Am 7. Juli 2026 berichtete Reuters exklusiv unter Berufung auf drei Insider: DeepSeek entwickelt einen KI-Chip speziell für Inferenz — das Projekt läuft seit etwa einem Jahr und befindet sich noch in einem frühen Stadium. Gleichzeitig liefert Alibabas T-Head-Einheit den Zhenwu 810E in Serienproduktion mit über 560.000 ausgelieferten Einheiten. Beide Entwicklungen senden dasselbe Signal: Der Wettbewerb um KI-Rechenkapazität verlagert sich von der Modellebene auf die Siliziumebene. Dieser Artikel überprüft die Beweiskette, rekonstruiert Liang Wenfengs tatsächliche Aussagen, analysiert Alibabas Chip-Entwicklungszeitlinie und erklärt, warum Tech-Konzerne weltweit diese Strategie verfolgen.
005 Fragen, 5 Antworten: Schnellübersicht
| Frage | Fazit |
|---|---|
| Entwickelt DeepSeek wirklich einen eigenen Chip? | Höchstwahrscheinlich ja, aber frühes Stadium. Reuters zitierte am 7. Juli drei Insider. Projekt startete ca. Mitte 2025. Keine offizielle Bestätigung von DeepSeek. |
| Hat CEO Liang Wenfeng dies angekündigt? | Nein. Er sagte 2024 in Interviews, Exportkontrollen für Chips seien DeepSeeks größte Herausforderung. Das ist strategische Motivation, keine offizielle Ankündigung. |
| Hat Jack Ma ähnliches gesagt? | Jack Ma gründete T-Head 2018. Aktuelle Aussagen kommen von Joe Tsai und Eddie Wu. Alibabas Chip-Entwicklung ist Serienproduktionsrealität, kein Gerücht. |
| Aktueller Stand? | DeepSeek: Frühes F&E + $7,4 Mrd. Finanzierungsrunde mit Chip-Verwendungszweck. Alibaba Zhenwu 810E: 560.000+ Einheiten ausgeliefert, Jahresumsatz Milliarden-Yuan-Bereich. OpenAI Jalapeño: Tape-out abgeschlossen, Deployment Ende 2026. |
| Nationale Sicherheit oder Kostensenkung? | Beides — Wirtschaftlichkeit ist der Haupttreiber. Custom-Inferenz-ASICs können bei Großdeployments 30–65% TCO gegenüber GPUs einsparen. Exportkontrollen beschleunigen bereits vorhandene wirtschaftliche Motive. |
01Was Reuters tatsächlich berichtete — und was unbestätigt bleibt
Am 7.–8. Juli 2026 folgten mehrere Medien Reuters' Exklusivbericht. Die Kerninformationen sind konsistent:
- DeepSeek entwickelt einen Chip speziell für KI-Inferenz (nicht für Training).
- Das Projekt startete etwa Mitte 2025 und befindet sich noch in einer frühen Phase.
- Das Unternehmen führt Gespräche mit Chip-Designfirmen, Foundries und Speicher-Lieferanten.
- Die Einstellung von Chip-Design-Ingenieuren wurde in den letzten Monaten intensiviert, jedoch ohne öffentliche Stellenausschreibungen (diskrete Headhunting-Aktivitäten).
- Bei Erfolg würde die Doppelabhängigkeit von Nvidia und Huawei Ascend reduziert — letzteres ist besonders bedeutsam, da DeepSeek V4 bereits Ascend-Hardware intensiv nutzt.
| Glaubwürdigkeitskriterium | Bewertung |
|---|---|
| Qualität der Quellen | Hoch. "Drei Personen, die mit der Angelegenheit vertraut sind" ist Reuters' Standardformulierung für verifizierte Quellen. |
| Offizielle Bestätigung | Keine. Stand 9. Juli 2026 hat DeepSeek keine Pressemitteilung oder Social-Media-Bestätigung herausgegeben. |
| Indirekter Beweis | Stark. Die externe Finanzierungsrunde im Juni 2026 (~510 Mrd. CNY ≈ $7,4 Mrd.) nennt explizit "selbst entwickelte KI-Chips" als Verwendungszweck. Das UE8M0 FP8-Datenformat wird als Hardware-Software-Co-Design für Inlandschips interpretiert. |
| Widersprüchliche Signale | Einige Analysen sehen die Zusammenarbeit mit Huawei Ascend als kurzfristigen Hauptfokus. Genauere Einschätzung: Kooperation und Eigenentwicklung laufen parallel — Eigenentwicklung ist früh, Kooperation ist operativ. |
02Was DeepSeek-CEO Liang Wenfeng über Chips und Rechenkapazität gesagt hat
Liang Wenfeng gibt selten Interviews. Die aufschlussreichsten Quellen sind zwei Tiefeninterviews mit "Waves (暗涌)" im Mai 2023 und Juli 2024. Er hat nie ein Chip-Programm angekündigt, aber seine Aussagen belegen eine klare strategische Logik:
Reuters berichtete über Unternehmenshandlungen (Einstellungen, Lieferantengespräche), nicht über eine Gründererklärung. Die Unterscheidung ist wichtig: Langfristige strategische Positionierung des Gründers ≠ offizielle Projektankündigung.
03Alibabas T-Head liefert bereits — Jack Mas Wette von 2018 geht 2026 auf
Alibabas Chip-Programm ist eine 8-jährige operative Realität, kein jüngliches Gerücht.
- September 2018, Yunqi Conference: Jack Ma benannte das neue Unternehmen persönlich — "T-Head (平頭哥)" = Honigdachs, Symbol für Unerschrockenheit. Chip-Entwicklung wurde zur strategischen Priorität auf Gruppenebene erklärt.
- 2024, Joe Tsai (Vorsitzender): US-Chip-Exportbeschränkungen beeinflussen Alibaba Cloud "eindeutig". Langfristig sieht er China auf dem Weg zu selbstständigen fortschrittlichen Halbleiterkapazitäten.
- 2026, Eddie Wu (CEO, Earnings Call): Kumulative Auslieferung von T-Head KI-Chips: 560.000+ Einheiten. Jahresumsatz im Milliarden-CNY-Bereich. Möglicher T-Head-IPO nicht ausgeschlossen.
Zhenwu-Serien-Roadmap
| Modell | Zeitraum | Hauptspezifikationen | Status |
|---|---|---|---|
| Hanguang 800 | 2019 | Frühes KI-Inferenz-Chip | Serienproduktion |
| Zhenwu 810E | Jan. 2026 vorgestellt | Training + Inferenz; 96GB HBM2e; Leistung zwischen A800 und H20 | 560.000+ ausgeliefert |
| Zhenwu M890 | 2026 | 144GB; 800GB/s Chip-Interconnect; ~3× Leistung vs. 810E | Veröffentlicht |
| Zhenwu V900 | Ziel Q3 2027 | 216GB; 1.200GB/s | Roadmap |
| Zhenwu J900 | Ziel Q3 2028 | Eigene Parallel-Computing-Architektur | Roadmap |
Zwei strategische Differenzierungsmerkmale: Die neuen Chips sind CUDA-kompatibel (im Gegensatz zu Huawei Ascend), was Migrationshürden für Ingenieure senkt. Die Fertigung verlagerte sich von TSMC zu inländischen Foundries, um US-Beschränkungen gegen KI-Chips für chinesische Kunden standhaft zu begegnen.
04Globaler Vergleich: Custom Silicon ist kein China-Phänomen
Stand Juli 2026 ist "KI-Unternehmen baut eigenen Chip" ein globaler Industrietrend. TrendForce (2026): Wachstum bei Custom-KI-Chip-Auslieferungen von Cloud-Anbietern: 44,6% YoY, gegenüber 16,1% bei Standard-GPUs.
| Unternehmen | Chip-Projekt | Phase | Anwendung | Kennzahlen |
|---|---|---|---|---|
| DeepSeek | Custom-Inferenz-ASIC (unbenannt) | Frühes F&E | Inferenz | $7,4 Mrd. Finanzierung; stille Einstellungen; unbestätigt |
| Alibaba (T-Head) | Zhenwu 810E / M890 | Serienproduktion | Training + Inferenz | 560.000+ ausgeliefert; Mrd.-Jahresumsatz |
| Huawei | Ascend 950+ | Produktion | Training + Inferenz | DeepSeek V4 angepasst; Auftragsanstieg |
| OpenAI | Jalapeño (mit Broadcom) | Tape-out abgeschlossen | Inferenz | 9 Monate Design bis Tape-out; Deployment Ende 2026 |
| TPU v6/v7 | Groß kommerziell | Training + Inferenz | Gemini end-to-end auf TPU | |
| Amazon | Trainium3 / Inferentia | Kommerziell | Training + Inferenz | Anthropic betreibt große Trainium-Workloads |
| Microsoft | Maia 100 | Im Betrieb | Inferenz | Azure / OpenAI-Workloads |
| Anthropic | Gespräche mit Samsung über 2-nm-Chip | Explorationsphase | TBD | The Information, Juli 2026 |
05Fünf Gründe, warum Tech-Konzerne eigene KI-Chips bauen
Die kurze Antwort: Der KI-Wettbewerb hat sich von "wer hat das beste Modell" auf "wer hat die günstigste, kontrollierbarste Rechenkapazität" ausgeweitet.
Grund 1: Wirtschaftlichkeit — Inferenzkosten sind KIs "Monatsmiete"
Branchenvergleich: Training = Anzahlung (einmalig, konzentriert); Inferenz = Monatsmiete (kontinuierlich, linear mit Nutzerzahl). Morgan Stanley schätzt: Ein 24.000-GPU-Blackwell-Cluster kostet ca. 852 Mio. $; ein äquivalenter Google-TPU-Cluster ca. 99 Mio. $. SemiAnalysis et al.: Bei großmaßstäblichen, mehrjährigen Inferenz-Deployments haben Custom-ASICs eine 40–65% TCO-Vorteil gegenüber Standard-GPUs. Nvidias Datacenter-GPU-Bruttomarge liegt bei über 70% — Custom Silicon wandelt eine permanente "GPU-Steuer" in eine einmalige F&E-Investition um.
Grund 2: Lieferkettensicherheit und Geopolitik
US-Exportkontrollen für KI-Chips an China (H100/H800/H20 sukzessive beschränkt) zwingen chinesische Unternehmen zur Suche nach Alternativen. Auch US-Unternehmen stehen vor Allokierungsproblemen bei Nvidia. Sicherheit bedeutet hier Lieferkettenvorhersehbarkeit: nicht von einem einzigen Lieferanten oder einer Regierungspolitik abhängig sein.
Grund 3: Hardware-Software-Co-Design
Standard-GPUs opfern Effizienz für Flexibilität. Custom-ASICs opfern Flexibilität für Effizienz bei bekannten Workloads: DeepSeek UE8M0 FP8/MLA für spezifische Hardware-Merkmale optimiert; OpenAI Jalapeño auf echte ChatGPT-Serving-Muster ausgelegt (KV-Cache, Batching, Latenz); Google TPU tief mit TensorFlow/JAX integriert.
Grund 4: Wettbewerbsvorteil und Verhandlungsmacht
Selbst ohne vollständigen Nvidia-Ersatz ermöglichen eigene Chips Verhandlungsvorteile bei Beschaffung, Differenzierung im Cloud-Angebot und eine "Modell + Cloud + Silicon"-Full-Stack-Erzählung.
Grund 5: Energie und Nachhaltigkeit
Inferenz-Chips priorisieren Leistung pro Watt. In Megawatt- und Gigawatt-Rechenzentren sind Strom- und Kühlkosten gleich bedeutsam wie Hardware-Beschaffungskosten. ASICs eliminieren die vielfältigen General-Purpose-Schaltkreise von GPUs und senken den Stromverbrauch erheblich.
06Inferenz- vs. Training-Chips: Warum zuerst Inferenz?
| Dimension | Training | Inferenz |
|---|---|---|
| Workload | Dynamisch, experimentell, Architektur ändert sich häufig | Statisch, Modell fest, Anfragemuster vorhersehbar |
| Software-Ökosystem | CUDA-Burggraben tief (cuDNN, NCCL, Nsight) | Eigene Kernel für feste Modelle möglich |
| Chip-Anforderungen | Spitzendurchsatz + Programmierbarkeit | Durchsatz, Latenz, Token-Kosten |
| Wirtschaftliche Skalierung | Großer einmaliger Cluster-Invest | 24/7 kontinuierlich, skaliert mit Nutzern |
| Repräsentative Chips | Nvidia H100/B200 dominierend | TPU (teils), Trainium, Maia, Jalapeño, DeepSeek-Gerüchtechip |
Fazit: Training bleibt Nvidias Kerndomäne; Inferenz ist das Schlachtfeld für Custom-ASICs.
Für Teams, die heute vorhersagbare Rechenkapazität für Inferenz- und KI-Agent-Workloads benötigen — ohne auf ausgereifte Custom-Silicon-Lösungen zu warten — bieten dedizierte Bare-Metal-Apple-Silicon-Cloud-Knoten eine unabhängige Alternative. Keine Shared-Pool-Nachbarn, nachvollziehbare Tenant-Grenzen, konfigurierbar über die NUKCLOUD-Preisseite, ohne Chiplieferschwankungen ausgesetzt zu sein.
07Häufig gestellte Fragen
-
Ist die Reuters-Meldung über DeepSeeks Chip-Entwicklung glaubwürdig?Reuters zitierte am 7. Juli 2026 drei Insider. Die Glaubwürdigkeit ist hoch, aber DeepSeek hat es nicht offiziell bestätigt. Das Projekt befindet sich in einem frühen Stadium.
-
Hat CEO Liang Wenfeng ein Chip-Programm angekündigt?Keine öffentliche Ankündigung. In Interviews 2024 nannte er Exportkontrollen als größte Herausforderung, kündigte aber kein eigenes Chip-Programm an.
-
Wie ist Alibaba involviert?Alibabas Chip-Einheit T-Head (gegründet 2018 unter Jack Mas Strategie) produziert bereits Zhenwu-KI-Chips in Serie — mit über 560.000 ausgelieferten Einheiten und Milliarden-CNY-Jahresumsatz per Mitte 2026.
-
Warum zuerst Inferenz-Chips, nicht Training-Chips?Inferenz-Workloads sind wiederholbar und vorhersagbar — ideal für Custom-ASICs. Training ist noch stark auf Nvidias GPUs und CUDA angewiesen. Custom-ASICs können bei Inferenz-Skalierung 30–65% TCO einsparen.
-
Geht es um nationale Sicherheit oder Kostensenkung?Beides. Wirtschaftlichkeit ist der Haupttreiber — Senkung der Nvidia-Steuer und Token-Kosten bei Skalierung. Exportkontrollen und Lieferkettenrisiken beschleunigen die Entwicklung.
Zuletzt aktualisiert: 10. Juli 2026 | Haftungsausschluss: DeepSeek hat das Chip-Projekt zum Zeitpunkt dieser Veröffentlichung nicht offiziell bestätigt.