DEEPSEEK
SVOJ_CHIP_
INFERENCE_
2026.

Тезис: 7 июля 2026 Reuters со ссылкой на трёх информированных лиц: DeepSeek разрабатывает inference-only ASIC — проект ~год назад, переговоры с design house, foundry и memory vendor, тихий найм chip-инженеров. Парадокс, который важен инженеру: DeepSeek уже в проде на Huawei Ascend, но идёт в свой silicon — партнёрство и in-house идут параллельно, не XOR. Пока Alibaba T-Head отгрузил 560 000+ Zhenwu (миллиардный годовой revenue). Ниже — полный разбор: evidence chain Reuters, публичные высказывания Liang Wenfeng, 8-летний track T-Head, глобальная матрица июля 2026, 5 драйверов, inference vs training, риски, 5 FAQ, Mac/Metal angle для разработчика.

1. Почему custom chip news взорвались в июле 2026

1. News density: июнь–июль — OpenAI Jalapeño, Reuters/DeepSeek, The Information/Zhipu + Anthropic — глобальный land grab compute, не «китайский тренд».
2. Framing traps: «Liang говорил про compute» ≠ official chip announcement; «Ma задал стратегию в 2018» ≠ «Ma сейчас требует новые чипы».
3. Training vs inference: большинство проектов — inference ASIC, не frontal attack на Nvidia training dominance. Это ключ к оценке веса слуха DeepSeek.

2. Слух DeepSeek: evidence chain

2.1 Что сообщили (июль 2026)

7–8 июля медиа подхватили Reuters exclusive. Конвергентные claims:

• DeepSeek делает custom AI chip под inference, не training
• Старт ~середина 2025 («год назад»), статус early stage
• Talks с chip design, foundry, memory suppliers
• Усиленный hiring chip engineers — off public boards, private recruiting
• Успех → меньше зависимости от Nvidia и Huawei Ascend — критично, т.к. Ascend уже в production workload DeepSeek

2.2 Credibility matrix

Измерение	Оценка
Source tier	High. Reuters «three people familiar with the matter», cross-validated
Official confirm	None. На 2026-07-09 нет press release DeepSeek
Circumstantial	Strong. Июнь 2026 external round ~$7.4B (~510B RMB) с use case «custom AI chips»; IDC engineer hiring; UE8M0 FP8 как hardware-software co-design signal
Contradictions	Часть аналитики — short-term Ascend dependence. Clean framing: partnership live; in-house early & parallel

Editorial: писать «по данным Reuters, DeepSeek запустил inference chip program». Не писать «Liang Wenfeng officially announced production». Теги: sources say / early stage / unconfirmed.

2.3 Timeline

3. Что говорил Liang Wenfeng? Связь со слухом

CEO Liang Wenfeng редко даёт on-record интервью. Ценные chip/compute quotes — Dark Waves (An Yong) май 2023 и июль 2024:

Тема	Ключевая цитата	Источник
Ban, not money	«Наш настоящий вызов никогда не был funding — это export ban на advanced chips.»	Dark Waves, Jul 2024
Efficiency gap = 4× compute	Domestic vs overseas training efficiency ~×2; data efficiency ещё ~×2 — ~4× compute для эквивалентного результата	Dark Waves
Tech community	«Многие domestic chips проваливаются без developer community… Китаю нужен кто-то на technology frontier.»	Dark Waves
Compute appetite	«Голод по compute бесконечен… мы сознательно deploy максимум compute.»	Dark Waves

Связь со слухом: Liang никогда публично не объявлял «DeepSeek будет строить chips». Его quotes = strategic motive; Reuters фиксирует corporate behavior (hiring, supplier talks). Long-running founder statements ≠ official project disclosure.

4. Alibaba / Jack Ma: 8 лет execution, не fresh rumor

«Jack Ma сказал то же?» — нужен timeline reset: chip strategy Alibaba — shipping business, не breaking news.

4.1 Jack Ma era (2018): strategic origin

• Apsara Conference сентябрь 2018: merge C-SKY + Damo chip team → T-Head Semiconductor Co., Ltd.
• Brand name лично approved Jack Ma — «Pingtouge» (honey badger) = long-horizon signal
• Zhang Jianfeng: chips = group-level strategic priority
• Early: AI accelerators (Hanguang), embedded, cloud-edge — later Yitian CPU, Xuantie RISC-V

4.2 Jack Ma vs Joe Tsai vs Eddie Wu

Фигура	Роль	Публичные chip statements
Jack Ma	Strategic 2018	Named T-Head, elevated chips to group strategy; меньше public после 2019
Joe Tsai	Chairman	Podcast 2024: US export limits «clearly affect» Alibaba Cloud; China AI ~2 года behind US; belief в domestic semiconductors
Eddie Wu	CEO	FY2026 earnings: T-Head 470K+ chips delivered, billion-yuan annualized revenue; IPO option open

Не писать: «Ma недавно призвал к новым чипам». Точно: Ma 2018 strategy; Tsai 2024 export pressure; Wu 2026 mass-production metrics.

4.3 T-Head progress 2026

Product line: Zhenwu series

Модель	Сроки	Highlights
Hanguang 800	2019	Early inference accelerator
Zhenwu 810E	Jan 2026	Train+inference; 96GB HBM2e; между A800 и H20; mass production
Zhenwu M890	2026	144GB, 800GB/s die-to-die, ~3× 810E
Zhenwu V900	Plan Q3 2027	216GB, 1200GB/s interconnect
Zhenwu J900	Plan Q3 2028	Next-gen parallel compute architecture

Commercial metrics (2026): 560 000+ shipments; ~10B RMB annualized revenue; customers Alibaba Cloud, China Unicom, 400+ enterprises; T-Head capital 1B RMB (июнь 2026); Alibaba 380B RMB cloud/AI infra за 3 года.

Nvidia relationship: WSJ: new chips CUDA-compatible — lower migration friction (другой path vs Huawei). Manufacturing shift к domestic foundry (consensus: SMIC 7nm-class) из-за US rules на TSMC advanced AI wafers для mainland.

5. Progress matrix июль 2026

Компания	Chip program	Stage	Workload	Key numbers
DeepSeek	Unnamed inference ASIC	Early R&D	Inference	$7.4B; quiet hiring; unconfirmed
Alibaba (T-Head)	Zhenwu 810E / M890	Mass production	Train+inference	560K+; ~10B RMB revenue
Huawei	Ascend 950	Production	Train+inference	V4 adaptation; order surge (Reuters)
OpenAI	Jalapeño (Broadcom)	Tape-out done	Inference	9-month design-to-tape-out; deploy late 2026
Google	TPU v6/v7	Large-scale commercial	Train+inference	Gemini end-to-end on TPU
Amazon	Trainium3 / Inferentia	Commercial	Training+inference	Anthropic heavy Trainium
Microsoft	Maia 100	Deploying	Inference	Azure / OpenAI serving
Meta	MTIA	Internal	Inference	Recommendation; one redesign restart
Anthropic	Samsung custom talks	Exploratory	TBD	The Information, July 2026
Zhipu AI	Evaluating custom silicon	Early	Inference	The Information, July 2026

TrendForce (2026): custom AI chip shipment growth 44,6% vs GPU 16,1% — custom silicon впервые обгоняет GPU по velocity.

6. Global benchmark: не только китайские labs

Июль 2026: «AI companies building chips» — global infrastructure race. Through-line: unit economics — кто дешевле inferит на billion-user scale.

7. Пять драйверов: зачем hyperscaler'ам custom silicon

One-liner: конкуренция сместилась с «best model weights» на «cheapest controllable compute per token».

#	Драйвер	Логика	Данные
1	Economics: inference = «rent»	Training = down payment; inference = monthly rent. ChatGPT-scale DAU → inference spend > training	Morgan Stanley: 24K Blackwell ~$852M vs comparable TPU ~$99M. ASIC TCO advantage 40–65%; cost/token −30–40%
2	Supply chain & geopolitics	US export controls; Beijing domestic compute push; US labs — Nvidia allocation caps	Security = predictable supply — no single-vendor/single-policy chokepoint
3	Hardware-software co-design	DeepSeek UE8M0 FP8 + MLA; Jalapeño tuned for ChatGPT KV cache/batching/latency	GPU trades efficiency for flexibility; ASIC — наоборот для known workloads
4	Moat & bargaining power	Partial in-house silicon усиливает Nvidia purchase negotiations	Full-stack: model + cloud + chip (Alibaba golden triangle, OpenAI infra stack)
5	Energy & sustainability	Inference ASIC: performance-per-watt	MW/GW datacenters: power/cooling rival chip capex; ASIC sheds unused GPU logic

Nvidia datacenter GPU gross margin >70% — каждая H200 в основном финансирует Nvidia. Custom silicon конвертирует recurring «GPU tax» в upfront R&D.

7.1 Security vs cost: оба слоя

Угол	Аудитория	Как писать
Geopolitics	Policy	Export controls, domestic substitution, supply autonomy
Business	TCO readers	Gross margin, token cost, capex ROI
Engineering	Builders	Co-design, ASIC vs GPU, serving architecture
Enterprise	Procurement	Data sovereignty, supply resilience, vendor redundancy

8. Inference chips vs training GPUs: почему рынок раскалывается

Измерение	Training	Inference
Workload	Dynamic, experimental, architectures shift	Static models, predictable request patterns
Software stack	CUDA moat (cuDNN, NCCL, Nsight)	Hand-tuned kernels для fixed models
Chip needs	Peak FLOPS + programmability	Throughput, latency, cost/token
Economic scale	Large one-time cluster capex	24/7 continuous, often larger aggregate spend
Leaders	Nvidia H100/B200 dominance	TPU, Trainium, Maia, Jalapeño, rumored DeepSeek ASIC

Bottom line: training — Nvidia territory; inference — custom ASIC battleground. Это technical + economic logic reported inference-only focus DeepSeek.

9. Риски и uncertainty

1. Early programs fail: Meta MTIA restarted once — announce ≠ ship.
2. Architecture drift: ASIC под today's models быстро устаревает при pivot архитектуры.
3. DeepSeek unconfirmed: до press release — «reportedly / sources say», не «confirmed».
4. Manufacturing bottlenecks: advanced nodes, HBM, foundry capacity — global constraint.

10. Пять шагов для разработчиков и decision-makers

1. Tier news sources: Reuters exclusive → indirect signals (funding, hiring) → founder motive → official announcement.
2. Track inference cost: cost per million tokens + p99 latency — не только training FLOPS.
3. Watch co-design signals: UE8M0 FP8, MLA — часто предвестники hardware targets.
4. Multi-vendor fallback: Nvidia + domestic ASIC + cloud API — избегать single-supplier lock-in.
5. Refresh cadence: движение за 2–4 недели. Last updated: 2026-07-09. Reuters, OpenAI engineering blog, Alibaba earnings.

11. FAQ

Q1: DeepSeek действительно строит свой AI-чип?

Reuters, 7 июля 2026, три источника: inference-чип early stage. DeepSeek официально не подтвердил.

Q2: Liang Wenfeng анонсировал chip program?

Нет. В 2024 — export controls как main challenge, не product launch.

Q3: Какова роль Alibaba?

T-Head (2018, Jack Ma) в серии Zhenwu: 560 000+ units, billion-yuan annual revenue (2026).

Q4: Почему сначала inference chips?

Repetitive predictable workloads — ideal для ASIC. Training — CUDA/Nvidia dominated.

Q5: Безопасность или экономия?

Оба. Economics primary; export controls и supply risk ускоряют shift.

12. Disclaimer и sources

DeepSeek не подтвердил chip program на момент публикации. Синтез Reuters, OpenAI, WSJ, Caixin Global, Dark Waves, Alibaba — technical analysis, не investment advice.

• Reuters: DeepSeek developing own AI chip (Jul 7, 2026)
• OpenAI Official: Jalapeño inference chip
• WSJ: Alibaba AI chip to fill Nvidia void
• Caixin Global: Zhenwu 810E analysis
• SCMP: Joe Tsai on chip export restrictions
• Dark Waves: Liang Wenfeng 2023/2024

13. Закрытие: hyperscalers строят «rent chips»; разработчик валидирует на Mac сегодня

Пока DeepSeek, OpenAI и Alibaba T-Head бьются за inference ASIC economics, у большинства builders вопрос практичнее: какой throughput у моей модели локально, и API bill растёт ли линейно с DAU? Cloud GPU на Windows/Linux — production inference. Но прототип на Apple Silicon через MLX / Ollama с unified memory для mid-size models, peaks на remote node — часто fastest iteration loop. Для изолированной среды (DeepSeek-derived models, сравнение quantization vs token cost, dev API keys off daily driver) — MACGPU remote Mac mini M4: unified memory для local inference experiments, Metal-backed MLX kernels с measurable tokens/sec и prefill throughput, SSH on-demand start/stop. Разделяйте «ждать hyperscaler silicon» и «валидировать workflow на этой неделе» — benchmark prefill/decode на M4, затем burst peaks на удалённый узел без смешения production keys.