路透社 7 月獨家 · 梁文鋒原話 · 真武 56 萬片量產 · 全球對標 · 推理晶片為何成新戰場
TL;DR：2026 年 7 月 7 日，路透社援引三名知情人士報導，DeepSeek 正在開發專用於 AI 推理的自研晶片，專案約一年前啟動、處於早期階段，官方尚未證實。反直覺之處在於：DeepSeek 已深度適配華為昇騰，仍要自研——說明合作與自研並行。與此同時，阿里平頭哥真武已量產出貨 56 萬片+、年化營收百億級，這是「傳聞 vs 八年實戰」的鮮明對照。本文涵蓋：證據鏈與時間線、梁文鋒公開表態、平頭哥產品路線圖、2026 年 7 月全球進度對照表、大廠造芯五大驅動力、推理 vs 訓練對照、風險與 5 條 FAQ。最後更新：2026-07-09。
| 問題 | 結論（2026 年 7 月 9 日） |
|---|---|
| DeepSeek 梁文鋒要自研晶片，是真的嗎？ | 大概率屬實，但處於早期階段。路透社 7 月 7 日報導，目標為推理 ASIC；正接洽設計/代工/儲存廠商並低調招聘。官方未公告。 |
| 梁文鋒親口宣布了嗎？ | 沒有。他強調的是出口禁令與算力飢渴——戰略動機，非專案官宣。 |
| 馬雲也說過類似的話？ | 部分對應，時間線不同。馬雲 2018 年為平頭哥命名；近年蔡崇信、吳泳銘接棒表態。阿里造芯已是量產級。 |
| 最新進度？ | DeepSeek：74 億美元融資含造芯用途；阿里真武 810E 已量產；OpenAI Jalapeño 9 個月流片待部署。 |
| 安全還是省錢？ | 兩者都有，經濟學是第一驅動力。推理成本是 AI 商業化的「房租」；定制 ASIC 大規模部署 TCO 可降 30–65%。 |
算力成本不透明：推理隨日活線性增長，GPU「租金」長期高於訓練一次性投入。
出口管制波動：H100/H800/H20 等輪番受限，採購與合規路徑頻繁變化。
單一供應商依賴：Nvidia 資料中心 GPU 毛利率超 70%，雲廠商議價能力有限。
軟硬體協同窗口：DeepSeek UE8M0 FP8、MLA 等架構暗示為特定硬體 co-design 預留空間。
本地驗收門檻：追蹤 DeepSeek V4 / ds4 等前沿模型，96GB+ 統一記憶體 Mac 購置成本高——遠端 Mac 按小時試跑成為務實路徑（見文末）。
2026 年 7 月 7–8 日，多家媒體跟進路透社獨家，核心資訊一致：
DeepSeek 正在開發自研 AI 晶片，場景為推理（inference），而非訓練（training）。
專案約於2025 年中啟動（報導稱「一年前」），目前仍處於早期。
正與晶片設計公司、晶圓代工廠（foundry）、儲存器供應商接洽。
近幾個月加大晶片工程師招聘，未在公開招聘平台發布，採用私下挖人。
若成功，將降低對 Nvidia 和 華為昇騰 的雙重依賴——DeepSeek 此前已深度適配昇騰。
| 維度 | 評估 |
|---|---|
| 信源級別 | 高。路透社「三名知情人士（three people familiar with the matter）」標準措辭。 |
| 公司官方確認 | 無。截至調研日 DeepSeek 未發布新聞稿或社媒確認。 |
| 間接證據 | 強。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」「擴建國產算力中心」；IDC 規劃工程師招聘；UE8M0 FP8 被業內解讀為面向國產晶片的軟硬體協同。 |
| 矛盾資訊 | 部分分析認為短期更依賴華為合作、造芯「傳聞淡化」。更準確表述：合作與自研並行，自研尚早，合作已落地。 |
| 時間 | 事件 |
|---|---|
| 2023–2024 | 梁文鋒暗涌採訪：出口禁令是最大挑戰；算力飢渴 |
| 2025-01 | DeepSeek R1 發布，基於 Nvidia H800 訓練（該晶片 2023 年底已被禁出口） |
| 2025 年中 | 據傳自研晶片專案啟動 |
| 2026-04 | DeepSeek V4 適配華為昇騰；V4-Flash 部分訓練使用昇騰 |
| 2026-06 | 首輪外部融資 ~74 億美元，用途含自研晶片 |
| 2026-07-07 | 路透社：DeepSeek 正開發自研推理晶片（獨家） |
| 2026-07 | The Information：智譜亦評估自研定制晶片 |
梁文鋒公開採訪極少，最有價值信源是「暗涌 Waves」2023 年 5 月、2024 年 7 月兩次深度專訪。與晶片/算力相關的關鍵原話：
| 主題 | 原話要點 | 時間 |
|---|---|---|
| 最大挑戰 | 「我們真正的挑戰從來不是資金，而是高端晶片的出口禁令。」 | 2024-07 |
| 效率差距 | 國內與國外訓練/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。 | 暗涌 |
| 技術前沿 | 「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。」 | 暗涌 |
| 算力渴求 | 「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。」 | 暗涌 |
與造芯傳聞的關係：梁文鋒從未在公開採訪中宣布「DeepSeek 要造晶片」。他的表述確立戰略動機（算力約束、出口管制、軟硬體協同必要性）；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。須區分：「創辦人長期表態」≠「官方專案公告」。
讀者常問「馬雲也說過類似的話？」——需釐清：阿里造芯是已執行多年的戰略，不是近日傳聞。
2018 年 9 月雲棲大會，阿里巴巴將中天微與達摩院晶片團隊整合，成立平頭哥半導體有限公司。公司名由馬雲親自拍板（蜜獺寓意「無所畏懼」）。張建鋒（行癲）表示：晶片已是阿里巴巴集團戰略級事項。初期方向含 AI 晶片（含光系列）、嵌入式晶片、雲端一體化；後擴展至伺服器 CPU（倚天）、RISC-V IP（玄鐵）等。
| 人物 | 角色 | 與晶片相關的公開表述 |
|---|---|---|
| 馬雲 | 2018 戰略決策者 | 命名平頭哥、將晶片定為集團戰略；2019 年卸任後公開露面減少 |
| 蔡崇信（Joe Tsai） | 現任董事長 | 2024 年 podcast：美國晶片出口限制「明確影響」阿里雲；長期相信中國會發展出自主先進半導體能力；出口管制是阿里雲分拆擱置原因之一 |
| 吳泳銘 | 現任 CEO | 2026 財年財報電話會：平頭哥 AI 晶片累計交付 47 萬片+、年化營收百億級；未來不排除平頭哥獨立上市 |
不宜寫「馬雲最近說要造晶片」——易誤導讀者。準確說法：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。
| 型號 | 時間 | 要點 |
|---|---|---|
| 含光 800 | 2019 | 早期 AI 推理晶片 |
| 真武 810E | 2026-01 發布 | 訓推一體；96GB HBM2e；性能介於 Nvidia A800 與 H20 之間；已量產 |
| 真武 M890 | 2026 | 144GB 顯存，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 |
累計出貨：56 萬片+（2026 年上半年）
年化營收：百億人民幣級
客戶：阿里雲內部、中國聯通等；據稱 400+ 企業客戶使用真武叢集
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（含晶片、算力、液冷等）
與 Nvidia 的關係：華爾街日報報導：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），以應對美國限制 TSMC 為大陸代工先進 AI 晶片的規則。
「AI 公司造芯」已是全球現象。2026 年 6–7 月關鍵節點：OpenAI + Broadcom 發布 Jalapeño（6-24）；Anthropic 據報與 Samsung 洽談 2nm（7-02）；路透社 DeepSeek（7-07）；The Information 智譜評估（7-07）。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。
| 公司 | 晶片專案 | 階段 | 場景 | 關鍵數字/事件 |
|---|---|---|---|---|
| DeepSeek | 自研推理 ASIC（未命名） | 早期研發 | 推理 | 融資 74 億美元；低調招聘；未官方確認 |
| 阿里巴巴（平頭哥） | 真武 810E / M890 | 量產 | 訓推一體 | 出貨 56 萬片+；年化營收百億級 |
| 華為 | 昇騰 950 等 | 量產 | 訓推 | DeepSeek V4 適配；訂單激增（路透） |
| OpenAI | Jalapeño（與 Broadcom） | 流片完成，待部署 | 推理 | 9 個月設計到 tape-out；2026 年底部署 |
| TPU v6/v7 | 大規模商用 | 訓推 | Gemini 端到端可用 TPU | |
| Amazon | Trainium3 / Inferentia | 商用 | 訓練+推理 | Anthropic 大規模使用 Trainium |
| Microsoft | Maia 100 | 部署中 | 推理 | 服務 Azure / OpenAI 工作負載 |
| Meta | MTIA | 內部部署 | 推理 | 推薦系統為主；曾推倒重來 |
| Anthropic | 與 Samsung 洽談定制晶片 | 探索階段 | 未定 | 2026 年 7 月 The Information 報導 |
| 智譜 AI | 評估自研定制晶片 | 早期 | 推理 | 2026 年 7 月 The Information 報導 |
一句話：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」。
經濟學：推理成本是 AI 的「房租」。訓練像買房首付（一次性）；推理像月租（隨用戶量線性增長）。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（硬體口徑）。SemiAnalysis、Bernstein 等機構估算：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。
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；即使美國公司也面臨 Nvidia 配給。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。
軟硬體協同（Co-design）：DeepSeek UE8M0 FP8、MLA → 為特定硬體優化；OpenAI Jalapeño → 圍繞 ChatGPT serving 模式（KV cache、batching、latency）；Google TPU → 與 TensorFlow/JAX 深度綁定。通用 GPU 為靈活性犧牲效率；定制晶片為已知工作負載犧牲靈活性換取效率。
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、向雲客戶展示差異化算力、構建「模型 + 雲 + 晶片」全棧故事。
能源與永續發展：推理晶片強調 performance-per-watt。兆瓦級資料中心時代，電力和散熱成本與晶片採購同等重要；ASIC 剔除 GPU 中大量用不到的通用電路，功耗顯著更低。
| 維度 | 通用 GPU（Nvidia） | 定制推理 ASIC |
|---|---|---|
| 靈活性 | 高，適配多種模型 | 低，綁定固定 serving 模式 |
| 大規模 TCO | 高（含「GPU 稅」） | 可降 30–65% |
| 軟體生態 | CUDA 護城河極深 | 需 co-design 與遷移 |
| 供應鏈 | 單一供應商 + 出口政策 | 可控性更高（但流片風險大） |
| 適用階段 | 訓練 + 早期推理 | 模型固定後的規模化推理 |
| 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（cuDNN、NCCL、Nsight） | 可針對固定模型手寫 kernel |
| 晶片要求 | 極致峰值算力 + 靈活編程 | 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 |
| 代表 | Nvidia H100/B200 主導 | TPU（部分）、Trainium、Maia、Jalapeño、DeepSeek 傳聞晶片 |
結論：訓練仍是 Nvidia 主場；推理是定制 ASIC 的主戰場。
造芯不是「官宣即成功」。須正視：
DeepSeek 專案尚早：無官方確認，流片與量產時間表未知。
Meta MTIA 曾推倒重來：定制矽路線可能因架構變化全面返工。
模型迭代風險：若基礎模型架構劇變，為舊 workload 設計的 ASIC 可能迅速貶值。
代工與 HBM 供給：先進製程與 High-Bandwidth Memory 仍是全球瓶頸。
免責聲明：截至本文寫作時，DeepSeek 尚未官方確認自研晶片專案。本文基於路透社等公開報導與財報/採訪整理，不構成投資或採購建議。
分清訓練 vs 推理成本：評估自家產品 token 量與 GPU 帳單，判斷 ASIC 新聞與業務的關聯度。
訂閱一級信源：Reuters、OpenAI 官方部落格、阿里財報電話會——避免僅看二手自媒體「已證實」標題。
多後端驗收 Agent：在 Mac 上用 OpenClaw / Claude Code 等工具，對比不同 API 路由的成本與延遲。
本地推理試跑：DeepSeek V4 / ds4 等需 96GB+ 統一記憶體——先按小時租遠端 Mac驗證，再決定是否購置 Mac Studio。
定期刷新本文：此類話題 2–4 週可能有新進展，關注文末「最後更新」日期。
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。
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。
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。
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。
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——定制 ASIC 大規模部署 TCO 可降 30–65%。
2026 年 7 月的晶片新聞，表面是 DeepSeek「秘密造芯」與阿里「八年量產」的對照，底層邏輯卻是同一命題：推理成本已成為 AI 商業化的房租，誰能掌握便宜的推理算力，誰就掌握下一階段市場的主動權。對開發者而言，追蹤 Jalapeño、真武 810E 或 DeepSeek 傳聞晶片，不等於立刻換硬體——更現實的路徑是：在可隔離的 macOS 環境裡驗收 Agent 工作流、對比 API 與本地推理，再決定是否投入 96GB+ 工作站。
自購 Mac Studio Ultra 試跑 DeepSeek V4 / OpenClaw 的前期成本動輒數萬元；租用 VNCMac 遠端 Mac 可按小時開通 M4 大記憶體節點，在 VNC 圖形會話中完成模型下載、Metal 授權與 Agent 控制台核對，專案結束即停租。查看 Mac Mini M4 套餐 與幫助頁 SSH-VNC 連接說明即可開始。
最後更新：2026-07-09 · 信源：路透社、OpenAI 官方、華爾街日報、財新、暗涌採訪、阿里巴巴財報/平頭哥公開資訊