DeepSeek 自研芯片是真的吗？
梁文锋算力布局 × 阿里平头哥八年造芯 × 全球推理芯片战（2026）

DeepSeek 造芯传闻拆解：路透社说了什么？证据链与可信度

2026 年 7 月 7–8 日，量子位、36 氪等多家媒体跟进路透社独家报道，核心信息一致：

1. 01

   目标场景是推理，不是训练：DeepSeek 正在开发自研 AI 芯片，专用于推理（inference）工作负载。

2. 02

   早期阶段：项目约于 2025 年中启动（报道表述为「一年前」），目前仍处于早期研发。

3. 03

   供应链接洽：正与芯片设计公司、晶圆代工厂（foundry）、存储器供应商接洽。

4. 04

   低调招聘：近几个月加大芯片设计工程师招聘，未在公开招聘平台发布，采用私下挖人。

5. 05

   双重依赖破局：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。

6. 06

   写作边界：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」，须标注知情人士 / 早期阶段 / 未官方证实。

可信度评估与间接证据

DeepSeek 造芯时间线

2023–2024  梁文锋暗涌采访：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 ~74 亿美元，用途含自研芯片
2026-07-07 路透社：DeepSeek 正开发自研推理芯片（独家）
2026-07    The Information：智谱亦评估自研定制芯片

阿里巴巴平头哥：马云 2018 战略起点 → 真武 810E 量产（2026）

用户常问「马云也说过类似的话？」——需厘清：阿里造芯是已执行多年的战略，不是近日传闻。不宜写「马云最近说要造芯片」，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。

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。
• 张建锋（行癫）表示：芯片已是阿里巴巴集团战略级事项，而非普通业务部门。
• 初期方向：AI 芯片（含光系列）、嵌入式芯片、云端一体化；后扩展至服务器 CPU（倚天）、RISC-V IP（玄铁）等。

马云 vs 蔡崇信 vs 吴泳铭

真武（Zhenwu）系列产品路线图

商业化数据（2026）

• 累计出货 56 万片+（2026 年上半年数据；财报口径累计交付 47 万片+）
• 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）
• 投资：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）

与 Nvidia 的关系：WSJ 报道阿里新芯片兼容 Nvidia CUDA 生态，降低工程师迁移成本（与华为路线不同）。制造方面，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。

大厂为何都要造芯片？五大驱动力与安全 vs 成本

一句话答案：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」。

五大驱动力（按重要性排序）

1. 01

   经济学：推理成本是 AI 的「房租」——训练 = 买房首付（一次性）；推理 = 每月房租（随用户量线性增长）。ChatGPT 数亿日活时，推理支出超过训练。Morgan Stanley 曾估算：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。SemiAnalysis、Bernstein 估算：定制 ASIC 相对通用 GPU 可有 40–65% TCO 优势；hyperscaler 场景每 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. 02

   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。安全指供应链可预期性：不被单一供应商、单一国家政策卡脖子。

3. 03

   软硬件协同（Co-design）：DeepSeek UE8M0 FP8、MLA 架构 → 为特定硬件优化；OpenAI Jalapeño → 围绕 ChatGPT serving 模式设计；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. 04

   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」）。

5. 05

   能源与可持续发展：推理芯片强调 performance-per-watt（每瓦性能）。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。

推理 vs 训练：为何多数先做推理芯片？

结论：训练仍是 Nvidia 主场；推理是定制 ASIC 的主战场。安全 vs 节约成本：两者兼有，但经济学是第一驱动力；地缘政治加速了已存在的经济动机。中文读者对「卡脖子 / 国产替代 / 自主可控」共鸣更强，但不宜偏颇——一篇好文章应两条线都写。

风险与不确定性

• 早期项目可能失败：Meta MTIA 曾推倒重来；定制 ASIC 若 LLM 架构根本性改变，适配成本很高。
• 勿写「已证实」：DeepSeek 造芯在官方确认前，应写「据报道 / 知情人士称」。
• 勿混淆训练与推理：上文表格已明确区分。
• 定期更新：此类话题 2–4 周可能有新进展，请关注文末更新日期。