DeepSeek 自研芯片是真的吗？
梁文锋算力布局与阿里平头哥八年造芯路

核心痛点拆解：

• 信息真假难辨：社交媒体充斥「梁文锋官宣造芯」的误读，但创始人从未公开宣布该项目。
• 训练 vs 推理混淆：报道明确指向推理芯片，而非训练芯片——二者技术路径与商业逻辑截然不同。
• 合作与自研并行：2026 年 4 月 DeepSeek V4 已适配华为昇腾，部分训练使用昇腾——自研并非否定现有合作。
• 早期阶段风险：Meta MTIA 曾推倒重来，架构变化可能使 ASIC 投资打水漂。

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

1. DeepSeek 正在开发自研 AI 芯片，目标场景是推理，而非训练。
2. 项目约于 2025 年中启动（报道表述为「一年前」），目前仍处于早期阶段。
3. 正与芯片设计公司、晶圆代工厂（foundry）、存储器供应商接洽。
4. 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. 若成功，将降低对 Nvidia 和 华为昇腾 的双重依赖。

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」。应标注「知情人士 / 早期阶段 / 未官方证实」。

梁文锋公开采访极少，最有价值信源是「暗涌 Waves」2023 年 5 月、2024 年 7 月两次深度专访。他从未在公开采访中宣布「DeepSeek 要造芯片」——路透社报道的是公司行为（招聘、接洽供应商），不是创始人宣言。

梁文锋四次关键原话（与芯片/算力相关）：

• 最大挑战是芯片禁令，不是钱：「我们真正的挑战从来不是资金，而是高端芯片的出口禁令。」—— 2024 年 7 月，暗涌采访
• 算力效率差距 = 四倍资源消耗：国内最好水平与国外相比，训练效率约有一倍差距，数据效率又约一倍差距，合计需要约 4 倍算力才能达到同样效果。
• 中国需要有人站在技术前沿：「很多国产芯片发展不起来，也是因为缺乏配套的技术社区，只有第二手信息，所以中国必然需要有人站到技术的前沿。」
• 对算力的渴求：「对研究员来说，对算力的渴求是永无止境的……我们也会有意识地去部署尽可能多的算力。」

他的表述确立了战略动机：算力约束、出口管制、软硬件协同必要性——但「创始人长期表态」≠「官方项目公告」。

阿里巴巴 / 马云：不是传闻，是八年布局。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。

• 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，寓意「无所畏惧」。
• 张建锋（行癫）：芯片已是阿里巴巴集团战略级事项，而非普通业务部门。

真武（Zhenwu）系列产品线：

商业化数据（2026 年）：累计出货 56 万片+；年化营收 百亿人民币级；客户含阿里云内部、中国联通等，据称 400+ 企业客户使用真武集群；平头哥注册资本增至 10 亿元（2026 年 6 月）；阿里宣布未来三年投入 3800 亿元于云与 AI 基础设施。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）；制造从早期 TSMC 转向国内代工（业界普遍指向 SMIC 7nm 等成熟方案）。

2026 年 7 月，「AI 公司造芯」已是全球现象。TrendForce 数据（2026）：云厂商定制 AI 芯片出货量增速 44.6%，远超通用 GPU 的 16.1%——定制硅首次在增速上显著跑赢 GPU。

2026 年 7 月全球造芯新闻密集期：

• 2026-06-24：OpenAI + Broadcom 发布 Jalapeño（推理 ASIC，9 个月流片）
• 2026-07-02：Anthropic 据报与 Samsung 洽谈 2nm 定制芯片
• 2026-07-07：Reuters：DeepSeek 自研推理芯片
• 2026-07-07：The Information：智谱评估自研芯片

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. 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（持续、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 等机构估算：大规模多年期推理部署中，定制 ASIC 相对通用 GPU 可有 40–65% TCO 优势；hyperscaler 场景下每 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. 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。安全不仅指网络安全，更指供应链可预期性。
3. 软硬件协同（Co-design）：DeepSeek UE8M0 FP8、MLA 架构 → 为特定硬件特性优化；OpenAI Jalapeño → 围绕 ChatGPT 真实 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. 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。
5. 能源与可持续发展：推理芯片强调 performance-per-watt（每瓦性能）。ASIC 剔除 GPU 中大量用不到的通用电路，功耗显著更低。

安全 vs 节约成本：两条叙事线并存。中文读者对「卡脖子 / 国产替代 / 自主可控」共鸣更强；英文读者更吃 economics / unit economics / Nvidia tax / TCO 框架——一篇好文章应两条线都写。

结论：训练仍是 Nvidia 主场；推理是定制 ASIC 的主战场。

可引用硬核数据（EEAT）：

• DeepSeek 融资：2026 年 6 月首轮外部融资约 510 亿元人民币（约 74 亿美元），对外披露用途含自研 AI 芯片与扩建国产算力中心
• 阿里平头哥出货：累计出货 56 万片+（2026 年上半年），年化营收 百亿人民币级
• TCO 优势区间：定制 ASIC 相对通用 GPU 在大规模多年期推理部署中可有 40–65% TCO 优势；hyperscaler 每 token 成本可降低 30–40%
• 定制硅增速：TrendForce 2026 年数据——云厂商定制 AI 芯片出货量增速 44.6% vs 通用 GPU 16.1%
• 真武 810E 规格：96GB HBM2e，训推一体，性能介于 Nvidia A800 与 H20 之间
• 阿里基础设施投入：未来三年 3800 亿元于云与 AI 基础设施（含芯片、算力、液冷等）

风险与不确定性（写作须诚实标注）：

• DeepSeek 造芯在官方确认前，应写「据报道 / 知情人士称」，勿写「已证实」。
• 早期项目可能失败：Meta MTIA 曾推倒重来；架构变化（非 Transformer）可能使 ASIC 投资失效。
• 制造瓶颈：先进制程代工受地缘政治约束，SMIC 7nm 等成熟方案与 TSMC 3nm 存在代差。
• 软件生态迁移成本：即使硬件兼容 CUDA，优化栈与驱动成熟度仍需时间验证。

叙事角度对照（按读者类型选重点）：

你最想问的问题：

• Q1：DeepSeek 造芯片的消息可靠吗？ A：路透社 2026 年 7 月 7 日援引三名知情人士报道，可信度较高，但 DeepSeek 尚未官方证实。项目处于早期阶段。
• Q2：梁文锋公开说过要造芯片吗？ A：没有。他 2024 年采访中表示「最大挑战是高端芯片出口禁令」，并强调算力部署，但未宣布自研芯片项目。
• Q3：马云和蔡崇信谁在说芯片？ A：马云 2018 年战略层面创立平头哥；近年蔡崇信强调出口管制影响，吴泳铭披露量产数据。阿里造芯已是成熟业务，非近日传闻。
• Q4：为什么先做推理芯片，不做训练芯片？ A：推理工作负载稳定、规模大、持续发生，适合 ASIC 优化；训练需要 CUDA 生态和极致灵活性，Nvidia 仍占主导。
• Q5：大厂造芯片主要是为了国家安全还是省钱？ A：两者兼有。短期看，降低推理成本与供应链风险是最紧迫的；地缘政治加速了已存在的经济动机。

开发者与技术团队六步应对框架：

1. 建立芯片新闻雷达：订阅 Reuters、OpenAI 官方博客、阿里财报电话会，跟踪 DeepSeek 官方是否证实造芯项目。
2. 区分训练 vs 推理算力预算：DeepSeek 传闻芯片仅覆盖推理侧——团队 TCO 模型须按两档分别建模，勿混为一谈。
3. 跟踪国产栈适配信号：关注 DeepSeek UE8M0 FP8、华为昇腾适配与平头哥 CUDA 兼容路线，评估模型部署迁移成本。
4. 预埋多模型 API 路由：用 LiteLLM 或 OpenRouter 配置 fallback 链，在算力供应链变动时快速切换而不重构应用层。
5. 评估 ASIC 架构锁定风险：若未来 LLM 架构偏离 Transformer，专用芯片适配成本可能上升——保持模型栈灵活性比追逐单一硬件更重要。
6. 锁定稳定本地算力底座：在独占、7×24 在线的裸金属节点上跑 Cursor Agent、OpenClaw 与 iOS CI，避免共享 VPS 在芯片供应链变动期因供应商调价或限流中断生产流水线。

延伸阅读与一级信源（发版后请再次打开链接核对）：

OpenAI 官方：OpenAI × Broadcom Jalapeño Inference Chip

Caixin Global: Alibaba Zhenwu 810E Analysis

SCMP: Joe Tsai on Chip Export Restrictions

免责声明：DeepSeek 截至本文撰写日尚未官方确认造芯项目。此类话题 2–4 周可能有新进展，请留意「最后更新」日期。

纯云端 IDE 或共享 VPS 跑 AI Agent 的常见短板包括：多开发者争抢同一实例导致上下文污染、本地笔记本休眠中断长周期推理任务、以及无法在芯片供应链变动期保证 7×24 常驻的 launchd 守护。对于需要稳定跑 Cursor Agent、OpenClaw Gateway 与 iOS CI/CD 流水线的生产环境，CALMVPS 裸金属 Mac Mini 租赁提供独占 Apple Silicon、120 秒交付与按月弹性计费：无论 DeepSeek 造芯传闻是否落地、无论 API 定价如何随全球 ASIC 部署波动，在独立节点上切换环境变量即可热迁移，无需因芯片格局变动重构整套基础设施。