2026 DEEPSEEK
CUSTOM_
CHIP_
INFERENCE_2026.
Einordnung: Am 7. Juli 2026 berichtete Reuters unter Berufung auf drei informierte Personen, dass DeepSeek einen Inferenz-ASIC in Eigenentwicklung vorantreibt — das Projekt soll etwa ein Jahr alt sein, Gespräche mit Designhäusern, Foundries und Speicherlieferanten laufen, und Chip-Ingenieure werden diskret rekrutiert. Paradox, aber datenbasiert relevant: DeepSeek ist bereits tief auf Huawei Ascend produktiv — Partnerschaft und Eigenbau laufen parallel. Währenddessen hat Alibaba T-Head über 560.000 Zhenwu-Chips ausgeliefert (milliardenschwerer Jahresumsatz). Dieser Artikel ordnet die Reuters-Evidenzkette, Liang Wenfengs öffentliche Aussagen, Alibabas achtjährige Ausführung, die globale Juli-2026-Matrix, fünf TCO-Treiber, Inferenz vs. Training, Risiken, 5 FAQ und eine Mac-Entwickler-Perspektive ein — mit Blick auf Lieferkettenresilienz und EU-relevante Compliance-Rahmen.
30 Sekunden · Executive Summary
| Baut DeepSeek Chips? | Wahrscheinlich ja, Frühphase. Reuters 7.7.; keine offizielle Bestätigung; 7,4 Mrd. USD Finanzierung inkl. Custom Silicon |
| Hat Liang Wenfeng es angekündigt? | Nein. Exportverbote und Compute-Hunger als strategisches Motiv — kein Produktlaunch |
| Jack Ma „auch gerade"? | Andere Timeline. Ma benannte T-Head 2018; Joe Tsai und Eddie Wu 2024–2026 |
| Stand Juli 2026? | DeepSeek Früh-R&D; T-Head Zhenwu 810E in Serie; OpenAI Jalapeño tape-out, Deploy Ende 2026 |
| Warum Silicon? | Ökonomie zuerst: Inferenz = „Miete" der KI; ASIC-TCO-Vorteil 30–65 % im Großmaßstab |
1. Schmerzpunkte: Warum Custom-Chip-News im Juli 2026 explodierten
- News-Dichte: Juni–Juli 2026 — OpenAI Jalapeño, Reuters/DeepSeek, The Information zu Zhipu AI und Anthropic — kein China-Phänomen, sondern globaler Compute-Landgrab aller KI-Labore.
- Framing-Fallen: „Liang sprach über Compute" ≠ „offizielle Chip-Ankündigung"; „Ma setzte 2018 Strategie" ≠ „Ma fordert jetzt neue Chips". Dieser Text trennt die Ebenen.
- Training vs. Inferenz: Die meisten Projekte sind Inferenz-ASICs, kein frontal Angriff auf Nvidias Training-Dominanz — entscheidend für die Bewertung des DeepSeek-Gerüchts.
2. DeepSeek Custom-Chip-Gerücht: Evidenzkette
2.1 Berichteter Inhalt (Juli 2026)
Am 7.–8. Juli 2026 folgten Medien der Reuters-Exklusivmeldung. Kernpunkte deckungsgleich:
- DeepSeek entwickelt einen eigenen KI-Chip für Inferenz, nicht Training
- Projektstart ca. Mitte 2025 („vor etwa einem Jahr"), Status frühe Phase
- Gespräche mit Chip-Designhäusern, Foundries und Speicherlieferanten
- Verstärkte Rekrutierung von Chip-Ingenieuren — off-board, diskret
- Bei Erfolg: weniger Abhängigkeit von Nvidia und Huawei Ascend — bemerkenswert, da Ascend bereits produktiv genutzt wird
2.2 Glaubwürdigkeitsmatrix
| Dimension | Bewertung |
|---|---|
| Quellentier | Hoch. Reuters-Formulierung „three people familiar with the matter", global validiert |
| Offizielle Bestätigung | Keine. Stand 2026-07-09 kein Press Release von DeepSeek |
| Indirekte Evidenz | Stark. Juni 2026 erste externe Runde ~7,4 Mrd. USD (~510 Mrd. RMB) mit Verwendungszweck „Custom AI Chips"; IDC-Ingenieur-Hiring; UE8M0 FP8 als Hardware-Software-Co-Design-Signal |
| Widersprüche | Kurzfristige Ascend-Abhängigkeit betont. Saubere Formulierung: Partnerschaft live, Eigenbau früh und parallel |
Redaktionell: „Laut Reuters und Folgeberichten hat DeepSeek ein Inferenz-Chip-Programm gestartet." Nicht: „Liang Wenfeng kündigte offiziell Chip-Produktion an." Immer: „laut Quellen / frühe Phase / unbestätigt".
2.3 Zeitachse
3. Was sagte Liang Wenfeng? Bezug zum Gerücht
CEO Liang Wenfeng gibt selten Interviews. Die wertvollsten Chip-/Compute-Zitate stammen aus Dark Waves (An Yong) Mai 2023 und Juli 2024:
| Thema | Kernaussage | Quelle |
|---|---|---|
| Verbot, nicht Geld | „Unsere echte Herausforderung war nie Finanzierung — es ist das Exportverbot für Hochleistungschips." | Dark Waves, Jul 2024 |
| Effizienzlücke = 4× Compute | Inland vs. Ausland Trainingseffizienz ~Faktor 2; Dateneffizienz nochmals ~Faktor 2 — ~4× Compute für gleiches Ergebnis | Dark Waves |
| Tech-Community | „Viele heimische Chips scheitern am fehlenden Entwickler-Ökosystem… China braucht jemanden an der Technologiefront." | Dark Waves |
| Compute-Appetit | „Der Hunger nach Compute ist unendlich… wir deployen bewusst so viel Compute wie möglich." | Dark Waves |
Bezug zum Gerücht: Liang hat nie öffentlich „DeepSeek baut Chips" angekündigt. Seine Aussagen liefern strategisches Motiv; Reuters dokumentiert Unternehmensverhalten (Hiring, Lieferantengespräche). Langjährige Gründeraussagen ≠ offizielle Projektoffenlegung.
4. Alibaba / Jack Ma: Acht Jahre Ausführung, kein Frischgerücht
Die Frage „Hat Jack Ma dasselbe gesagt?" braucht Timeline-Reset: Alibabas Chip-Strategie ist ein ausgeliefertes Geschäft — kein Breaking News.
4.1 Jack-Ma-Ära (2018): Strategischer Ursprung
- September 2018 Apsara Conference: Fusion von C-SKY und Damo-Chip-Team zu T-Head Semiconductor Co., Ltd.
- Markenname von Jack Ma persönlich genehmigt — „Pingtouge" (Honigdachs) als Langfrist-Signal
- Zhang Jianfeng: Chips als Konzernstrategie, kein Nebenprojekt
- Früh: AI-Beschleuniger (Hanguang), Embedded, Cloud-Edge — später Yitian-CPU, Xuantie RISC-V
4.2 Jack Ma vs. Joe Tsai vs. Eddie Wu
| Person | Rolle | Öffentliche Chip-Aussagen |
|---|---|---|
| Jack Ma | Strategie 2018 | T-Head benannt, Chips zur Gruppenstrategie; nach 2019 weniger öffentliche Auftritte |
| Joe Tsai | Vorsitzender | 2024 Podcast: US-Exportlimits „beeinträchtigen klar" Alibaba Cloud; China ~2 Jahre hinter USA; Glaube an heimische Halbleiter |
| Eddie Wu | CEO | FY2026 Earnings: T-Head 470.000+ Chips geliefert, milliardenschwerer Jahresumsatz; IPO-Option offen |
Nicht schreiben: „Ma fordert jetzt neue Chips." Korrekt: Ma 2018 Strategie; Tsai 2024 Exportdruck; Wu 2026 Serienmetriken.
4.3 T-Head-Stand 2026
Produktlinie: Zhenwu-Serie
| Modell | Zeitpunkt | Highlights |
|---|---|---|
| Hanguang 800 | 2019 | Früher Inferenz-Beschleuniger |
| Zhenwu 810E | Jan 2026 | Train+Inferenz; 96 GB HBM2e; zwischen A800 und H20; in Serie |
| Zhenwu M890 | 2026 | 144 GB, 800 GB/s Die-to-Die, ~3× 810E |
| Zhenwu V900 | Plan Q3 2027 | 216 GB, 1200 GB/s Interconnect |
| Zhenwu J900 | Plan Q3 2028 | Nächste Parallel-Compute-Architektur |
Kommerzielle Daten (2026): 560.000+ Auslieferungen; ~10 Mrd. RMB annualisierter Umsatz; Kunden u. a. Alibaba Cloud, China Unicom, 400+ Unternehmen; T-Head-Stammkapital 1 Mrd. RMB (Juni 2026); Alibaba 380 Mrd. RMB Cloud/AI-Infrastruktur über drei Jahre.
Nvidia-Bezug: WSJ: neue Chips CUDA-kompatibel — geringere Migrationskosten (anders als Huawei). Fertigung Richtung heimische Foundry (Konsens: SMIC 7nm-Klasse) wegen US-TSMC-Beschränkungen für Mainland-AI-Wafer.
5. Fortschritts-Matrix Juli 2026
| Unternehmen | Chip-Programm | Phase | Workload | Schlüsselzahlen |
|---|---|---|---|---|
| DeepSeek | Unbenannter Inferenz-ASIC | Früh-R&D | Inferenz | 7,4 Mrd. USD; diskretes Hiring; unbestätigt |
| Alibaba (T-Head) | Zhenwu 810E / M890 | Serienproduktion | Train+Inferenz | 560K+; ~10 Mrd. RMB Umsatz |
| Huawei | Ascend 950 | Serie | Train+Inferenz | DeepSeek V4; Auftragsanstieg (Reuters) |
| OpenAI | Jalapeño (Broadcom) | Tape-out, Deploy pending | Inferenz | 9 Monate Design-to-Tape-out; Deploy Ende 2026 |
| TPU v6/v7 | Großserien-Commercial | Train+Inferenz | Gemini end-to-end auf TPU | |
| Amazon | Trainium3 / Inferentia | Commercial | Training+Inferenz | Anthropic nutzt Trainium massiv |
| Microsoft | Maia 100 | Rollout | Inferenz | Azure / OpenAI Serving |
| Meta | MTIA | Intern | Inferenz | Recommendation; ein Redesign-Neustart |
| Anthropic | Samsung Custom Talks | Explorativ | offen | The Information, Juli 2026 |
| Zhipu AI | Custom Silicon evaluiert | Früh | Inferenz | The Information, Juli 2026 |
TrendForce (2026): Custom-AI-Chip-Wachstum 44,6 % vs. GPU 16,1 % — Custom Silicon überholt GPU-Wachstum erstmals deutlich.
6. Globaler Benchmark: Nicht nur chinesische Labore
Juli 2026: „KI-Firmen bauen Chips" ist globale Infrastrukturökonomie, kein Nationalismus-Headline. Treiber: Unit Economics — wer inferiert am günstigsten bei Milliarden-Nutzern.
7. Fünf Treiber: Warum jeder Hyperscaler Custom Silicon will
Kurzantwort: Wettbewerb verschob sich von „bestes Modell" zu „günstigste, kontrollierbare Compute pro Token".
| Rang | Treiber | Logik | Daten |
|---|---|---|---|
| 1 | Ökonomie: Inferenz = „Miete" | Training = Anzahlung; Inferenz = monatliche Miete. Bei ChatGPT-DAU übersteigt Inferenz Training | Morgan Stanley: 24.000 Blackwell ~852 Mio. USD vs. vergleichbares TPU ~99 Mio. USD. ASIC-TCO-Vorteil 40–65 %; Token-Kosten −30–40 % |
| 2 | Lieferkette & Geopolitik | US-Exportkontrollen; Peking fördert heimische Compute; US-Labore: Nvidia-Allokation | Sicherheit = planbare Beschaffung — kein Single-Vendor-/Single-Policy-Chokepoint. Für EU-Unternehmen relevant im Kontext von DSGVO, Datenresidenz und dokumentierter Lieferkette (Art. 28 Auftragsverarbeitung) |
| 3 | Hardware-Software-Co-Design | DeepSeek UE8M0 FP8 + MLA; Jalapeño für ChatGPT KV-Cache/Batching | GPU: Flexibilität; ASIC: Effizienz für bekannte Workloads |
| 4 | Moat & Verhandlungsmacht | Teil-Eigenbau stärkt Nvidia-Einkauf | Full-Stack: Modell + Cloud + Chip (Alibaba „Goldenes Dreieck", OpenAI Stack) |
| 5 | Energie & Nachhaltigkeit | Inferenz-ASIC: Performance-per-Watt | MW/GW-Rechenzentren: Strom/Kühlung rivalisiert Chip-Capex; ASIC streicht ungenutzte GPU-Logik |
Nvidia Data-Center-GPU-Bruttomarge >70 % — jeder H200-Kauf finanziert vor allem Nvidia. Custom Silicon wandelt wiederkehrende „GPU-Steuer" in upfront R&D.
7.1 Sicherheit vs. Kosteneinsparung: beide Ebenen
| Perspektive | Zielgruppe | Formulierung |
|---|---|---|
| Geopolitik / Dekopplung | Policy | Exportkontrollen, heimische Substitution, Lieferautonomie |
| Business / Invest | TCO-Reader | Bruttomarge, Token-Kosten, Capex-ROI |
| Engineering | Builder | Co-Design, ASIC vs. GPU, Serving-Architektur |
| Enterprise / Compliance | Einkauf EU | Datenhoheit, Lieferketten-Audit, DSGVO-konforme Verarbeitung, Vendor-Redundanz |
Für den deutschen Markt: Unit Economics und dokumentierte Lieferketten überzeugen Einkauf und Legal gleichermaßen — nicht nur geopolitische Narrative.
8. Inferenz-Chips vs. Training-GPUs: Marktspaltung
| Dimension | Training | Inferenz |
|---|---|---|
| Workload | Dynamisch, experimentell | Statische Modelle, vorhersagbare Requests |
| Software | CUDA-Moat (cuDNN, NCCL) | Hand-tuned Kernel für feste Modelle |
| Chip-Anforderung | Peak-FLOPS + Programmierbarkeit | Throughput, Latenz, Kosten/Token |
| Ökonomie | Einmaliger Cluster-Capex | 24/7, oft höhere Gesamtausgaben |
| Führer | Nvidia H100/B200 | TPU, Trainium, Maia, Jalapeño, DeepSeek-ASIC (Gerücht) |
Fazit: Training bleibt Nvidia-Territorium; Inferenz ist ASIC-Schlachtfeld. Das erklärt DeepSeeks berichteten Inferenz-Fokus.
9. Risiken und Unsicherheit
- Frühprogramme scheitern: Meta MTIA einmal neu gestartet — Ankündigung ≠ Auslieferung.
- Architektur-Drift: ASICs für heutige Modelle alternieren schnell bei Architekturwechseln.
- DeepSeek unbestätigt: Bis Press Release: „laut Berichten / Quellen" — nicht „bestätigt".
- Fertigungsengpässe: Advanced Nodes, HBM, Foundry-Kapazität — global, nicht nur China.
10. Fünf Schritte für Entwickler und Entscheider
- News-Hierarchie: Reuters → indirekte Signale (Finanzierung, Hiring) → Gründer-Motiv → offizielle Ankündigung.
- Inferenz-Kosten tracken: Kosten pro Million Token und p99-Latenz — nicht nur Training-FLOPS.
- Co-Design-Signale: UE8M0 FP8, MLA — oft Vorboten für Hardware-Ziele.
- Multi-Vendor-Fallback: Nvidia + heimische ASIC + Cloud-API — Lieferketten- und Compliance-Redundanz.
- Refresh-Zyklus: 2–4 Wochen Bewegung möglich. Letztes Update: 2026-07-09. Reuters, OpenAI Engineering Blog, Alibaba Earnings.
11. FAQ
Q1: Baut DeepSeek wirklich einen eigenen KI-Chip?
Reuters, 7. Juli 2026, drei Quellen: Inferenz-Chip in früher Phase. DeepSeek hat offiziell nicht bestätigt.
Q2: Hat CEO Liang Wenfeng ein Chip-Programm angekündigt?
Nein. 2024: Exportkontrollen als Hauptherausforderung — kein Produktlaunch.
Q3: Welche Rolle spielt Alibaba?
T-Head (2018, Jack Ma) produziert Zhenwu in Serie: 560.000+ Einheiten, milliardenschwerer Jahresumsatz (2026).
Q4: Warum zuerst Inferenz-Chips?
Repetitive, vorhersagbare Workloads — ideal für ASICs. Training bleibt CUDA/Nvidia-dominiert.
Q5: Sicherheit oder Kosteneinsparung?
Beides. Ökonomie primär; Exportkontrollen und Lieferkettenrisiken beschleunigen den Shift.
12. Haftungsausschluss und Quellen
DeepSeek hat das Chip-Programm zum Redaktionsschluss nicht bestätigt. Synthese aus Reuters, OpenAI, WSJ, Caixin Global, Dark Waves, Alibaba — technische Analyse, keine Anlageberatung.
- Reuters: DeepSeek developing own AI chip (7. Jul. 2026)
- OpenAI Official: Jalapeño Inferenz-Chip
- WSJ: Alibaba AI chip to fill Nvidia void
- Caixin Global: Alibaba Zhenwu 810E
- SCMP: Joe Tsai on chip export restrictions
- Dark Waves: Liang Wenfeng 2023/2024
13. Abschluss: Hyperscaler bauen „Miet-Chips"; Entwickler validieren heute auf dem Mac
Während DeepSeek, OpenAI und Alibaba T-Head um Inferenz-ASIC-Ökonomie kämpfen, bleibt für die meisten Teams die Frage: Wie schnell läuft mein Modell lokal, und skalieren API-Rechnungen linear mit DAU? Cloud-GPUs unter Windows/Linux für Produktion — aber Prototyping auf Apple Silicon via MLX / Ollama, Unified Memory für Mid-Size-Modelle, Peaks auf Remote-Knoten, ist oft der schnellste Iterationsloop. Für isolierte Testumgebungen (DeepSeek-Derivate, Quantisierung vs. Token-Kosten, Dev-API-Keys getrennt vom Daily Driver) eignet sich ein MACGPU Remote Mac mini M4: Unified Memory für lokale Inferenz-Experimente, SSH On-Demand, Trennung von „auf Hyperscaler-Silicon warten" und „Workflow diese Woche validieren" — DSGVO-freundlich bei getrennten Mandanten und dokumentierter Datenverarbeitung.