Если вы ищете ответ на вопрос «DeepSeek и Liang Wenfeng действительно делают свой чип?» — 7 июля 2026 года Reuters со ссылкой на трёх осведомлённых источников сообщил, что DeepSeek разрабатывает custom ASIC для inference. Проект стартовал примерно год назад и находится на ранней стадии; официального подтверждения нет. Парадокс: DeepSeek уже глубоко адаптировал Huawei Ascend, но параллельно идёт собственная silicon-линия — co-op и in-house R&D не исключают друг друга. Тем временем T-Head Zhenwu 810E отгружен в серию: 560K+ штук, годовая выручка на уровне десятков миллиардов юаней — контраст «слух vs восемь лет production». В этом материале — все ключевые пункты исследования: цепочка доказательств Reuters, цитаты Liang Wenfeng из Anyong Waves, стратегия T-Head с 2018 года, глобальная таблица прогресса на июль 2026, пять драйверов, inference vs training, риски и FAQ, плюс сводная таблица hyperscaler'ов и шестишаговый чеклист для разработчиков. Последнее обновление: 2026-07-09
7–8 июля 2026 года QbitAI, 36Kr и другие медиа подхватили эксклюзив Reuters. Суть совпадает:
Целевой сценарий — inference, не training: DeepSeek разрабатывает custom AI-чип, заточенный под inference workloads.
Ранняя стадия: проект стартовал примерно в середине 2025 (формулировка «год назад»), сейчас — early-stage R&D.
Supply chain: идут переговоры с chip design house, foundry и поставщиками памяти.
Тихий hiring: за последние месяцы усилен набор chip design engineers — без публичных вакансий, через direct poach.
Двойная зависимость: при успехе снизится reliance на Nvidia и Huawei Ascend — DeepSeek уже глубоко портировал модели под Ascend.
Границы формулировок: корректно писать «по данным Reuters и ряда СМИ, DeepSeek запустил inference ASIC-проект»; некорректно — «Liang Wenfeng официально объявил о чипе». Обязательны маркеры: three people familiar / early stage / без press release.
Disclaimer: на 2026-07-09 DeepSeek не опубликовал press release и не подтвердил проект в соцсетях. Мы цитируем стандартную формулировку Reuters — three people familiar with the matter — это высокий bar для финансовых медиа, но это не официальное подтверждение.
| Измерение | Оценка |
|---|---|
| Уровень источника | Высокий. Reuters + three familiar sources; cross-check у глобальных финмедиа |
| Официальное подтверждение | Нет. На дату исследования DeepSeek не делал announcement |
| Косвенные сигналы | Сильные. Внешний раунд июня 2026 ~51 млрд RMB (~$7,4 млрд) с заявленным use of proceeds на custom AI chips и domestic compute; hiring chip engineers (Ulanqab и др.); формат UE8M0 FP8 интерпретируется как hardware-software co-design под domestic silicon |
| Контраргументы | Часть аналитиков считает, что DeepSeek краткосрочно опирается на Ascend. Точнее: партнёрство и in-house R&D идут параллельно; silicon ещё рано, co-op уже в production |
2023–2024 Liang Wenfeng (Anyong Waves): export ban — главный вызов; compute hunger 2025-01 DeepSeek R1 на Nvidia H800 (чип запрещён к экспорту с конца 2023) 2025 mid Старт inference ASIC-проекта (по Reuters) 2026-04 DeepSeek V4 портирован на Ascend; V4-Flash частично trained на Ascend 2026-06 Внешний раунд ~$7,4B; use of proceeds включает custom chips 2026-07-07 Reuters: DeepSeek разрабатывает inference-only ASIC (exclusive) 2026-07 The Information: Zhipu AI тоже оценивает custom chip
Публичных интервью у Liang Wenfeng мало. Главный primary source — Anyong Waves, май 2023 и июль 2024. Он никогда не объявлял «DeepSeek будет делать чип» — Reuters описывает corporate behavior (hiring, vendor talks), а не founder announcement.
«Наш настоящий вызов — не капитал, а экспортный запрет на продвинутые чипы.» — Liang Wenfeng, Anyong Waves, июль 2024
Эти тезисы задают strategic motive: compute constraint, export controls, необходимость hardware-software co-design. В тексте важно разделять: «долгосрочные заявления founder'а» ≠ «официальный silicon roadmap».
Частый вопрос: «Jack Ma тоже говорил про чипы?» — да, но Alibaba chipmaking — многолетняя стратегия, а не свежий слух. Некорректно писать «Ma недавно объявил о чипе». Корректно: Ma заложил T-Head в 2018, Joe Tsai в 2024 объяснил export-control impact, Wu Yongming в 2026 раскрыл shipment data.
| Фигура | Роль | Публичные тезисы о silicon |
|---|---|---|
| Jack Ma | Strategic decision-maker, 2018 | Основал и назвал T-Head; chips — group strategy; после 2019 реже выступает публично |
| Joe Tsai | Chairman | Podcast 2024: U.S. chip export restrictions «явно влияют» на Alibaba Cloud; China AI ~2 года behind U.S.; верит в domestic advanced semiconductors; export controls — factor в pause Alibaba Cloud spin-off |
| Wu Yongming | CEO | Earnings call FY2026: T-Head AI chips — 470K+ cumulative deliveries, billion-yuan annual revenue run-rate; не исключает IPO T-Head |
| Модель | Срок | Ключевые specs |
|---|---|---|
| HanGuang 800 | 2019 | Ранний AI inference ASIC |
| Zhenwu 810E | Январь 2026 | Train+inference; 96GB HBM2e; perf между Nvidia A800 и H20; в серии |
| Zhenwu M890 | 2026 | 144GB memory, die-to-die 800GB/s, ~3× perf vs 810E |
| Zhenwu V900 | План Q3 2027 | 216GB, interconnect 1200GB/s |
| Zhenwu J900 | План Q3 2028 | Итерация proprietary parallel compute architecture |
Отношение к Nvidia: WSJ сообщал, что новые Alibaba chips совместимы с CUDA stack — ниже migration cost для инженеров (в отличие от Huawei route). Manufacturing: shift с раннего TSMC на domestic foundry (industry consensus — SMIC 7nm-class mature node) под U.S. rules на advanced AI fab для mainland China.
В июле 2026 «AI lab делает свой чип» — global pattern. TrendForce (2026): shipments cloud custom AI chips +44,6% YoY vs general GPU +16,1% — custom silicon впервые опережает GPU по growth rate.
| Компания | Silicon project | Стадия | Сценарий | Ключевые цифры / события |
|---|---|---|---|---|
| DeepSeek | Custom inference ASIC (unnamed) | Early R&D | Inference | $7,4B round; quiet hiring; без official confirm |
| Alibaba (T-Head) | Zhenwu 810E / M890 | Mass production | Train+inference | 560K+ units; billion-yuan revenue |
| Huawei | Ascend 950 и др. | Production | Train+inference | DeepSeek V4 port; Reuters — surge orders |
| OpenAI | Jalapeño (с Broadcom) | Tape-out done, deploy pending | Inference | 9 months design-to-tape-out; deploy EOY 2026 (см. deep dive Jalapeño) |
| TPU v6/v7 | At scale | Train+inference | Gemini end-to-end on TPU | |
| Amazon | Trainium3 / Inferentia | Commercial | Training+inference | Anthropic на Trainium at scale |
| Microsoft | Maia 100 | Deploying | Inference | Azure / OpenAI workloads |
| Meta | MTIA | Internal | Inference | Recommendation systems; один раз перезапускали архитектуру |
| Anthropic | Custom chip talks с Samsung | Exploratory | TBD | The Information, июль 2026 |
| Zhipu AI | Оценка custom chip | Early | Inference | The Information, июль 2026 |
2026-06-24 OpenAI + Broadcom: Jalapeño inference ASIC, 9-month tape-out 2026-07-02 Anthropic — talks с Samsung на 2nm custom chip 2026-07-07 Reuters: DeepSeek inference ASIC 2026-07-07 The Information: Zhipu AI оценивает custom chip
One-liner: дело не в «chip for chip's sake», а в том, что AI-гонка сместилась от «лучшая модель» к «самый дешёвый и контролируемый compute».
Economics: inference — «аренда» AI. Training = down payment; inference = recurring opex, линейно растёт с DAU. На масштабе ChatGPT inference spend превышает training. Morgan Stanley оценивал 24 000-GPU Blackwell cluster ~$852M hardware-only; comparable Google TPU cluster ~$99M. SemiAnalysis, Bernstein: custom ASIC даёт 40–65% TCO advantage vs general GPU; per-token cost −30–40% в hyperscaler scenarios. Gross margin datacenter GPU Nvidia >70% — custom chip = конвертация permanent «Nvidia tax» в upfront R&D.
Supply-chain security и geopolitics: U.S. export controls (H100/H800/H20 cycles); China push на domestic compute. Security здесь = predictable supply, не dependence на одного vendor / одну jurisdiction.
Hardware-software co-design: DeepSeek UE8M0 FP8 + MLA → оптимизация под конкретный silicon; OpenAI Jalapeño → под ChatGPT serving pattern; Google TPU → tight bind с TensorFlow/JAX. General GPU жертвует efficiency ради flexibility; ASIC — наоборот.
Competitive moat и bargaining power: даже partial in-house silicon усиливает позицию в Nvidia negotiations, даёт differentiated cloud SKU и full-stack narrative («model + cloud + chip» — Alibaba «golden triangle»).
Energy и sustainability: inference ASIC оптимизируют performance-per-watt. В эпоху megawatt-/gigawatt-scale DC power и cooling cost сопоставим с silicon capex.
| Измерение | Training | Inference |
|---|---|---|
| Workload | Dynamic, experimental, частые architecture changes | Static model, predictable request patterns |
| Software stack | Deep CUDA moat (cuDNN, NCCL, Nsight) | Можно писать fixed-model kernels под ASIC |
| Silicon requirement | Peak FLOPS + programmability | Throughput, latency, cost per token |
| Economic scale | Large one-time cluster capex | 24/7 continuous, aggregate spend больше |
| Examples | Nvidia H100/B200 dominant | TPU, Trainium, Maia, Jalapeño, DeepSeek rumor chip |
Вывод: training — Nvidia home turf; inference — main battlefield для custom ASIC. Security vs cost saving: оба фактора, но economics — driver #1; geopolitics accelerates existing ROI case. Для RU-аудитории важно не сводить всё к «sanctions narrative» — сильный текст держит обе линии.
Rumor vs GA: DeepSeek ASIC по Reuters — early R&D, не treat as production-ready; T-Head Zhenwu — mass production, но target — cloud/enterprise clusters, не retail dev box.
Training vs inference compute: wave custom silicon бьёт по inference; local LLM training всё ещё на CUDA. «Domestic replacement» ≠ «CUDA исчезнет завтра».
Track API pricing curve: падение inference TCO может дойти до DeepSeek API и cloud pricing — комбинируйте model routing, Batch API, prompt caching.
Evaluate domestic stack: DeepSeek V4 на Ascend; T-Head Zhenwu CUDA-compatible — смотрите migration cost и co-design, не только peak TFLOPS.
Local execution layer отдельно: datacenter inference cost-down не решает swap на 16GB laptop при длинных Claude Code sessions — CLI agent нуждается в stable hardware node.
macOS heavy workloads — в cloud Mac: iOS CI/CD, notarytool, Keychain isolation не выигрывают от inference ASIC — нужен dedicated remote Mac execution layer.
Primary sources: Reuters (DeepSeek ASIC), OpenAI official (Jalapeño), WSJ (Alibaba AI chips), Caixin Global (Zhenwu 810E analysis), Joe Tsai SCMP interview. DeepSeek silicon — cautious wording до official confirm.
Hyperscaler inference ASIC поднимают ceiling datacenter efficiency, но local laptop на Agent long sessions всё ещё swap'ится; cheap Linux VPS не запустит xcodebuild / notarytool. Для iOS CI/CD и AI agent automation, где нужны stable SSH sessions, Keychain isolation, predictable bandwidth, после разбора silicon arms race разумнее вынести heavy load на dedicated cloud Mac, чем over-bet на local hardware. NodeMini Mac Mini cloud rental — execution layer для CLI agents: независимо от того, как inference chips меняют cloud API pricing, SSH node остаётся constant. Specs — тарифы аренды, onboarding — help center.
Последнее обновление: 2026-07-09. DeepSeek официально не подтвердил silicon project.
Reuters 7 июля 2026 со ссылкой на three people familiar with the matter — высокий bar для финансовых медиа, но DeepSeek официально не подтвердил. Проект на early stage. Для Agent long sessions см. рекомендации по hardware в тарифах аренды.
Нет. В интервью Anyong Waves 2024 он назвал export ban на advanced chips главным вызовом и подчеркнул compute deployment, но не объявлял custom silicon program. Reuters описывает corporate actions, не founder announcement.
Jack Ma заложил T-Head в 2018 и дал название; Joe Tsai объяснял export-control impact; Wu Yongming раскрыл shipment metrics в 2026. Alibaba chipmaking — зрелый бизнес, не fresh rumor. Cloud Mac onboarding — в help center.
Inference workloads стабильны, масштабны и идут 24/7 — идеальный профиль для ASIC optimization. Training требует CUDA ecosystem depth и maximum flexibility; Nvidia доминирует. Remote dev setup — help center.
Оба фактора. В краткосрочной перспективе снижение inference TCO и supply-chain risk — urgent driver; geopolitics accelerates existing economic motive. Economics first — cut «Nvidia tax» и per-token cost.