Wenn Sie als IT-Leiter oder ML-Engineer prüfen, ob DeepSeek einen eigenen AI-Chip wirklich baut, liefert Reuters vom 7. Juli 2026 (drei informierte Personen) die stärkste externe Spur: ein Inferenz-ASIC in früher Entwicklung – obwohl DeepSeek bereits Huawei Ascend nutzt. Dieser datengetriebene Leitfaden deckt Glaubwürdigkeit der Gerüchte, Liang Wenfengs Originalzitate, Alibabas achtjährige T-Head-Linie, die globale Juli-2026-Matrix, fünf Wirtschaftstreiber, Training vs. Inferenz, sechs Entscheidungsschritte, fünf FAQ, DSGVO-Bezug bei Cloud-Daten und eine NOVAKVM-Empfehlung für stabile Entwicklungsknoten. Preise: Mietpreise.
[ SECTION_01 ] // TL;DR DeepSeek eigener Chip – 30-Sekunden-Überblick
| Frage | Bewertung |
|---|---|
| Baut DeepSeek einen eigenen Chip? | Wahrscheinlich ja, frühes Stadium. Reuters 2026-07-07: Projekt vor ~einem Jahr gestartet; Gespräche mit Design-, Foundry- und Speicherpartnern; diskrete Rekrutierung – keine offizielle Bestätigung. |
| Hat Liang Wenfeng das angekündigt? | Nein. Er nannte Exportverbote und Rechenleistungs-Hunger als Motivation, aber kein Chip-Programm. |
| Alibaba parallel? | Serienreif. T-Head Zhenwu 810E: 560.000+ ausgelieferte Chips, milliardenschwerer Jahresumsatz – kein Gerücht. |
| Warum Inferenz? | Inferenz ist der dauerhafte Kostenblock; ASICs können TCO um 30–65 % senken gegenüber General-Purpose-GPUs. |
[ SECTION_02 ] // DEEPSEEK Reuters-Gerüchte: Evidenzkette, Glaubwürdigkeit & Schmerzpunkte
Gerüchtinhalt (Juli 2026)
- Szenario Inferenz: DeepSeek entwickelt einen ASIC für Inference, nicht für Training.
- Start ~Mitte 2025 („vor einem Jahr“); Phase: frühe Entwicklung.
- Kontakte zu Chip-Designern, Foundries und Speicherlieferanten; verstärkte, nicht öffentlich ausgeschriebene Einstellungen.
- Ziel: Abhängigkeit von Nvidia und Huawei Ascend reduzieren – trotz bestehender Ascend-Integration (V4, V4-Flash).
Typische Fehlinterpretationen
- Gründerzitat ≠ Projektankündigung: Liang Wenfeng beschreibt Constraints; Reuters berichtet Unternehmenshandeln.
- Kooperation und Eigenentwicklung parallel: Ascend-Nutzung und Eigen-ASIC schließen sich nicht aus.
- Training vs. Inferenz: Das Gerücht betrifft ausdrücklich Inferenz-ASICs.
- Indirekte Belege: Juni 2026 ~74 Mrd. USD Finanzierung (510 Mrd. CNY) mit Chip- und Rechenzentrum-Budget; UE8M0-FP8 als Software-Hardware-Signal.
- DSGVO-Bezug: Wer Modell-Logs, Prompts oder personenbezogene Inferenzdaten in US- oder Drittstaaten-Clouds verarbeitet, braucht neben Chip-Strategie eine DSGVO-konforme Datenresidenz- und AVV-Prüfung – Chip-Souveränität ersetzt keine Verarbeitungsgrundlage.
| Dimension | Einstufung |
|---|---|
| Quellenniveau | Hoch – Reuters-Standardformulierung „three people familiar with the matter“. |
| Offizielle Bestätigung | Keine bis Stichtag. |
| Indirekte Evidenz | Stark – Finanzierung, Rekrutierung, FP8-Co-Design. |
| Formulierungsempfehlung | „Laut Reuters …“; nicht „Liang Wenfeng kündigt Chip an“; frühes Stadium betonen. |
| Datum | Ereignis |
|---|---|
| 2023–2024 | Liang Wenfeng (Waves): Exportverbote als größte Herausforderung; ~4× Rechenbedarf vs. optimaler Auslands-Stack |
| 2025-01 | DeepSeek R1; Training u. a. auf Nvidia H800 |
| 2025 Mitte | Gerücht: Eigen-Chip-Projekt startet |
| 2026-04 | V4 auf Ascend; V4-Flash teilweise Ascend-Training |
| 2026-06 | ~74 Mrd. USD Finanzierung inkl. Chip-Budget |
| 2026-07-07 | Reuters: Inferenz-ASIC in Entwicklung |
| 2026-07 | The Information: Zhipu AI prüft ebenfalls Custom Chips |
[ SECTION_03 ] // PEOPLE Liang Wenfeng: Zitate & Alibaba T-Head – acht Jahre Strategie
Liang Wenfeng – relevante Originalaussagen (Waves 2023/2024)
- „Unsere wahre Herausforderung war nie Kapital, sondern Exportverbote für High-End-Chips.“
- Inlands- vs. Auslandseffizienz erfordert schätzungsweise ~4× Rechenleistung für vergleichbare Ergebnisse.
- „Viele heimische Chips scheitern am fehlenden Technologie-Community-Ökosystem.“
- „Wir werden bewusst so viel Rechenleistung wie möglich bereitstellen.“
Abgrenzung: Liang Wenfeng hat keinen DeepSeek-Chip öffentlich angekündigt. Reuters beschreibt Rekrutierung und Lieferantengespräche – Unternehmensverhalten, kein Gründer-Manifest.
Alibaba T-Head: von Jack Ma 2018 bis Eddie Wu 2026
- September 2018: Fusion Zhongtian Micro + DAMO-Chip-Team → T-Head; Jack Ma benannte die Einheit; Chips als Konzernstrategie.
- Korrekte Formulierung: Ma legte 2018 die Basis; Joe Tsai (2024) erklärt Exportkontrolle; Eddie Wu (2026) nennt Serienzahlen – nicht „Ma sagt kürzlich …“.
| Person | Rolle | Kernaussage |
|---|---|---|
| Jack Ma | Strategie 2018 | T-Head benannt; Langfrist-Commitment Chips |
| Joe Tsai | Chairman | 2024: US-Exportlimits treffen Alibaba Cloud; China ~2 Jahre hinter USA; langfristig heimische Halbleiter |
| Eddie Wu | CEO | 2026: 470.000+ AI-Chips geliefert; milliardenschwerer Jahresumsatz; IPO T-Head nicht ausgeschlossen |
| Modell | Zeit | Kernparameter |
|---|---|---|
| Hanguang 800 | 2019 | Früher Inferenz-ASIC |
| Zhenwu 810E | Jan 2026 | Train+Inferenz; 96 GB HBM2e; zwischen Nvidia A800 und H20; Serienproduktion |
| Zhenwu M890 | 2026 | 144 GB; 800 GB/s Chip-zu-Chip; ~3× 810E |
| Zhenwu V900 | geplant 2027 Q3 | 216 GB; 1200 GB/s Interconnect |
| Zhenwu J900 | geplant 2028 Q3 | Eigene Parallel-Architektur-Iteration |
2026-Kommerzdaten: 560.000+ ausgelieferte Chips; Jahresumsatz Milliarden-CNY; 400+ Unternehmen an Zhenwu-Clustern; T-Head-Kapital 1 Mrd. CNY (Juni 2026); Alibaba plant 380 Mrd. CNY Cloud/AI-Infrastruktur in drei Jahren. WSJ: CUDA-Kompatibilität zur Migrationskosten-Senkung; Fertigung zunehmend heimisch (u. a. SMIC 7nm, Branchenschätzungen).
[ SECTION_04 ] // GLOBAL Globale AI-Chip-Matrix – Stand Juli 2026
Custom AI Silicon ist weltweit im Aufwind. TrendForce (2026): Auslieferungen Cloud-Custom-Chips +44,6 % vs. General-Purpose-GPU +16,1 %.
| Unternehmen | Projekt | Phase | Szenario | Schlüsselzahl |
|---|---|---|---|---|
| DeepSeek | Inferenz-ASIC (unbenannt) | Früh | Inferenz | ~74 Mrd. USD Funding; unbestätigt |
| Alibaba T-Head | Zhenwu 810E / M890 | Serie | Train+Inferenz | 560.000+ Chips; Milliarden-Umsatz |
| Huawei | Ascend 950 u. a. | Serie | Train+Inferenz | DeepSeek V4-Adapter; Auftragsspitzen |
| OpenAI | Jalapeño (Broadcom) | Tape-out, Deploy pending | Inferenz | 9 Monate Design→Tape-out; Deploy Ende 2026 |
| TPU v6/v7 | Skaliert | Train+Inferenz | Gemini end-to-end auf TPU | |
| Amazon | Trainium3 / Inferentia | Produktiv | Beides | Anthropic nutzt Trainium massiv |
| Microsoft | Maia 100 | Rollout | Inferenz | Azure / OpenAI-Workloads |
| Meta | MTIA | Intern | Inferenz | Empfehlungssysteme; Neustart der Roadmap |
| Anthropic | Samsung Custom (Gerücht) | Exploration | Offen | The Information Juli 2026 |
| Zhipu AI | Custom-Chip-Evaluierung | Früh | Inferenz | The Information Juli 2026 |
Meilensteine: 2026-06-24 OpenAI+Broadcom Jalapeño; 2026-07-02 Anthropic/Samsung 2nm-Gespräche; 2026-07-07 Reuters DeepSeek; 2026-07-07 The Information Zhipu.
[ SECTION_05 ] // WHY Fünf Treiber & Inferenz vs. Training
Kurzantwort: Der Wettbewerb verschiebt sich von „bestes Modell“ zu „günstigste, kontrollierbare Rechenleistung“.
- Ökonomie – Inferenz als „Miete“: Training ist Capex-Spitze; Inferenz skaliert mit DAU. Morgan Stanley: 24.000 Blackwell-GPUs ~852 Mio. USD vs. vergleichbarer TPU-Cluster ~99 Mio. USD. SemiAnalysis/Bernstein: Custom ASIC 40–65 % TCO-Vorteil; Hyperscaler 30–40 % pro Token. Nvidia-Datacenter-GPU-Marge >70 %.
- Lieferkette & Geopolitik: US-Exportkontrollen; Planbarkeit schlägt Single-Vendor-Risiko.
- Co-Design: DeepSeek UE8M0/MLA; Jalapeño für ChatGPT-Serving; TPU+JAX – ASIC opfert Flexibilität für Effizienz.
- Verhandlungsmacht: Eigen-Silicon als Hebel gegen Nvidia-Einkauf.
- Energie: Inferenz-ASICs optimieren Performance-per-Watt durch Weglassen generischer GPU-Logik.
| Dimension | Training | Inferenz |
|---|---|---|
| Workload | Dynamisch, experimentell | Statisch, vorhersagbar |
| Software | CUDA-Moat (cuDNN, NCCL) | Modellfixe Kernel möglich |
| Chip-Anforderung | Peak-FLOPS + Flexibilität | Throughput, Latenz, €/Token |
| Ökonomie | Einmaliger Cluster-Capex | 7×24, größeres Volumen |
| Beispiele | Nvidia H100/B200 | TPU, Trainium, Maia, Jalapeño, DeepSeek-Gerücht |
Training = Nvidia-Domäne; Inferenz = Custom-ASIC-Schlachtfeld. Sicherheit und Kosten sind parallel – nicht entweder-oder.
[ SECTION_06 ] // GUIDE Unternehmens-Entscheidung: sechs Schritte für AI-Rechenleistung
- Quellenhierarchie prüfen: Reuters, WSJ, OpenAI, Alibaba-Earnings priorisieren; DeepSeek-Chip als „berichtet / unbestätigt“ kennzeichnen.
- Training vs. Inferenz trennen: Forschung (Training-heavy) vs. Produkt-API (Inferenz-heavy) – unterschiedliche Beschaffung.
- Abhängigkeiten inventarisieren: Nvidia-GPU, Ascend, Cloud-API-Anteile; Exportkontrolle und EU-Datenschutz (DSGVO Art. 28 AVV, Art. 44ff. Drittlandtransfer) dokumentieren.
- Inferenz-TCO modellieren: 3-Jahres-Modell mit €/Token, Strom, Kühlung; 30–65 %-ASIC-Spanne als Sensitivität.
- Risikomatrix: Single-Vendor, Geopolitik, CUDA-Lock-in bewerten.
- Hybrid-Roadmap: Training auf GPU/Cloud; Inferenz schrittweise auf ASIC/heimische Chips; Edge-Dev auf isolierten Bare-Metal-Knoten.
- Quartals-Review: Thema alle 2–4 Wochen neu bewerten; dateModified pflegen.
[ SECTION_07 ] // DATA Hard Facts, Risiken, FAQ & Quellen
- DeepSeek-Finanzierung: Juni 2026 ~510 Mrd. CNY (~74 Mrd. USD) inkl. Chip & Rechenzentren.
- T-Head-Auslieferung: 560.000+ Chips H1 2026; Zhenwu 810E zwischen A800 und H20.
- Custom-Silicon-Wachstum: TrendForce +44,6 % vs. GPU +16,1 %.
- TCO-Spanne ASIC: 40–65 % (SemiAnalysis, Bernstein) bei großflächiger Inferenz.
- Nvidia-Marge: Datacenter-GPU >70 % (Breakingviews/Reuters).
Schreib- und Compliance-Risiken
- Nicht „bestätigt“ schreiben ohne DeepSeek-Pressrelease.
- Training/Inferenz nicht vermischen.
- Jack Ma: 2018-Strategie, nicht „kürzlich“.
- DSGVO: Cloud-Inferenz mit personenbezogenen Daten erfordert Rechtsgrundlage und ggf. EU-Rechenstandort – unabhängig vom Chip-Herkunftsland.
- Letzte Aktualisierung: 2026-07-10.
Q: Ist die DeepSeek-Chip-Nachricht glaubwürdig?
Reuters 7. Juli 2026, drei informierte Personen – hohe Glaubwürdigkeit, aber ohne offizielle Bestätigung. Frühes Inferenz-Projekt.
Q: Hat Liang Wenfeng öffentlich einen Chip angekündigt?
Nein. Er betonte Exportverbote und Rechenleistungsbedarf, kündigte aber kein Chip-Programm an.
Q: Wer bei Alibaba spricht über Chips?
Ma 2018 (T-Head); Tsai 2024 (Exportkontrolle); Wu 2026 (Serienzahlen). Reifes Geschäft, kein Neugerücht.
Q: Warum zuerst Inferenz-Chip?
Stabile, volumenstarke 7×24-Workloads; ASIC-optimierbar. Training braucht CUDA-Flexibilität.
Q: Sicherheit oder Kosten?
Beides – Inferenzkosten und Lieferkette kurzfristig am dringlichsten; Geopolitik verstärkt ökonomische Motive.
DeepSeek hat das Chip-Projekt zum Stichtag nicht offiziell bestätigt. Keine Anlageberatung. Quellen nach Veröffentlichung erneut prüfen:
OpenAI Official: Jalapeño inference chip with Broadcom
Caixin Global: Alibaba Zhenwu 810E analysis
SCMP: Joe Tsai on chip export restrictions
Wer iOS-CI, Metal-Profiling oder AI-Agent-Workflows auf dem Laptop im Shared Office betreibt, kämpft mit Schlafmodus-Unterbrechungen, uneinheitlichen Umgebungen und auditierbarer Datenhaltung. Hybrid-Cloud-Inferenz ohne klare DSGVO-Rollen (Verantwortlicher/Auftragsverarbeiter) verschärft das.
Für isolierte 7×24-Dev-Knoten, dediziertes Apple Silicon und kontrollierbare Ausgangspolitik ist die Schichtung auf dedizierte Mac-Mini-Bare-Metal-Knoten oft stabiler als Wetten auf geteilte Rechenleistung: NOVAKVM bietet regionale Mac Mini M4 / M4 Pro mit flexibler Laufzeit, SSH-Standard und Eignung für iOS CI/CD sowie AI-Agent-Automatisierung. Mietpreise, Bestellung, Hilfezentrum.