DeepSeek 自研晶片是真的嗎？
梁文鋒算力布局與阿里平頭哥八年造晶路

若你正在追問「DeepSeek 自研晶片」是傳聞還是戰略實錘，2026 年 7 月 7 日路透社援引三名知情人士稱 DeepSeek 正開發專用於 AI 推理的自研晶片——而反直覺的是，DeepSeek 此前已深度適配華為昇騰，卻仍要自研。本文按一手信源涵蓋傳聞證據鏈與可信度、梁文鋒暗涌專訪原話、馬雲 2018 平頭哥戰略至吳泳銘 2026 量產資料、7 月全球對標（OpenAI Jalapeño 等）、五大驅動力、推理 vs 訓練對照、企業算力決策六步、5 條 FAQ 與寫作風險提醒。算力落地見 定價頁。

[ SECTION_01 ] // TL;DR DeepSeek 造晶片是真的嗎？30 秒執行摘要

[ SECTION_02 ] // DEEPSEEK DeepSeek 造晶傳聞：證據鏈、可信度與時間線

傳聞內容（2026 年 7 月）

• DeepSeek 正在開發自研 AI 晶片，目標場景是推理（inference），而非訓練（training）。
• 專案約於 2025 年中啟動（報導表述「一年前」），目前仍處於早期階段。
• 正與晶片設計公司、晶圓代工廠（foundry）、儲存器供應商接洽。
• 近幾個月加大晶片設計工程師招募，未在公開招募平台發布，採私下挖角。
• 若成功，將降低對 Nvidia 和 華為昇騰 的雙重依賴——DeepSeek 此前已深度適配華為晶片。

痛點拆解：為何讀者容易誤判？

• 把「創辦人表態」當「專案公告」：梁文鋒談的是算力約束，路透社報的是公司行為，二者不能混寫為「梁文鋒正式宣布造晶」。
• 把「合作」與「自研」對立：2026 年中部分分析認為 DeepSeek 短期更依賴昇騰、造晶「傳聞淡化」——更準確是合作與自研並行，自研尚早，合作已落地（V4 適配昇騰、V4-Flash 部分訓練使用昇騰）。
• 混淆訓練與推理：傳聞晶片明確指向推理 ASIC，不是挑戰 Nvidia 訓練主場。
• 忽視間接證據：2026 年 6 月首輪外部融資約 510 億元人民幣（約 74 億美元），用途含自研 AI 晶片與國產算力中心；UE8M0 FP8 資料格式被業界解讀為面向國產晶片的軟硬體協同設計。

[ SECTION_03 ] // PEOPLE 梁文鋒說過什麼？阿里平頭哥八年布局（馬雲 → 蔡崇信 → 吳泳銘）

梁文鋒關鍵原話（暗涌 Waves 2023/2024 專訪，與晶片/算力相關）

• 「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
• 國內與國外訓練效率、資料效率各約一倍差距，合計需要約 4 倍算力才能達到同樣效果。
• 「很多國產晶片發展不起來，也是因為缺乏配套的技術社群……中國必然需要有人站到技術的前沿。」
• 「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。」

與造晶傳聞的關係：梁文鋒從未公開宣布「DeepSeek 要造晶片」；路透社報導的是招募與供應商接洽等公司行為，不是創辦人宣言。部落格須區分：創辦人長期表態 ≠ 官方專案公告。

阿里巴巴：不是傳聞，是八年布局

• 2018 年 9 月雲棲大會：中天微與達摩院晶片團隊整合，成立平頭哥半導體；公司名由馬雲親自拍板，寓意長期投入晶片決心；張建鋒（行癲）稱晶片已是集團戰略級事項。
• 不宜寫「馬雲最近說要造晶片」——準確說法是：馬雲 2018 年奠定戰略，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。

2026 年商業化資料：累計出貨 56 萬片+；年化營收 百億人民幣級；客戶含阿里雲、中國聯通等，據稱 400+ 企業使用真武叢集；平頭哥註冊資本增至 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。WSJ 報導新晶片相容 Nvidia CUDA 生態以降低遷移成本；製造從早期 TSMC 轉向國內代工（業界普遍指向 SMIC 7nm 等）。

[ SECTION_04 ] // GLOBAL 2026 年 7 月全球 AI 造晶進度對照表

「AI 公司造晶」已是全球現象，不只中國獨有。TrendForce 資料（2026）：雲廠商定制 AI 晶片出貨量增速 44.6%，遠超通用 GPU 的 16.1%——定制矽首次在增速上顯著跑贏 GPU。

全球關鍵節點：2026-06-24 OpenAI + Broadcom 發布 Jalapeño；2026-07-02 Anthropic 據報與 Samsung 洽談 2nm 定制晶片；2026-07-07 路透社 DeepSeek 自研推理晶片；同日 The Information 智譜評估自研晶片。

[ SECTION_05 ] // WHY 大廠為何都要造晶片？五大驅動力與推理 vs 訓練

一句話答案：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」。

五大驅動力（按重要性排序）

1. 經濟學：推理成本是 AI 的「房租」——訓練像買房首付（一次性），推理像每月房租（隨使用者量線性增長）。ChatGPT 類產品有數億日活時，推理支出超過訓練。Morgan Stanley 曾估算：24,000 顆 Blackwell GPU 叢集硬體約 8.52 億美元；同等規模 Google TPU 叢集約 0.99 億美元。SemiAnalysis、Bernstein 估算定制 ASIC 相對 GPU 可有 40–65% TCO 優勢；hyperscaler 場景每 token 成本可降 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；中國監管鼓勵國產算力。安全指供應鏈可預期性：不被單一供應商、單一國家政策卡脖子。
3. 軟硬體協同（Co-design）——DeepSeek UE8M0 FP8、MLA 架構；OpenAI Jalapeño 圍繞 ChatGPT serving 模式；Google TPU 與 TensorFlow/JAX 深度綁定。通用 GPU 為彈性犧牲效率；定制晶片為已知工作負載犧牲彈性換取效率。
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——推理晶片強調 performance-per-watt；ASIC 剔除 GPU 中用不到的通用電路，功耗顯著更低。

結論：訓練仍是 Nvidia 主場；推理是定制 ASIC 的主戰場。安全 vs 節約成本：繁體讀者對「卡脖子 / 國產替代」共鳴強，但經濟學同樣是第一驅動力——一篇好文章應兩條線都寫。

[ SECTION_06 ] // GUIDE 企業 AI 算力決策：六步落地清單

1. 核實信源層級：優先採信路透社、WSJ、OpenAI 官方、阿里財報等一級信源；對 DeepSeek 造晶須標註「據報導 / 未官方證實」，勿寫「已證實」。
2. 區分訓練與推理需求：盤點業務是模型研發（訓練密集）還是線上服務（推理密集）；兩者採購策略完全不同。
3. 盤點當前算力依賴：列出 Nvidia GPU、華為昇騰、雲 API 各佔比例；評估出口管制與國產替代政策對採購的影響。
4. 估算推理 TCO：用每 token 成本、叢集 capex、電力與散熱做 3 年期模型；對比通用 GPU vs 定制 ASIC 的 30–65% TCO 區間（SemiAnalysis/Bernstein 口徑）。
5. 評估供應鏈風險矩陣：單一供應商（Nvidia）、地緣政治（出口管制）、技術社群（CUDA 生態鎖定）三維度打分。
6. 制定混合算力路線圖：訓練保留通用 GPU / 雲租用；推理逐步引入定制 ASIC 或國產晶片；邊緣開發終端考慮隔離裸金屬節點。
7. 建立季度複盤機制：此類話題 2–4 週可能有新進展，文末標註「最後更新」並刷新 dateModified。

[ SECTION_07 ] // DATA 可引用硬核資料、風險提醒、FAQ 與信源

• DeepSeek 融資：2026 年 6 月首輪外部融資約 510 億元人民幣（約 74 億美元 / $7.4B），用途含自研 AI 晶片與擴建國產算力中心。
• 阿里平頭哥出貨：累計 56 萬片+（2026 年上半年）；年化營收 百億人民幣級；真武 810E 效能介於 Nvidia A800 與 H20 之間。
• 定制矽增速：TrendForce（2026）雲廠商定制 AI 晶片出貨量增速 44.6% vs 通用 GPU 16.1%。
• TCO 優勢區間：大規模多年期推理部署中，定制 ASIC 相對通用 GPU 可有 40–65% TCO 優勢（SemiAnalysis、Bernstein）。
• Nvidia 毛利率：資料中心 GPU 毛利率超 70%（Breakingviews/Reuters 引述）。

寫作風險提醒

• 勿寫「已證實」——DeepSeek 造晶在官方確認前應寫「據報導 / 知情人士稱」。
• 勿混淆訓練與推理——文中已用表格明確區分。
• 馬雲時效性——強調 2018 戰略決策，避免「馬雲最近說」。
• 定期更新——最後更新：2026-07-10。

風險與不確定性：早期專案可能失敗（Meta MTIA 曾推倒重來）；模型架構變化可能使定制 ASIC 過時；DeepSeek 專案若未官方確認，存在報導偏差可能。

Q：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導，可信度較高，但 DeepSeek 尚未官方證實。專案處於早期階段，目標為推理而非訓練。

Q：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，但未宣布自研晶片專案。

Q：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，吳泳銘披露量產資料。阿里造晶已是成熟業務，非近日傳聞。

Q：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 生態與極致彈性，Nvidia 仍佔主導。

Q：大廠造晶片主要是為了國家安全還是省錢？
兩者兼有。短期看，降低推理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。

DeepSeek 截至本文寫作時未官方確認晶片專案。本文基於路透社、WSJ、OpenAI 官方、暗涌採訪及公開財報資訊整理，不構成投資建議。

以下為主要參考來源，發版或上游更新後請再次開啟連結核對：

OpenAI Official: Jalapeño inference chip with Broadcom

Caixin Global: Alibaba Zhenwu 810E analysis

SCMP: Joe Tsai on chip export restrictions

若你把大模型開發與 Agent 工作流跑在個人筆電或共享辦公網路上，算力爭搶、環境不一致與合規稽核會越來越難。筆電休眠會中斷長工作階段；共享網路難以做一致的算力分層。

若你需要隔離的 7×24 開發終端、獨占 Apple Silicon 與可控出站策略，把 iOS CI 與 AI Agent 分層部署到專用 Mac Mini 裸金屬節點，通常比在算力飢渴的混合環境上賭運氣更穩：NOVAKVM 提供多區域 Mac Mini M4 / M4 Pro 彈性租期，預設 SSH、適合 iOS CI/CD 與 AI Agent 自動化。方案見 定價頁，下單見 訂購頁，部署見 雲端幫助中心。