全球大廠晶片進度對照表與五大經濟學驅動力分析。
01 DeepSeek 造芯傳聞：真假與證據鏈
2026 年 7 月 7–8 日，多家媒體跟進路透社獨家，核心資訊一致：目標場景是推理（inference），不是訓練（training）；項目約於 2025 年中啟動，仍處早期階段；正與晶片設計公司、晶圓代工廠（foundry）、記憶體供應商接洽；近幾個月加大晶片設計工程師招募，採用私下挖人方式；若成功，將降低對 Nvidia 和華為昇騰的雙重依賴。
| 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。 |
| 公司官方確認 | 無。截至 2026 年 7 月 10 日，DeepSeek 未發布新聞稿確認。 |
| 間接證據 | 強。2026 年 6 月首輪外部融資約 74 億美元，對外披露用途含「自研 AI 晶片」；模型層 UE8M0 FP8 數據格式被業內解讀為面向國產晶片的軟硬體協同設計信號。 |
| 矛盾資訊 | 存在。合作與自研並行，自研尚早，合作已落地——這是更準確的表述。 |
寫作注意：可以寫「據路透社等多家媒體報導，DeepSeek 已啟動自研推理晶片項目」，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 梁文鋒說過什麼？三段原話與戰略動機分析
梁文鋒公開採訪極少，最有價值的信源是「暗涌 Waves」2023 年 5 月、2024 年 7 月兩次深度專訪。他從未在公開採訪中宣布「DeepSeek 要造晶片」，但三段原話確立了清晰的戰略動機：
- 「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）——動機描述，不是項目公告。
- 「合計需要約 4 倍算力才能達到同樣效果。」——揭示在禁令下競爭意味著什麼成本代價。
- 「中國必然需要有人站到技術的前沿。」——超越商業邏輯的使命感表述。
關鍵區分：「創辦人長期表態」≠「官方項目公告」。路透社報導的是公司行為（招募、接洽供應商），不是梁文鋒宣言。
03 阿里巴巴 / 馬雲：不是傳聞，是八年布局與 56 萬片量產
阿里造芯是已執行多年的戰略，不是近日傳聞。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 | 時間 | 關鍵規格與進展 |
|---|---|---|
| 含光 800 | 2019 | 早期 AI 推理晶片，驗證路線可行性 |
| 真武 810E | 2026 年 1 月，已量產 | 訓推一體；96GB HBM2e；相容 CUDA 生態（WSJ 報導）；出貨 56 萬片+ |
| 真武 M890 | 2026 | 144GB 顯存；晶片間互聯 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 | 自研並行計算架構迭代 |
商業化數據（2026 年上半年）：累計出貨 56 萬片+；年化營收百億人民幣級；400+ 企業客戶；平頭哥註冊資本增至 10 億元；阿里宣布未來三年投入 3800 億元於雲與 AI 基礎設施。製造路線從早期台積電轉向國內代工廠（業界普遍指向中芯國際 7nm 等成熟方案）。
04 2026 年 7 月全球大廠 AI 晶片進度對照表
TrendForce 數據：雲廠商定製 AI 晶片出貨量增速 44.6%，遠超通用 GPU 的 16.1%。
| 公司 | 晶片項目 | 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；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 |
| 華為 | 昇騰 950 等 | 量產 | DeepSeek V4 適配；訂單激增 |
| 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 |
05 大廠為何造芯：五大驅動力深度分析
- ① 經濟學：推理成本是 AI 的「月租」——定製 ASIC 在大規模推理部署中可比通用 GPU 降低 40–65% 總擁有成本（TCO）；每 token 成本可降低 30–40%；Nvidia 資料中心 GPU 毛利率超 70%，自研晶片本質是把永久性「GPU 稅」轉化為一次性研發投入。
- 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）；中國監管鼓勵採購國產算力；即使美國公司也面臨「買不到足夠 Nvidia 晶片」的配給問題。
- ③ 軟硬體協同（Co-design）——DeepSeek UE8M0 FP8、MLA 架構為特定硬體優化；OpenAI Jalapeño 圍繞 ChatGPT 真實 serving 模式設計；Google TPU 與 TensorFlow/JAX 深度綁定。
- 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——推理晶片強調 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。
06 訓練晶片 vs 推理晶片：為何大家先做推理
| 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 | 可針對固定模型手寫 kernel，CUDA 依賴較少 |
| 晶片要求 | 極致峰值算力 + 靈活程式設計 | 吞吐、延遲、每 token 成本 |
| 經濟規模 | 叢集一次性投入大 | 7×24 持續發生，規模更大，是「月租」 |
結論：訓練仍是 Nvidia 主場；推理是定製 ASIC 的主戰場。
07 風險與不確定性：早期項目可能失敗
- Meta MTIA 曾推倒重來：Meta 早期晶片項目因工作負載假設失誤，啟動後推倒重來，延誤多年。這是業界公認的自研晶片高失敗率案例。
- 架構變化風險：如果 AI 模型架構在晶片研發週期內（通常 2–3 年）發生重大變化，晶片設計可能錯位。
- 早期階段的不確定性：DeepSeek 項目尚未 tape-out，從早期研發到量產通常需要 2–4 年。
- 出口管制升級風險：如果製造路線依賴受限代工廠，地緣政治變化可能中斷計畫。
對於正在規劃 AI 推理基礎設施的團隊，多軌並行（繼續使用 GPU 雲端的同時評估國產晶片）是主流策略。JEXCLOUD 的高性能裸金屬 Mac 節點提供穩定、低延遲的推理工作負載宿主——獨占 Apple Silicon、7×24 在線、無超賣。具體節點規格與定價請見 JEXCLOUD 定價頁。
08 FAQ：五個高頻問題
Q1：DeepSeek 造芯片的消息可靠嗎？
路透社 2026 年 7 月 7 日援引三名知情人士報導，可信度較高，但 DeepSeek 尚未官方證實。項目處於早期階段。
Q2：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」，但未宣布自研晶片項目。請勿混淆動機陳述與項目公告。
Q3：馬雲和蔡崇信誰在說晶片？
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：為什麼先做推理晶片，不做訓練晶片？
推理工作負載穩定、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：大廠造芯片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。降低推理成本（30–65% TCO 優勢）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 | 來源：路透社（2026-07-07）、OpenAI 官方部落格、WSJ、財新全球、SCMP、暗涌 Waves（梁文鋒採訪 2023/2024）、阿里巴巴 2026 財年財報電話會 | DeepSeek 自研晶片項目在官方確認前，均為「據報導 / 知情人士稱」性質。