2026 DEEPSEEK
CUSTOM_AI_
CHIP_
INFERENCE_2026.
導讀：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（inference）的自研晶片——專案約一年前啟動，正與晶片設計、晶圓代工、儲存廠商接洽，並低調招募工程師。一個反直覺的事實是：DeepSeek 此前已深度適配華為昇騰，卻仍要自研——說明合作與自研並行，而非二選一。與此同時，阿里巴巴 T-Head 平頭哥的真武晶片已量產超 56 萬片，年化營收百億級——這是「傳聞 vs 八年實戰」的鮮明對比。本文依調研文件全部要點，拆解 DeepSeek 傳聞證據鏈、梁文鋒公開表態、阿里八年布局、2026 年 7 月全球進度對照表、五大驅動力、推理 vs 訓練技術差異、風險與5 則 FAQ。
30 秒讀懂 · 執行摘要
| DeepSeek 造晶是真的嗎？ | 大概率屬實，早期階段。路透 7/7 報導；官方未公告；融資 74 億美元用途含自研晶片 |
| 梁文鋒官宣了嗎？ | 沒有。他強調的是出口禁令與算力飢渴，提供策略動機而非專案公告 |
| 馬雲也說過？ | 部分對應，時間線不同。2018 年馬雲為平頭哥命名；近年蔡崇信、吳泳銘接力表態 |
| 最新進度？ | DeepSeek 早期研發；阿里真武 810E 量產；OpenAI Jalapeño 流片完成待部署 |
| 為何造晶？ | 經濟學第一：推理是 AI 的「房租」；客製 ASIC 大規模部署 TCO 可降 30–65% |
1. 痛點拆解：為什麼 2026 年「造晶」突然洗版
- 新聞密度爆炸：2026 年 6–7 月，OpenAI Jalapeño、路透 DeepSeek、The Information 智譜／Anthropic 客製晶片幾乎同期曝光——這不是中國獨有現象，而是全球 AI 實驗室集體下場。
- 表述陷阱：讀者常把「梁文鋒說過算力難」等同於「官宣造晶」，或把「馬雲 2018 年定策略」誤讀為「馬雲最近說要造晶片」——本文逐一釐清。
- 訓練 vs 推理混淆：多數新專案是推理 ASIC，不是挑戰 Nvidia 訓練霸主地位——搞清這一點，才能正確評估 DeepSeek 傳聞的含金量。
2. DeepSeek 造晶傳聞：真假與證據鏈
2.1 傳聞內容（2026 年 7 月）
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，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 已深度適配昇騰，這一點尤為值得關注
2.2 可信度評估
| 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 2026-07-09，DeepSeek 未發布新聞稿或社群媒體確認 |
| 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 規劃工程師招募；UE8M0 FP8 資料格式被業界解讀為面向國產晶片的軟硬體協同 |
| 矛盾資訊 | 存在。部分分析認為 DeepSeek 短期更依賴華為昇騰。更準確表述：合作與自研並行，自研尚早，合作已落地 |
部落格表述建議：可以寫「據路透社等多家媒體報導，DeepSeek 已啟動自研推理晶片專案」，不宜寫「梁文鋒正式宣布造晶」。應標註「知情人士／早期階段／未官方證實」。
2.3 時間線
3. 梁文鋒說過什麼？與傳聞的關係
梁文鋒公開受訪極少，最有價值信源是「暗湧 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 | 出處 |
|---|---|---|
| 最大挑戰是禁令，不是錢 | 「我們真正的挑戰從來不是資金，而是高端晶片的出口禁令。」 | 暗湧 2024-07 |
| 算力效率差距 | 國內與國外訓練效率約一倍差距，資料效率再約一倍，合計需要約 4 倍算力才能達到同樣效果 | 暗湧 |
| 技術社群 | 「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。」 | 暗湧 |
| 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。」 | 暗湧 |
與造晶傳聞的關係：梁文鋒從未在公開受訪中宣布「DeepSeek 要造晶片」。他的表述確立策略動機：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（招募、接洽供應商），不是創辦人宣言。「創辦人長期表態」≠「官方專案公告」。
4. 阿里巴巴／馬雲：不是傳聞，是八年布局
讀者常問「馬雲也說過類似的話？」——需釐清：阿里造晶是已執行多年的策略，不是近日傳聞。
4.1 馬雲時代（2018）：策略起點
- 2018 年 9 月雲棲大會，阿里巴巴將中天微與達摩院晶片團隊整合，成立平頭哥半導體有限公司（T-Head）
- 公司名由馬雲親自拍板。「平頭哥」即蜜獾，寓意「無所畏懼」
- 張建鋒（行癲）：晶片已是阿里巴巴集團策略級事項
- 初期方向：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
4.2 馬雲 vs 蔡崇信 vs 吳泳銘
| 人物 | 角色 | 與晶片相關的公開表述 |
|---|---|---|
| 馬雲 | 2018 年策略決策者 | 命名平頭哥、將晶片定為集團策略；2019 年卸任董事局主席後公開露面減少 |
| 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；中國 AI 落後美國約兩年；長期相信中國會發展出自主先進半導體能力 |
| 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」——準確說法是：馬雲 2018 年奠定平頭哥策略，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。
4.3 阿里造晶最新進展（2026）
產品：真武（Zhenwu）系列
| 型號 | 時間 | 要點 |
|---|---|---|
| 含光 800 | 2019 | 早期 AI 推理晶片 |
| 真武 810E | 2026 年 1 月發布 | 訓推一體；96GB HBM2e；效能介於 Nvidia A800 與 H20 之間；已量產 |
| 真武 M890 | 2026 | 144GB 記憶體，片間互聯 800GB/s 頻寬，效能約為 810E 的 3 倍 |
| 真武 V900 | 計畫 2027 Q3 | 216GB 記憶體，1200GB/s 互聯 |
| 真武 J900 | 計畫 2028 Q3 | 自研並行運算架構迭代 |
商業化數據（2026 年）：累計出貨 56 萬片+；年化營收 百億人民幣級；客戶含阿里雲內部、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。
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），以因應美國限制 TSMC 為大陸代工先進 AI 晶片的規則。
5. 最新進度對照表（2026 年 7 月）
| 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；低調招募；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 洽談客製晶片 | 探索階段 | 未定 | 2026 年 7 月 The Information 報導 |
| 智譜 AI | 評估自研客製晶片 | 早期 | 推理 | 2026 年 7 月 The Information 報導 |
TrendForce 數據（2026）：雲端廠商客製 AI 晶片出貨量增速 44.6%，遠超通用 GPU 的 16.1%——客製矽首次在增速上顯著跑贏 GPU。
6. 全球對標：不只中國公司在造晶
2026 年 7 月，「AI 公司造晶」已是全球現象。這不是民族主義敘事，而是單位經濟學（unit economics）驅動的基礎設施競賽。
7. 大廠為何都要造晶片？五大驅動力
一句話答案：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」。
| 排序 | 驅動力 | 核心邏輯 | 關鍵數據 |
|---|---|---|---|
| 1 | 經濟學：推理成本是 AI 的「房租」 | 訓練＝買房頭期；推理＝每月房租。ChatGPT 類產品有數億日活時，推理支出超過訓練 | Morgan Stanley：24,000 顆 Blackwell 叢集硬體約 8.52 億美元；同等規模 Google TPU 約 0.99 億美元。客製 ASIC 大規模部署 TCO 優勢 40–65%；每 token 成本可降 30–40% |
| 2 | 供應鏈安全與地緣政治 | 美國對華高端 AI 晶片出口管制；中國鼓勵國產算力；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 |
| 3 | 軟硬體協同（Co-design） | DeepSeek UE8M0 FP8、MLA 架構；OpenAI Jalapeño 圍繞 ChatGPT serving 設計 | 通用 GPU 為彈性犧牲效率；客製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 | 建構「模型 + 雲 + 晶片」全棧故事（阿里「金三角」、OpenAI full-stack infrastructure） |
| 5 | 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，電力與散熱成本與晶片採購同等重要；ASIC 剔除 GPU 中大量通用電路，功耗顯著更低 |
Nvidia 資料中心 GPU 毛利率超 70%——雲端廠商每買一張 H200，大部分利潤流向 Nvidia。自研晶片本質是把永久性「GPU 稅」轉化為一次性研發投入。
7.1 安全 vs 節約成本：怎麼寫才不偏頗？
| 敘事角度 | 適用讀者 | 寫法 |
|---|---|---|
| 地緣政治／脫鉤 | 關心中美科技競爭 | 強調出口管制、國產替代、供應鏈自主 |
| 商業／投資 | 關心 AI 經濟學 | 強調 TCO、毛利率、token 成本、capex 報酬 |
| 技術 | 工程師讀者 | 強調 co-design、ASIC vs GPU、推理架構 |
| 安全 | 企業採購決策者 | 強調資料主權、供應鏈韌性、減少第三方依賴 |
中文讀者對「卡脖子／國產替代／自主可控」共鳴更強；英文讀者更吃「economics／unit economics／Nvidia tax／TCO」框架。一篇好文章應兩條線都寫。
8. 推理晶片 vs 訓練 GPU：為什麼產業在分裂
| 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 + 彈性程式設計 | 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 |
| 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；推理是客製 ASIC 的主戰場。 這也是 DeepSeek 傳聞晶片聚焦 inference 而非 training 的技術與經濟邏輯。
9. 風險與不確定性
- 早期專案可能失敗：Meta MTIA 曾推倒重來——自研晶片不是「宣布即成功」。
- 架構變化風險：若模型架構劇變，為當前 workload 優化的 ASIC 可能迅速過時。
- DeepSeek 未官方證實：在新聞稿落地前，應寫「據報導／知情人士稱」，勿寫「已證實」。
- 製造瓶頸：先進製程、HBM 供應、foundry 產能仍是全產業瓶頸，不只中國公司面臨。
10. 五步落地：開發者與技術決策者可以怎麼做
- 區分新聞層級：路透獨家 → 間接證據（融資用途、招募）→ 創辦人受訪動機 → 官方公告。按此階梯更新認知，避免被標題黨帶節奏。
- 追蹤推理成本而非僅看訓練算力：若你營運 AI 產品，用「每百萬 token 成本」「峰值並發延遲」而非 FLOPS 做採購決策。
- 評估軟硬體協同訊號：DeepSeek UE8M0 FP8、MLA 等模型層優化，往往是「為特定硬體鋪路」的前兆——關注技術部落格與論文註腳。
- 多雲／多晶片 fallback：無論 DeepSeek 自研是否成功，企業應預設 Nvidia／國產 ASIC／雲 API 多路徑，避免單點供應商鎖定。
- 設定資訊刷新週期：此類話題 2–4 週可能有新進展。本文標註最後更新：2026-07-09，建議訂閱路透、OpenAI 官方部落格、阿里財報電話會紀要。
11. 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。專案處於早期階段。
Q2：梁文鋒公開說過要造晶片嗎？
沒有。他 2024 年受訪時表示「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。
Q3：馬雲和蔡崇信誰在談晶片？
馬雲 2018 年策略層面創立平頭哥；近年蔡崇信強調出口管制影響，吳泳銘披露量產數據。阿里造晶已是成熟業務，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 生態與極致彈性，Nvidia 仍占主導。
Q5：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。
12. 免責聲明與參考來源
DeepSeek 尚未官方確認晶片專案（截至本文撰寫日）。本文基於路透社、OpenAI 官方、WSJ、財新、暗湧受訪及阿里巴巴公開資訊整理，僅供技術與產業分析參考，不構成投資建議。
- Reuters：DeepSeek developing own AI chip (Jul 7, 2026)
- OpenAI Official：Jalapeño inference chip announcement
- WSJ：Alibaba AI chip to fill Nvidia void
- Caixin Global：Alibaba Zhenwu 810E analysis
- SCMP：Joe Tsai on chip export restrictions
- 暗湧 Waves：梁文鋒 2023/2024 專訪
13. 收束：大廠在造「房租晶片」，開發者在 Mac 上驗證推理工作流
當 DeepSeek、OpenAI、阿里在平頭哥層面爭奪推理 ASIC時，一般開發者面對的仍是更務實的問題：我的模型在本機能跑多快？API 帳單會不會隨日活線性爆炸？ 純 Windows／Linux 雲 GPU 可以跑推理，但在 Apple Silicon 上透過 MLX／Ollama 做原型驗證、統一記憶體跑中小模型、再用遠端節點承接峰值流量，往往更省事。若你需要在隔離環境中測試 DeepSeek 衍生模型、對比不同量化方案的 token 成本，或避免本機開發機與生產 API Key 混用，可考慮 MACGPU 遠端 Mac mini M4 節點：Apple Silicon 統一記憶體適合本地推理實驗，SSH 按需啟停，把「等大廠晶片量產」與「今天就要驗證工作流」分開管理。