目標場景是推理，非訓練：專用於 AI 推理（inference）的客製 ASIC，而非訓練叢集。

約 2025 年中啟動：報導表述為「一年前」，目前仍處於早期階段。

供應鏈接洽中：正與晶片設計公司、晶圓代工廠（foundry）、儲存器供應商洽談。

低調招聘：近幾個月加大晶片設計工程師招聘，未在公開招聘平台發佈，採用私下挖角。

雙重依賴破局：若成功，將降低對 Nvidia 和華為昇騰的雙重依賴——DeepSeek 此前已深度適配華為晶片。

2023–2024：梁文鋒兩次暗湧採訪：出口禁令是最大挑戰；算力飢渴。

2025-01：DeepSeek R1 發佈，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：智譜亦評估自研客製晶片。

四倍算力消耗：國內最好水準與國外相比，訓練效率約一倍差距，資料效率又約一倍差距，合計需要約 4 倍算力才能達到同樣效果。

技術社群缺失：「很多國產晶片發展不起來，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。」

算力渴求永無止境：「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。」

創辦人表態 ≠ 官方公告：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。

軟硬體協同訊號：UE8M0 FP8 資料格式、MLA 架構優化，被業內解讀為面向特定硬體特性的 co-design 方向。

累計出貨 56 萬片+（2026 年上半年數據）。

年化營收百億人民幣級；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。

經濟學：推理成本是 AI 的「房租」——訓練是買房首付，推理是每月房租。ChatGPT 數億日活下，推理支出超過訓練。客製 ASIC 大規模部署可比通用 GPU 降低 30–65% TCO；hyperscaler 場景每 token 成本可降低 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。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）：通用 GPU 為靈活性犧牲效率；客製晶片為已知工作負載犧牲靈活性換取效率。OpenAI Jalapeño 圍繞 ChatGPT 真實 serving 模式設計（KV cache、batching、latency）。

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，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。ASIC 剔除 GPU 中大量用不到的通用電路，功耗顯著更低。

區分傳聞與官宣：DeepSeek 造芯在官方確認前，寫作須用「據報導 / 知情人士稱」，勿寫「已證實」。

區分訓練與推理算力規劃：訓練前沿大模型仍依賴 Nvidia GPU；推理降本才是客製 ASIC 主戰場。

追蹤合作與自研並行：DeepSeek 適配昇騰已落地，自研尚早——兩條線同時存在。

用 TCO 而非單價評估：關注每 token 成本、毛利率、多年期 capex 回報，而非單次晶片採購價。

認知早期專案風險：Meta MTIA 曾推倒重來；架構變化可能使 ASIC 設計作廢。

本地 Agent 棧與雲端推理解耦：晶片降本主要影響 API 定價與資料中心結構；本地 Cursor/Codex Agent 與 iOS CI 仍需要穩定 macOS 宿主 7×24 線上。