從 DeepSeek 秘密造芯到平頭哥真武量產：大廠為何都要自己造晶片？（2026）

執行摘要（30 秒讀懂）

一、痛點拆解：模型越強，推理「房租」越貴

當 ChatGPT 類产品拥有数亿日活时，推理支出已超过訓練——行業內部常用比喻：訓練是买房首付（一次性集中投入），推理是每月房租（持續、随用戶量线性增长）。DeepSeek 與阿里平頭哥的自研晶片，指向同一核心矛盾：

1. 通用 GPU 的架構错配：輝達 H100、Blackwell 為各種任务設計，在高度同质化的 LLM 推理場景里，大量算力開銷實際上是浪費——通用 GPU 是瑞士軍刀，定制 ASIC 是專業手術刀。
2. 單一供應商鎖定與「GPU 稅」：Nvidia 數據中心 GPU 毛利率超 70%——雲廠商每買一張 H200，大部分利潤流向 Nvidia。過去 DeepSeek 幾乎完全依賴輝達 GPU，後又深度適配華為昇騰；自研晶片本質是把永久性「GPU 稅」轉化為一次性研發投入。
3. 出口管制與供應鏈不可預期：美国對华高端 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——安全不僅指網路安全，更指供應鏈可預期性。

二、DeepSeek 造芯傳聞：真假與證據鏈

2.1 傳聞内容（2026 年 7 月）

2026 年 7 月 7–8 日，多家媒体跟进路透社独家報導，核心資訊一致：

1. DeepSeek 正在開發自研 AI 晶片，目标場景是推理（inference），而非訓練（training）。
2. 專案約于 2025 年中启动（報導表述为「一年前」），目前仍处于早期階段。
3. 公司正與晶片設計公司、晶圓代工厂（foundry）、儲存器供應商接洽。
4. 近几個月加大晶片設計工程師招聘，但未在公開招聘平台發布，采用私下挖人方式。
5. 若成功，將降低對 Nvidia 和 華為昇騰 的双重依賴——这一点尤为值得关注，因为 DeepSeek 此前已深度適配華為晶片。

可以寫「據路透社等多家媒体報導，DeepSeek 已启动自研推理晶片專案」，不宜寫「梁文鋒正式宣佈造芯」。應標註「知情人士 / 早期階段 / 未官方證實」。

2.2 可信度評估

2.3 間接证據详解

• 74 億美元融資：2026 年 6 月首轮外部融資約 510 億元人民幣（約 74 億美元），對外披露用途明确含「自研 AI 晶片」與「擴建國產算力中心」。
• UE8M0 FP8：DeepSeek 模型层采用的 UE8M0 FP8 數據格式，被業內解讀为面向國產晶片的软硬體協同設計信号。
• 烏蘭察布招聘：DeepSeek 在烏蘭察布等地規劃 IDC 與工程師招聘，與算力基礎設施扩张一致。

2.4 時間線（2023–2026）

三、梁文鋒說過什么？與傳聞的關係

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。他從未在公開採訪中宣佈「DeepSeek 要造晶片」——路透社報導的是公司行為（招聘、接洽供應商），不是創辦人宣言。

關鍵原話（與晶片/算力相关）

「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

國內最好水平與國外相比，訓練效率約有一倍差距，數據效率又約一倍差距，合計需要約 4 倍算力才能達到同样效果。
— 梁文鋒，暗湧

「很多國產晶片發展不起来，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。」
— 梁文鋒，暗湧

「對研究员来说，對算力的渴求是永无止境的……我们也會有意識地去部署盡可能多的算力。」
— 梁文鋒，暗湧

部落格中应區分：「創辦人長期表態」≠「官方專案公告」。他的表述確立了戰略動機：算力約束、出口管制、软硬體協同必要性。

四、阿里巴巴 / 馬雲：不是傳聞，是八年佈局

用戶提到的「馬雲說過類似的话」，需要釐清：阿里造芯是已執行多年的戰略，不是近日傳聞。不宜寫「馬雲最近要說造晶片」——準確说法是：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。

4.1 馬雲時代（2018）：戰略起點

• 2018 年 9 月雲棲大會，阿里巴巴將中天微與達摩院晶片团队整合，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」——傳達長期投入晶片的決心。
• 張建鋒（行癲）表示：晶片已是阿里巴巴集團戰略級事項，而非普通業務部門。

4.2 馬雲 vs 蔡崇信 vs 吳泳銘

4.3 真武（Zhenwu）系列產品表

4.4 商業化數據（2026 年）

• 累計出貨：56 萬片+（2026 年上半年數據）
• 年化營收：百億人民幣級
• 客戶：阿里云內部、中国聯通等；據稱 400+ 企業客戶使用真武叢集
• 資本動作：平頭哥注册資本增至 10 億元（2026 年 6 月）
• 投資：阿里宣佈未來三年投入 3800 億元 于云與 AI 基礎設施（含晶片、算力、液冷等）

4.5 與 Nvidia 的關係

• WSJ 報導：阿里新晶片相容 Nvidia CUDA 生態，降低工程師遷移成本（與華為路線不同）。
• 製造：從早期 TSMC 轉向國內代工（業界普遍指向 SMIC 7nm 等成熟方案），以應對美国限制 TSMC 为大陸代工先進 AI 晶片的規則。

五、2026 年 7 月最新進度對照表

六、全球對標：不只中国公司在造芯

2026 年 7 月，「AI 公司造芯」已是全球現象，不是中国獨有：

TrendForce 數據（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。這不是民族主義敘事，而是 unit economics：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」。

七、五大驅動力（按重要性排序）

7.1 經濟學：推理成本是 AI 的「房租」（排第一）

Morgan Stanley 曾估算：24,000 顆 Blackwell GPU 叢集硬體成本約 8.52 億美元；同等規模 Google TPU 叢集約 0.99 億美元（硬體口徑，Breakingviews/Reuters 引述）。SemiAnalysis、Bernstein 等機構估算：在大規模、多年期推理部署中，定制 ASIC 相對通用 GPU 可有 40–65% TCO 優勢；hyperscaler 場景下每 token 成本可降低 30–40%。Nvidia 數據中心 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。

7.2 供應鏈安全與地緣政治

美国對华高端 AI 晶片出口管制、中國監管鼓勵採購國產算力、Nvidia 晶片安全疑慮——即使美國公司也面臨「買不到足夠 Nvidia 晶片」的配給問題。安全不僅指網路安全，更指供應鏈可預期性：不被單一供應商、單一國家政策卡脖子。

7.3 软硬體協同（Co-design）

• DeepSeek UE8M0 FP8、MLA 架構 → 为特定硬體特性優化
• OpenAI Jalapeño → 圍繞 ChatGPT 真實 serving 模式設計（KV cache、batching、latency）
• Google TPU → 與 TensorFlow/JAX 深度綁定

通用 GPU 为靈活性犧牲效率；定制晶片为已知工作負載犧牲靈活性換取效率。

7.4 競爭壁壘與議價能力

即使不全面替代 Nvidia，自研晶片也可：在採購谈判中增加籌碼、向雲客戶展示差異化算力、構建「模型 + 云 + 晶片」全棧故事（阿里「金三角」、OpenAI full-stack infrastructure）。

7.5 能源與可持續發展

推理晶片強調 performance-per-watt（每瓦效能）。在兆瓦級、吉瓦級數據中心時代，電力和散熱成本與晶片採購成本同等重要。ASIC 剔除 GPU 中大量用不到的通用電路，功耗顯著更低。

可引用硬核數據（EEAT）

• 74 億美元：DeepSeek 2026 年 6 月首轮外部融資，用途含自研 AI 晶片與國產算力中心。
• 56 萬片+：阿里平頭哥真武系列 2026 年上半年累計出貨量；年化營收百億人民幣級。
• 3800 億元：阿里巴巴未來三年云與 AI 基礎設施投入（含晶片、算力、液冷）。
• 44.6% vs 16.1%：TrendForce 2026 年雲廠商定制 AI 晶片 vs 通用 GPU 出貨量增速。
• 70%+：Nvidia 數據中心 GPU 毛利率——「GPU 稅」的量化指标。

八、推理 vs 訓練：為何多數先做推理晶片？

结论：訓練仍是 Nvidia 主场；推理是定制 ASIC 的主战场。 DeepSeek 傳聞晶片、OpenAI Jalapeño、阿里真武 810E 均聚焦推理或訓推一體中的推理優化——這不是巧合，而是經濟學驅動的必然選擇。

九、安全 vs 节約成本：怎麼寫才不偏頗？

繁體讀者對「卡脖子 / 國產替代 / 自主可控」共鳴更強；但經濟學是第一驅動力——地緣政治加速了已存在的成本動機，而非替代它。一篇準確的文章应兩條線都寫：短期看，降低推理成本與供應鏈風險是最緊迫的；長期看，全棧效率决定 AI 商業化的天花板。

十、風險與不確定性

1. DeepSeek 造芯尚未官方證實：在 DeepSeek 發布新聞稿前，应寫「據報導 / 知情人士稱」，避免寫「已證實」。
2. 早期專案可能失敗：Meta MTIA 曾推倒重來；定制 ASIC 若 LLM 架構發生根本性改變（如不再是 Transformer），適配成本極高。
3. 製造與 foundry 約束：先進製程產能、SMIC 7nm 等國內代工方案的效能天花板，限制國產晶片與 Nvidia Blackwell 的絕對效能差距。
4. 軟體生態遷移成本：即使阿里真武相容 CUDA，大規模遷移仍需要工程投入；華為昇騰路線則完全另建生態。
5. 合作與自研並行：DeepSeek 短期仍依賴華為昇騰與 Nvidia 存量；自研晶片從早期研發到量產通常需要 3–5 年——Jalapeño 從設計到流片 9 個月已是極端快速案例。
6. 勿混淆訓練與推理：很多讀者搞混兩者；定制推理晶片短期內不會撼動 Nvidia 在訓練階段的主導地位。

十一、五步 Runbook：大廠造芯浪潮下的推理成本優化

1. 審計推理 vs 訓練成本結構：按模型、API 調用量與 GPU 租賃帳單拆分推理與訓練支出，建立每百萬 Token 成本基線，識別推理「房租」佔比——對照定制 ASIC 30–65% TCO 節省假設做敏感性分析。
2. 評估供應鏈與單一供應商依賴：盤點 Nvidia/CUDA 鎖定程度、國產算力（昇騰、真武）備選與 API 定價波動風險；追蹤 DeepSeek、OpenAI Jalapeño、Anthropic-Samsung 等自研晶片進度對云定價的潛在影響。
3. 配置多 Provider 推理閘道器：部署 LiteLLM 或等價閘道器，支援 OpenAI、DeepSeek、本地 MLX/Ollama 與多雲降級，避免單一模型或晶片供應商鎖定。
4. 在 Mac 雲節點驗證本地推理：在 vpsmac.com M4 Pro 64GB 節點用 MLX 跑 14B-32B 量化模型，對比雲端 API 每美元 Token 產出，建立可審計的邊緣推理備選方案。
5. 部署 7×24 Agent 生產環境：將 AI Agent 工作負載遷移至可預期成本的 Mac 雲主機，隔離金鑰與閘道器，持續監控推理延遲與 Token 成本曲線。

十二、FAQ

Q1：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。專案处于早期階段，正與 foundry 和儲存廠商接洽。

Q2：梁文鋒公開說過要造晶片吗？

沒有。他 2024 年暗湧採訪中表示「最大挑戰是高端晶片出口禁令」，並強調算力部署，但未宣佈自研晶片專案。路透社報導的是公司行為，不是創辦人宣言。

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並親自命名；近年蔡崇信強調出口管制影響，吳泳銘 2026 年披露量產數據。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、7×24 持續發生，適合 ASIC 優化；訓練需要 CUDA 生態和極致靈活性，Nvidia 仍佔主導。

Q5：大廠造晶片主要是為了國家安全还是省錢？

兩者兼有，但經濟學是第一驅動力：定制 ASIC 在大規模推理部署中可比通用 GPU 降低 30–65% TCO；Nvidia 數據中心 GPU 毛利率超 70%。地緣政治加速了已存在的成本動機。

結語：定制矽時代，開發者如何保持算力敏捷性？

從 DeepSeek 秘密造芯傳聞到平頭哥真武 56 萬片量產，再到 OpenAI Jalapeño 9 個月流片——AI 公司單純向最高出價者購買算力的時代正在結束。對大多數開發者而言，在巨頭數據中心 ASIC 全面落地之前，依賴公有雲 API 仍是主流路徑——但 API 定價波動、Nvidia 單一供應商鎖定與推理延遲不可控，始終是生產環境的隱性成本。純 Linux GPU VPS 雖可跑 CUDA 推理，卻面臨驅動排障、顯存碎片化與 Apple 工具鏈/Xcode CI 不相容的長期運維負擔；等待 DeepSeek 或阿里自研晶片量產再遷移，則意味著 3–5 年的戰略空窗期。若你需要在定制矽軍備競賽間隙建立可預期、可審計、可本地驗證的推理備選方案，在 M4 Mac 雲節點上用 MLX 跑中型模型、部署 7×24 Agent，往往比純 GPU VPS 更省心：統一記憶體架構對 14B-70B 量化推理更友好，Metal 堆疊無需 CUDA 驅動折騰，且與 Apple 工具鏈、Codex 類 Agent 工作流天然共存。當推理經濟學進入「全棧效率」競爭時代，租賃 VPSMAC 的 Mac 雲主機是在巨頭晶片戰爭間隙保持技術敏捷性的務實選擇。

最後更新：2026-07-09 — DeepSeek 造芯專案截至本文撰寫日尚未官方確認；阿里平頭哥、OpenAI Jalapeño 等進展以各公司公開資訊為準。發布前請核對最新新聞。