編按：本文綜合整理自 Reuters 獨家報導、TechNode、Bloomberg 及 The Next Web，並加入 Siami 編輯部觀點與分析。
中國 AI 新銳 DeepSeek 的晶片自研計畫終於坐實。根據路透社 7 月 7 日獨家報導，三名知情人士證實，DeepSeek 約一年前已悄悄啟動自研 AI 推理晶片的項目，目標直指當前 AI 服務最燒錢的環節——大規模推論（inference），並試圖擺脫對 Nvidia 與華為兩大供應商的雙重依賴。
DeepSeek 至今未對此事公開回應，但這條從設計、驗證到軟體整合的完整團隊，顯然已在暗中運作多時。
為什麼 DeepSeek 要自研推理晶片
DeepSeek 並不是第一家喊「自研晶片」的中國 AI 公司，但它選了一條針對性極強的路線：只做推理、不做訓練。
這個選擇背後是清楚的商業邏輯——AI 服務的成本結構正在快速轉變。訓練階段雖然燒錢，但屬於一次性、爆發式的算力需求；真正持續吞噬現金流的是推理：模型上線後，每一個使用者查詢都要靠 GPU 即時運算。當使用者規模放大到數億級，推理成本就會從「研發費用」變成「營運主成本」。
報導引用多位業界人士指出，對許多 AI 公司而言，「與算力相關的成本可能佔總營運支出的一半以上」。DeepSeek 的開源模型 V3 與推理模型 R1 雖然在業界引爆話題，但隨著自家服務規模持續膨脹，運算基礎設施已經成為 DeepSeek 最大宗的營運支出項目。
訓練靠 Nvidia、推理自己做——這是 DeepSeek 對「成本曲線必須壓下來」的具體回應。
對標對象：Nvidia 的 H100、H800 與華為 Ascend
目前 DeepSeek 的實際運作模式是混合的：
- 訓練階段：仍高度依賴 Nvidia H800（中國特供版 H100）
- 推理階段：部分切換到華為 Ascend 910C/910B
但兩條供應鏈都有結構性問題。Nvidia 受美國出口管制限制；華為 Ascend 雖是國產替代，但黃仁勳今年 4 月接受採訪時直言，910C 的推論性能只有 H100 的 60% 左右，加上 CUDA 生態的移植成本，這條路「對美國而言會是糟糕的結局」——他的原話意指中國若靠華為晶片追平美國 AI 實力，將直接削弱 Nvidia 的長期護城河。
自研晶片的三大工程挑戰
報導指出 DeepSeek 約一年前啟動晶片計畫，近月更密集招募經驗豐富的晶片工程師，且刻意不走公開招募，而是透過定向挖角。團隊覆蓋三大領域：
- 晶片架構設計（Architecture）
- 驗證工程（Verification）——這是流片前最容易被低估、但出事最致命的環節
- 軟體賦能（Software Enablement）——如何讓 DeepSeek 自己的模型在新硬體上跑得順，是成敗關鍵
值得留意的是，The Next Web 引述消息來源補充，DeepSeek 這顆晶片可能交由中芯國際（SMIC）代工。如果屬實，這將是中國 AI 公司首次從「使用 SMIC 代工的別家晶片（如華為）」，推進到「由 SMIC 代工自家設計的客製晶片」，象徵意義重大。
但現實很骨感：晶片從架構設計到流片、再到量產，通常需要超過一年。也就是說，即便 DeepSeek 一切順利，這顆晶片對短期 AI 晶片市場競爭格局的影響仍然有限。
為什麼這件事重要
DeepSeek 此刻的動作，不是單一公司的技術選擇，而是中國 AI 產業集體垂直整合趨勢的縮影。
回顧 2025 年 1 月，DeepSeek R1 問世時曾讓 Nvidia 一天蒸發 5,890 億美元市值，那是「中國 AI 模型威脅論」的第一次爆發。當時市場的反應聚焦在「模型能力追平」，但成本結構的隱憂被忽略。事實上，R1 的訓練靠 2,000 張 H800，而推理時只啟動 10% 參數（MoE 架構），這種「訓練重、推理輕」的特性，恰好為「自研推理專用晶片」鋪好了理論基礎。
更深一層看，這個動作背後有三層戰略意圖：
- 規避出口管制：美方對 H100、H200 進入中國的禁令不斷收緊，DeepSeek 不能再押注「還能買到」
- 壓低單位推理成本：當模型本身已經開源且能力追平，競爭主戰場就回到「誰能以更低成本提供服務」
- 與華為拉開差異：不直接依賴單一國產替代品，掌握自己的硬體節奏
Bloomberg 7 月 7 日同步報導指出，DeepSeek 同時正在進行首次外部融資，目標籌資約 70 億美元，估值上看 520–590 億美元。如果這輪融資完成，晶片研發與 AI 基礎設施將是資金的首要去處。
Siami 觀點
DeepSeek 的自研晶片動作，在三個層面值得持續觀察：
第一，技術面：推理專用晶片能不能比 GPU 更划算？
NVIDIA 在 2024 年推出 L40S、2025 年推出 B200，都是為了推理工作負載最佳化。DeepSeek 想自研超越 NVIDIA 的推理晶片，技術門檻極高。但換個角度想：DeepSeek 的模型架構（MoE、Flash Attention、MLA）對底層硬體的需求與通用 LLM 不同，專用晶片確實有可能在特定場景比通用 GPU 更省電、更便宜。問題在於生態——沒有 CUDA 的護城河，生態建立要花多少時間。
第二，供應鏈面：SMIC 真的能接單嗎？
SMIC 目前最先進製程是 7nm，且良率、產能都受美國設備出口管制影響。DeepSeek 如果要做「真正具備競爭力的推理晶片」，製程節點決定一切。如果只能做 14nm 或更成熟製程，性能差距是否能用架構創新彌補，是個大問號。
第三，地緣政治面：黃仁勳說對了嗎？
NVIDIA CEO 黃仁勳今年反覆警告，中國 AI 公司若全數轉向華為與自研晶片，對美國將是「horrible outcome」。DeepSeek 的動作某種程度證實了這個論點：連最強勢的中國 AI 公司，都寧可自己砸錢做，也不願把脖子完全交給華為單一供應商。這對 Nvidia 短期股價是利多（中國客戶還是會買 H100/H200 來訓練），但長期是警訊——中國 AI 鏈的「去 Nvidia 化」已經從口號變成執行。
後續觀察重點
- DeepSeek 官方是否正式承認：截至目前 DeepSeek 未公開評論這項計畫
- SMIC 代工的消息是否進一步被證實：The Next Web 引述的消息來源若屬實，將是中國半導體自主可控的里程碑
- 融資完成時程：Bloomberg 與 The Information 都指出 7.4 億美元融資接近完成，資金到位後研發速度會加快
- 首顆晶片預計量產時程：外界推估若一年前啟動，可能在 2027 上半年看到 sample
- 與華為 Ascend 950、阿里平頭哥含光 800、寒武紀思元 590 的策略區隔：各家都在搶推理晶片市場，DeepSeek 必須找到差異化定位
中國 AI 從「模型追平」到「晶片自主」，這一步跨出去，就很難回頭。下一波 AI 競賽，比的不是參數量，而是「每瓦 token」的成本曲線。
影片：Bloomberg 完整報導
資料來源
- Reuters 獨家報導：China’s DeepSeek developing its own AI chip, sources say
- TechNode 原文：DeepSeek begins in-house AI chip development to cut reliance on NVIDIA, sources say
- Bloomberg 報導：Chinese AI Startup DeepSeek Developing Own AI Chip, Reuters Says
- The Next Web 分析：DeepSeek is reportedly designing its own AI chip to be fabbed at SMIC
- Engadget 報導：Reuters: DeepSeek Is Developing Its Own AI Chips
- South China Morning Post：Nvidia’s Jensen Huang warns Huawei chips for DeepSeek AI models would be ‘horrible’ for US
- Reuters 融資報導：DeepSeek slated to raise $7 billion in maiden funding round, sources say
網友熱門留言 (4)