Строит ли DeepSeek собственный AI-чип?

Это не только Китай: глобальная волна custom-чипов в июле 2026

Прежде чем разбирать DeepSeek, нужен контекст. Данные TrendForce показывают рост отгрузок custom AI-чипов гиперскейлеров на 44,6% в 2026 году против 16,1% у универсальных GPU — custom silicon впервые в масштабе обгоняет GPU по темпам роста.

2026-06-24  OpenAI + Broadcom анонсируют inference ASIC Jalapeño (tape-out за 9 месяцев)
2026-07-02  Anthropic, по сообщениям, в переговорах с Samsung о custom-чипе на 2 nm
2026-07-07  Reuters: DeepSeek разрабатывает custom inference-чип
2026-07-07  The Information: Zhipu AI оценивает custom silicon

Краткий ответ на вопрос «почему все строят чипы?»: конкуренция в AI сместилась от у кого лучшая модель к у кого самый дешёвый и контролируемый compute. Training — это первоначальный взнос; inference — аренда — и при масштабе DAU ChatGPT расходы на inference превышают training.

Пять болевых точек, которые путают читателей при выходе новостей:

1. 01

   Слух vs анонс: Reuters описывает поведение компании (найм, переговоры с поставщиками). Liang Wenfeng публично chip-программу не объявлял.

2. 02

   Смешение inference и training: сообщаемый чип DeepSeek нацелен только на inference. Nvidia по-прежнему доминирует в training и стеке CUDA.

3. 03

   Партнёрство плюс in-house R&D: DeepSeek уже адаптируется под Huawei Ascend и параллельно исследует собственный ASIC — параллельные треки, а не «или/или».

4. 04

   Разрыв по стадиям: Alibaba T-Head уже в серийном производстве; DeepSeek на раннем R&D. Заголовки про «независимость Китая от чипов» скрывают восьмилетний разрыв.

5. 05

   Экономика недооценена: экспортные ограничения ускоряют сдвиг, который и так был обусловлен налогом Nvidia — валовая маржа datacenter GPU выше 70%.

Runbook из шести шагов: как читать сдвиг к custom silicon

1. 01

   Оцените источники: для DeepSeek Reuters «three sources» — tier-one; до официального пресс-релиза используйте «по сообщениям».

2. 02

   Определите тип нагрузки: API-heavy agents и RAG смотрят на inference ASIC и unit economics токена; fine-tuning/training по-прежнему на Nvidia + CUDA.

3. 03

   Оцените зрелость domestic stack: T-Head Zhenwu 810E в серийном производстве (96GB HBM2e; WSJ отмечает CUDA compatibility для миграции). Huawei Ascend запускает DeepSeek V4 — выбирайте по compliance и fit стека.

4. 04

   Моделируйте TCO, а не sticker price: SemiAnalysis и Bernstein указывают преимущество TCO 40–65% для custom ASIC при hyperscaler inference scale; Morgan Stanley сравнивал ~$852M кластеров Blackwell vs ~$99M TPU (строка hardware, контекст Breakingviews/Reuters).

5. 05

   Следите за hardware-software co-design: DeepSeek UE8M0 FP8 и MLA, OpenAI Jalapeño KV-cache/batching — model stack всё плотнее привязывается к выбору silicon.

6. 06

   Резервируйте Apple Silicon для agent workloads: ASIC-cloud не запускает Xcode signing chains, Metal-local inference или macOS-native agent tooling. Планируйте отдельный cloud Mac Mini tier рядом с API inference — дополнение, не замена.

2018-09     Jack Ma на Cloud栖 conference называет Alibaba T-Head
2023-2024   Liang Wenfeng (CEO DeepSeek) в интервью: export controls, compute hunger
2025-01     DeepSeek R1 на Nvidia H800 (уже под export restriction с конца 2023)
~2025-mid   Сообщения о старте in-house chip DeepSeek
2026-01     Alibaba Zhenwu 810E в серийном производстве
2026-04     DeepSeek V4 на Huawei Ascend
2026-06     DeepSeek ~$7,4B раунд / OpenAI Jalapeño launch
2026-07-07  Reuters: inference-чип DeepSeek
2026-07     The Information: Zhipu оценивает custom-чип

Почему tech-гиганты строят custom AI-чипы: cost, control и налог Nvidia

Пять драйверов (по приоритету)

1. 01

   Экономика: inference — recurring rent. Custom ASIC могут снизить total cost of ownership (TCO) на 30–65% в масштабе и per-token cost на 30–40% при hyperscaler serving. Валовая маржа datacenter GPU Nvidia превышает 70% — in-house silicon конвертирует постоянный GPU tax в upfront R&D.

2. 02

   Supply chain resilience: US export controls, allocation queues и single-vendor dependency — security здесь значит предсказуемую поставку, не только cyber risk.

3. 03

   Hardware-software co-design: универсальные GPU жертвуют efficiency ради flexibility; ASIC инвертируют trade-off для известных inference graphs.

4. 04

   Переговорная сила: даже частичный self-supply усиливает переговоры с Nvidia и cloud differentiation («model + cloud + silicon»).

5. 05

   Performance per watt: на масштабе megawatt и gigawatt DC мощность и охлаждение сопоставимы с ценой silicon.

Цифры, которые стоит цитировать

• Раунд DeepSeek: ~$7,4B (июнь 2026), disclosed uses включают in-house chips и domestic compute centers
• Отгрузки T-Head: 560K+ единиц; ~$1,4B+ annualized revenue (2026 H1)
• Маржа Nvidia: 70%+ на datacenter GPU — большая часть покупки H200 уходит в profit поставщика
• Рост custom silicon: 44,6% vs GPU 16,1% (TrendForce 2026)
• Infra pledge Alibaba: ~$53B за три года (чипы, compute, liquid cooling)

Hyperscaler ASIC fleets сильны в token throughput, но не хостят macOS-native Xcode pipelines, code signing или Metal-accelerated local agents. Виртуализированный macOS добавляет performance tax и EULA risk; long-running agent stability страдает. Для production iOS CI/CD и AI agent automation аренда cloud Mac Mini VpsMesh обычно лучший fit — bare-metal Apple Silicon с root access и 24/7 uptime, дополняя cloud inference API, а не заменяя их.