Si vous vous demandez si « DeepSeek et Liang Wenfeng vont vraiment fabriquer leur propre puce » — le 7 juillet 2026, Reuters cite trois personnes informées de la question : DeepSeek développerait une puce sur mesure dédiée à l'inférence IA, lancée il y a environ un an et encore en phase précoce, sans confirmation officielle. Le paradoxe : DeepSeek a déjà profondément adapté ses modèles aux puces Huawei Ascend, tout en envisageant l'autonomie — coopération et développement interne en parallèle. Pendant ce temps, Alibaba T-Head a expédié plus de 560 000 puces Zhenwu 810E en production de masse, avec un chiffre d'affaires annualisé de l'ordre de dizaines de milliards de yuans : le contraste entre « rumeur » et « huit ans de terrain » est saisissant. Cet article couvre l'ensemble des points de recherche : chaîne probatoire de la rumeur, citations originales de Liang Wenfeng, stratégie T-Head de Jack Ma en 2018, tableau mondial de juillet 2026, cinq moteurs, inférence vs entraînement, risques et FAQ, avec tableau comparatif des hyperscalers et checklist en six étapes pour les développeurs. Dernière mise à jour : 2026-07-09
Les 7 et 8 juillet 2026, plusieurs médias chinois (QbitAI, 36Kr, etc.) ont repris l'exclusive Reuters. Les points convergent :
Cible : l'inférence, pas l'entraînement : DeepSeek développerait une puce IA sur mesure, dédiée aux charges de inférence (inference).
Phase précoce : le projet aurait démarré vers mi-2025 (formulation « il y a environ un an ») et reste en R&D initiale.
Approche supply chain : discussions en cours avec des bureaux de conception, des fonderies (foundry) et des fournisseurs de mémoire.
Recrutement discret : accélération du recrutement d'ingénieurs conception de puces ces derniers mois, sans annonces publiques — approche par débauchage ciblé.
Réduire la double dépendance : en cas de succès, moindre recours à Nvidia et Huawei Ascend — DeepSeek ayant déjà adapté ses modèles aux puces Huawei.
Cadre rédactionnel : on peut écrire « selon Reuters et d'autres médias, DeepSeek a lancé un projet de puce d'inférence sur mesure » ; il ne faut pas écrire « Liang Wenfeng a officiellement annoncé la fabrication de puces » — préciser : personnes informées / phase précoce / non confirmé officiellement.
Avertissement : au 9 juillet 2026, DeepSeek n'a publié ni communiqué ni confirmation sur les réseaux sociaux. Cet article reprend la formulation Reuters « three people familiar with the matter » (trois personnes informées), procédure standard des médias financiers à haute crédibilité, mais cela ne constitue pas une confirmation officielle.
| Dimension | Évaluation |
|---|---|
| Niveau de source | Élevé. Formulation Reuters « trois personnes informées », recoupement par les grands médias financiers mondiaux |
| Confirmation officielle | Aucune. À la date de recherche, DeepSeek n'a pas publié d'annonce formelle |
| Preuves indirectes | Forte. En juin 2026, premier tour de financement externe d'environ 51 milliards de yuans (~7,4 milliards USD), dont une part dédiée aux puces IA sur mesure et à l'extension de centres de compute domestiques ; recrutement d'ingénieurs IDC (Ulanqab, etc.) ; le format de données UE8M0 FP8 interprété par l'industrie comme une co-conception logiciel-matériel pour puces domestiques |
| Informations contradictoires | Certaines analyses estiment que DeepSeek dépendra à court terme davantage du partenariat Huawei Ascend. Formulation plus juste : coopération et développement interne en parallèle ; l'autonomie est précoce, la coopération est déjà opérationnelle |
2023–2024 Interview Anyong (暗涌) : restrictions à l'exportation = défi majeur ; soif de compute 2025-01 DeepSeek R1, entraîné sur Nvidia H800 (puce déjà interdite fin 2023) Mi-2025 Rumeur de lancement du projet de puce sur mesure 2026-04 DeepSeek V4 adapté à Huawei Ascend ; V4-Flash partiellement entraîné sur Ascend 2026-06 Premier tour externe ~7,4 Md USD, dont puces sur mesure 2026-07-07 Reuters : DeepSeek développe une puce d'inférence sur mesure (exclusive) 2026-07 The Information : Zhipu AI évalue aussi une puce sur mesure
Liang Wenfeng accorde très peu d'interviews publiques. Les sources les plus utiles sont les deux entretiens approfondis d'« Anyong Waves » (mai 2023 et juillet 2024). Il n'a jamais annoncé publiquement « DeepSeek va fabriquer des puces » — Reuters décrit un comportement d'entreprise (recrutement, contacts fournisseurs), pas une déclaration du fondateur.
« Notre véritable défi n'a jamais été le financement, mais l'interdiction d'exportation des puces haut de gamme. » — Liang Wenfeng, Anyong, juillet 2024
Ces formulations établissent la motivation stratégique : contraintes de compute, contrôles à l'exportation, nécessité de co-conception logiciel-matériel. En rédaction, distinguer : « position de long terme du fondateur » ≠ « annonce officielle de projet ».
On demande souvent « Jack Ma a-t-il dit la même chose ? » — à clarifier : la fabrication de puces chez Alibaba est une stratégie exécutée depuis des années, pas une rumeur récente. Ne pas écrire « Jack Ma vient d'annoncer des puces » ; formulation exacte : Jack Ma pose les bases de T-Head en 2018, Joe Tsai explique en 2024 que les contrôles à l'exportation poussent à l'autonomie, Eddie Wu divulgue en 2026 les résultats de production de masse.
| Personne | Rôle | Déclarations publiques liées aux puces |
|---|---|---|
| Jack Ma | Décideur stratégique (2018) | Nomme T-Head, place les puces au rang de stratégie groupe ; apparitions publiques réduites après 2019 |
| Joe Tsai | Président actuel | Podcast 2024 : restrictions US sur les puces « impactent clairement » Alibaba Cloud ; retard IA Chine ~2 ans vs US ; confiance long terme dans les semi-conducteurs avancés chinois ; contrôles à l'exportation parmi les raisons du report de la scission d'Alibaba Cloud |
| Eddie Wu | CEO actuel | Conférence résultats FY2026 : puces IA T-Head >470 000 unités livrées cumulées, CA annualisé dizaines de milliards de yuans ; IPO T-Head non exclue |
| Modèle | Date | Points clés |
|---|---|---|
| Hanguang 800 | 2019 | Première puce IA d'inférence |
| Zhenwu 810E | Janvier 2026 | Entraînement + inférence ; 96 Go HBM2e ; performances entre Nvidia A800 et H20 ; en production de masse |
| Zhenwu M890 | 2026 | 144 Go mémoire, interconnexion inter-puces 800 Go/s, ~3× les performances du 810E |
| Zhenwu V900 | Prévu T3 2027 | 216 Go mémoire, interconnexion 1200 Go/s |
| Zhenwu J900 | Prévu T3 2028 | Itération architecture parallèle propriétaire |
Relation avec Nvidia : le WSJ rapporte que les nouvelles puces Alibaba sont compatibles avec l'écosystème CUDA Nvidia, réduisant le coût de migration des ingénieurs (trajectoire différente de Huawei). Côté fabrication, passage progressif de TSMC vers la fonderie domestique (SMIC 7 nm et solutions matures, selon l'industrie), en réponse aux règles US limitant TSMC pour les puces IA avancées en Chine continentale.
En juillet 2026, « les entreprises IA qui fabriquent des puces » est un phénomène mondial. Données TrendForce (2026) : croissance des expéditions de puces IA sur mesure des cloud providers à 44,6 %, bien au-dessus des 16,1 % des GPU généralistes — le silicium sur mesure dépasse significativement les GPU en croissance pour la première fois.
| Entreprise | Projet puce | Phase | Scénario | Chiffres / événements clés |
|---|---|---|---|---|
| DeepSeek | ASIC inférence sur mesure (sans nom) | R&D précoce | Inférence | Financement 7,4 Md USD ; recrutement discret ; non confirmé officiellement |
| Alibaba (T-Head) | Zhenwu 810E / M890 | Production de masse | Entraînement + inférence | >560 000 puces ; CA annualisé dizaines de milliards de yuans |
| Huawei | Ascend 950, etc. | Production de masse | Entraînement + inférence | DeepSeek V4 adapté ; commandes en hausse (Reuters) |
| OpenAI | Jalapeño (avec Broadcom) | Tape-out terminé, déploiement en attente | Inférence | 9 mois conception → tape-out ; déploiement fin 2026 (voir article Jalapeño) |
| TPU v6/v7 | Déploiement massif | Entraînement + inférence | Gemini de bout en bout sur TPU | |
| Amazon | Trainium3 / Inferentia | Commercial | Entraînement + inférence | Anthropic utilise Trainium à grande échelle |
| Microsoft | Maia 100 | Déploiement en cours | Inférence | Charges Azure / OpenAI |
| Meta | MTIA | Déploiement interne | Inférence | Systèmes de recommandation ; projet relancé après échec initial |
| Anthropic | Discussions puce sur mesure avec Samsung | Exploration | Non défini | The Information, juillet 2026 |
| Zhipu AI | Évaluation puce sur mesure | Précoce | Inférence | The Information, juillet 2026 |
2026-06-24 OpenAI + Broadcom annoncent Jalapeño (ASIC inférence, tape-out en 9 mois) 2026-07-02 Anthropic en discussions avec Samsung pour puce 2 nm sur mesure 2026-07-07 Reuters : DeepSeek développe une puce d'inférence sur mesure 2026-07-07 The Information : Zhipu AI évalue une puce sur mesure
Réponse en une phrase : ce n'est pas « fabriquer des puces pour fabriquer des puces », mais parce que la compétition IA s'est étendue de « qui a le meilleur modèle » à « qui dispose du compute le moins cher et le plus contrôlable ».
Économie : le coût d'inférence est le « loyer » de l'IA — l'entraînement = apport initial (ponctuel) ; l'inférence = loyer mensuel (croissance linéaire avec les utilisateurs). À l'échelle de centaines de millions de DAU ChatGPT, la dépense d'inférence dépasse l'entraînement. Morgan Stanley a estimé : un cluster de 24 000 GPU Blackwell coûte ~852 M USD en hardware ; un cluster TPU Google équivalent ~99 M USD. SemiAnalysis, Bernstein : avantage TCO ASIC sur mesure vs GPU généraliste de 40–65 % ; en hyperscaler, coût par token réduit de 30–40 %. Marge brute GPU datacenter Nvidia >70 % — fabriquer sa puce, c'est transformer une « taxe GPU » permanente en investissement R&D ponctuel.
Sécurité supply chain et géopolitique : contrôles US sur l'exportation de puces IA haut de gamme vers la Chine (H100/H800/H20, etc.) ; régulation chinoise encourageant l'achat de compute domestique. La « sécurité » désigne la prévisibilité de la chaîne d'approvisionnement : ne pas dépendre d'un seul fournisseur ni d'une seule politique nationale.
Co-conception logiciel-matériel : DeepSeek UE8M0 FP8, architecture MLA → optimisé pour hardware spécifique ; OpenAI Jalapeño → conçu autour du serving ChatGPT ; Google TPU → lié à TensorFlow/JAX. Le GPU généraliste sacrifie l'efficacité pour la flexibilité ; la puce sur mesure sacrifie la flexibilité pour l'efficacité sur des charges connues.
Barrières concurrentielles et pouvoir de négociation : même sans remplacer entièrement Nvidia, une puce interne renforce le levier d'achat, différencie l'offre cloud et construit le récit « modèle + cloud + puce » (le « triangle d'or » d'Alibaba).
Énergie et durabilité : les puces d'inférence mettent l'accent sur la performance par watt. À l'ère des datacenters mégawatt et gigawatt, électricité et refroidissement pèsent autant que l'achat de puces.
| Dimension | Entraînement (Training) | Inférence (Inference) |
|---|---|---|
| Charge de travail | Dynamique, expérimentale, architectures changeantes | Statique, modèle fixe, requêtes prévisibles |
| Écosystème logiciel | Moat CUDA profond (cuDNN, NCCL, Nsight) | Kernels optimisés possibles pour modèles fixes |
| Exigences puce | Puissance de crête maximale + programmabilité | Débit, latence, coût par token |
| Échelle économique | Investissement cluster ponctuel élevé | 7×24 continu, échelle souvent plus grande |
| Exemples | Nvidia H100/B200 dominant | TPU, Trainium, Maia, Jalapeño, rumeur DeepSeek |
Conclusion : l'entraînement reste le terrain de Nvidia ; l'inférence est le champ de bataille des ASIC sur mesure. Sécurité vs économies : les deux, mais l'économie est le premier moteur ; la géopolitique accélère des motivations déjà présentes. Une bonne analyse doit couvrir les deux axes sans parti pris.
Distinguer rumeur et annonce officielle : selon Reuters, le projet DeepSeek est en R&D précoce — ne pas le traiter comme disponible en production ; Alibaba T-Head Zhenwu est en production de masse, mais orienté cloud et clusters entreprise, pas achat immédiat pour développeurs individuels.
Distinguer compute d'entraînement et d'inférence : la vague de puces sur mesure cible surtout l'inférence — l'entraînement local de grands modèles reste lié à l'écosystème CUDA Nvidia ; ne pas interpréter « substitution domestique » comme la fin imminente de CUDA.
Suivre la courbe des prix API : la baisse du TCO d'inférence peut se répercuter sur les tarifs API DeepSeek et cloud — combiner routage de modèles, Batch API, Prompt Caching pour optimiser les coûts.
Évaluer la stack compute domestique : DeepSeek V4 est adapté à Ascend ; Zhenwu Alibaba compatible CUDA — lors du choix, privilégier co-conception logiciel-matériel et coût de migration, pas seulement la puissance de crête.
Planifier indépendamment la couche d'exécution locale : la baisse des coûts d'inférence en datacenter ne résout pas le swap d'un portable 16 Go pour des longues sessions Claude Code — les agents CLI nécessitent toujours un nœud matériel stable.
Externaliser les charges lourdes macOS vers un Mac cloud : CI/CD iOS, notarytool, isolation Keychain et autres chaînes d'outils macOS ne bénéficient pas des ASIC d'inférence — il faut une couche d'exécution Mac distante dédiée.
Sources : sources primaires : Reuters (puce DeepSeek), OpenAI officiel (Jalapeño), WSJ (puces IA Alibaba), Caixin Global (analyse Zhenwu 810E), interview Joe Tsai SCMP. Avant confirmation officielle DeepSeek, maintenir une formulation prudente.
Les puces d'inférence sur mesure des hyperscalers repoussent le plafond d'efficacité des datacenters, mais les longues sessions Agent sur portable continuent de swapper ; un VPS Linux bon marché ne peut pas exécuter xcodebuild, notarytool et autres outils macOS. Pour les équipes CI/CD iOS et automatisation d'agents IA qui ont besoin de sessions SSH stables, isolation Keychain et bande passante prévisible, après avoir compris cette course aux armements, externaliser les charges lourdes sur un Mac cloud dédié reste souvent plus fiable que parier sur le hardware local. La location Mac Mini cloud NodeMini sert de couche d'exécution pour agents CLI : quelle que soit l'évolution des tarifs API cloud, le nœud SSH reste stable. Spécifications : tarifs de location ; accès : centre d'aide.
Dernière mise à jour : 2026-07-09. DeepSeek n'a pas encore confirmé officiellement son projet de puce sur mesure.
Reuters, le 7 juillet 2026, cite trois personnes informées : crédibilité élevée, mais DeepSeek n'a pas encore confirmé officiellement. Le projet est en phase précoce. Pour les recommandations matérielles sur les longues sessions Agent, voir les tarifs de location.
Non. Dans son interview Anyong de 2024, il a indiqué que « le principal défi est l'interdiction d'exportation des puces haut de gamme » et a insisté sur le déploiement de compute, sans annoncer de projet de puce sur mesure. Reuters décrit un comportement d'entreprise, pas une déclaration du fondateur.
Jack Ma a posé les bases stratégiques de T-Head en 2018 et nommé l'entreprise ; Joe Tsai a souligné l'impact des contrôles à l'exportation, Eddie Wu a divulgué les données de production. La fabrication de puces chez Alibaba est une activité mature, pas une rumeur récente. Ne pas écrire « Jack Ma vient d'annoncer des puces ».
Les charges d'inférence sont stables, à grande échelle et continues : elles se prêtent à l'optimisation ASIC. L'entraînement exige l'écosystème CUDA et une flexibilité maximale ; Nvidia reste dominant. Pour la configuration d'environnements de développement distants, voir le centre d'aide.
Les deux. À court terme, réduire le coût d'inférence et les risques supply chain est le plus urgent ; la géopolitique accélère des motivations économiques déjà présentes. L'économie est le premier moteur — réduire la « taxe Nvidia » et le coût par token. Pour externaliser les charges lourdes macOS, consultez les tarifs NodeMini.