DeepSeek 真的在造芯片吗？
从路透独家到阿里平头哥真武量产：大厂为何纷纷下场造芯（2026）

2026 年 7 月 7–8 日，多家媒体跟进路透社独家，核心信息一致：

• 目标场景是推理（inference），不是训练（training）：这意味着 DeepSeek 短期并不打算颠覆 Nvidia H100 的训练市场，而是聚焦在模型部署后每日 7×24 运行的推理环节。
• 项目约于 2025 年中启动，仍处早期阶段：报道表述为「一年前」，尚无芯片名称、规格参数、tape-out 时间表等公开信息。
• 正与芯片设计公司、晶圆代工厂（foundry）、存储器供应商接洽：这三类伙伴是从零设计 ASIC 的必要上游，接洽阶段通常先于任何量产计划。
• 未在公开招聘平台发布，采用私下挖人方式：近几个月加大芯片设计工程师招聘，保密程度高于一般研发项目。
• 若成功，将降低对 Nvidia 和华为昇腾的双重依赖：DeepSeek 此前已深度适配华为芯片（V4 适配昇腾，V4-Flash 部分训练使用昇腾），自研是对第二条算力来源的补充而非替代。

可信度评估

关键时间线

• 2023–2024：梁文锋两次暗涌采访——出口禁令是最大挑战；算力饥渴
• 2025-01：DeepSeek R1 发布，基于 Nvidia H800 训练（该芯片 2023 年底已被禁止出口）
• 2025 年中：据传自研芯片项目启动
• 2026-04：DeepSeek V4 适配华为昇腾；V4-Flash 部分训练使用昇腾
• 2026-06：首轮外部融资约 74 亿美元，用途含自研芯片
• 2026-07-07：路透社独家：DeepSeek 正开发自研推理芯片
• 2026-07：The Information 同期报道智谱亦评估自研定制芯片

📌 写作注意：可以写「据路透社等多家媒体报道，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」。

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。他从未在公开采访中宣布「DeepSeek 要造芯片」，但三段原话确立了清晰的战略动机：

• 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）——这句话直接说明了自研芯片的战略必然性，但它是动机描述，不是项目公告。
• 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。」——这个数字揭示了在禁令下竞争意味着什么成本代价，也是推动软硬件协同设计的内部压力。
• 中国需要有人站在技术前沿： 「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。」——这句话超越了商业逻辑，带有使命感，也为 DeepSeek 参与芯片生态提供了更宽泛的动机框架。

关键区分：「创始人长期表态」≠「官方项目公告」。路透社报道的是公司行为（招聘、接洽供应商），不是梁文锋宣言。两者在新闻价值上同等重要，但性质不同。

用户提到的「马云说过类似的话」需要厘清：阿里造芯是已执行多年的战略，不是近日传闻。 这与 DeepSeek 的传闻形成了文章最有张力的对比——一个「据报道·早期阶段·未证实」，一个「2018 年战略·2026 年量产·数字可查」。

马云时代（2018）：战略起点

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。初期方向：AI 芯片（含光系列）、嵌入式芯片；后扩展至服务器 CPU（倚天）、RISC-V IP（玄铁）等。

三位发言人的角色分工

真武（Zhenwu）系列路线图

商业化数据（2026 年上半年）

• 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）
• 集团投入：阿里宣布未来三年投入 3800 亿元于云与 AI 基础设施（含芯片、算力、液冷等）
• 制造路线：从早期 TSMC 转向国内代工（业界普遍指向 SMIC 7nm 等成熟方案），以应对美国限制 TSMC 为大陆代工先进 AI 芯片的规则

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。

2026 年 7 月，「AI 公司造芯」已是全球现象，不是中国独有。TrendForce 数据：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。

关键里程碑：2026-06-24 OpenAI + Broadcom 发布 Jalapeño；2026-07-02 Anthropic 据报与 Samsung 洽谈 2nm 定制芯片；2026-07-07 路透社 DeepSeek 自研芯片；2026-07-07 The Information 智谱评估自研芯片。短短两周内，四条独立造芯新闻——这不是巧合，是行业转折点。

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」。

① 经济学：推理成本是 AI 的「房租」

行业内部常用比喻——训练 = 买房首付（一次性、集中投入）；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（硬件口径，Reuters Breakingviews 引述）
• SemiAnalysis、Bernstein 等机构估算：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
• Hyperscaler 场景下每 token 成本可降低 30–40%
• 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

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）
• 中国监管鼓励采购国产算力、对 Nvidia 芯片安全疑虑
• 即使美国公司也面临「买不到足够 Nvidia 芯片」的配给问题

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。

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。

英文读者更吃「economics / unit economics / Nvidia tax / TCO」框架；中文读者对「卡脖子 / 国产替代 / 自主可控」共鸣更强。两条线都有真实驱动力，并非对立。

结论：训练仍是 Nvidia 主场；推理是定制 ASIC 的主战场。 大多数「造芯」新闻指的都是推理芯片，这不是偶然，而是经济学决定了攻击点。

六步行动框架：如何判断一家公司的「造芯可信度」

1. 看融资用途披露：是否明确标注「自研芯片」（DeepSeek 2026-06 融资用途含此项）
2. 看招聘信号：是否有芯片设计工程师、EDA 工具链工程师的私下招聘
3. 看供应链接触：是否与晶圆代工厂、HBM 存储厂商接洽（路透社信源核心）
4. 看软件侧信号：是否有面向特定硬件的数据格式、算子优化（DeepSeek UE8M0 FP8）
5. 看量产数据：出货量、营收、客户数（阿里真武 810E 已有清晰数字）
6. 看创始人/管理层表态：区分「战略动机陈述」与「项目公告」——梁文锋属前者，吴泳铭属后者

• Meta MTIA 曾推倒重来：Meta 早期芯片项目因工作负载假设失误，启动后推倒重来，延误多年。这是业界公认的自研芯片高失败率案例，表明即使有充足资源也不保证成功。
• 架构变化风险：如果 AI 模型架构在芯片研发周期内（通常 2–3 年）发生重大变化，芯片设计可能错位。DeepSeek 本身就以快速迭代见长，这对芯片设计是双刃剑。
• CUDA 生态护城河：训练侧切换难度极高，即使推理侧 ASIC 成功，混合生产部署期仍需维护两套软件栈。
• 早期阶段的不确定性：DeepSeek 项目尚未 tape-out，从早期研发到量产通常需要 2–4 年，期间任何技术或供应链问题都可能导致延期或取消。
• 出口管制升级风险：如果制造路线依赖台积电或其他受限代工厂，地缘政治变化可能中断计划。

通用 GPU 云服务在这个窗口期仍是更可预期的生产环境选择。对于正在规划 AI 推理基础设施的团队，盲目等待国产芯片成熟而推迟部署，本身也是一种风险。

事实上，主流 AI 公司的策略正是多轨并行：继续租用 Nvidia GPU，同时自研或采购国产芯片，形成算力多元化组合。JEXCLOUD 的高性能裸金属 Mac 节点在这一框架内充当的是稳定、低延迟的推理工作负载宿主——专有硬件、独占 Apple Silicon、无超卖，特别适合对延迟敏感、工作负载可预测的推理场景。相比通用 GPU 云，它规避了超卖带来的性能抖动，也不依赖单一芯片供应商的排货节奏。具体节点规格与定价见 JEXCLOUD 定价页。

Q1：DeepSeek 造芯片的消息可靠吗？
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，距离量产尚有 2–4 年路程。目前可信的结论是：项目存在，但规模、时间表、成功率均不明确。

Q2：梁文锋公开说过要造芯片吗？
没有。他 2024 年采访中表示「最大挑战是高端芯片出口禁令」，并强调算力部署，但从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。请勿混淆两者的新闻价值与性质。

Q3：马云和蔡崇信谁在说芯片？
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。不宜写「马云最近说要造芯片」——时间线上存在根本性误导。

Q4：为什么先做推理芯片，不做训练芯片？
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。推理是「每月房租」，经济驱动力更强，进入壁垒相对较低。

Q5：大厂造芯片主要是为了国家安全还是省钱？
两者兼有，但经济学是第一驱动力。降低推理成本（30–65% TCO 优势）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，不是从零创造了它。安全与省钱在这里是相互强化而非互斥的关系。

最后更新：2026-07-10 | 来源：路透社（2026-07-07）、OpenAI 官方博客、WSJ、财新全球、SCMP、暗涌 Waves（梁文锋采访 2023/2024）、阿里巴巴 2026 财年财报电话会 | DeepSeek 自研芯片项目在官方确认前，均为「据报道 / 知情人士称」性质。