Le 7 juillet 2026, Reuters a publié un scoop exclusif citant trois sources : DeepSeek développe une puce personnalisée dédiée à l'inférence IA, un projet lancé il y a environ un an, encore à ses débuts. Simultanément, T-Head d'Alibaba livre en série plus de 560 000 puces Zhenwu 810E. Ces deux dynamiques envoient un signal limpide : la compétition sur la capacité de calcul IA s'est étendue de la couche modèle à la couche silicium. Cet article vérifie méthodiquement les preuves, restitue les déclarations exactes de Liang Wenfeng, retrace la chronologie d'Alibaba, et analyse les raisons pour lesquelles les géants technologiques du monde entier empruntent cette voie.
005 questions, 5 réponses : synthèse rapide
| Question | Conclusion |
|---|---|
| DeepSeek développe-t-il vraiment sa propre puce ? | Très probablement oui, mais stade précoce. Reuters a cité trois sources le 7 juillet. Le projet aurait démarré mi-2025. Aucune confirmation officielle de DeepSeek. |
| Le PDG Liang Wenfeng l'a-t-il annoncé ? | Non. Il a déclaré en 2024 que les contrôles à l'exportation sur les puces étaient le principal défi de DeepSeek. C'est une motivation stratégique, pas une annonce officielle. |
| Jack Ma a-t-il dit quelque chose de similaire ? | Jack Ma a fondé T-Head en 2018. Les déclarations récentes viennent de Joe Tsai et Eddie Wu. Le programme de puces Alibaba est une réalité de production en série, pas une rumeur. |
| État actuel ? | DeepSeek : R&D précoce + $7,4 Mrd levés dont une partie pour les puces. Zhenwu 810E : 560 000+ unités livrées, chiffre d'affaires annuel en milliards CNY. OpenAI Jalapeño : tape-out terminé, déploiement fin 2026. |
| Sécurité nationale ou économies ? | Les deux — l'économie est le moteur principal. Les ASIC d'inférence personnalisés peuvent réduire le TCO de 30 à 65% par rapport aux GPU à grande échelle. Les contrôles à l'exportation accélèrent des motivations économiques déjà existantes. |
01Ce que Reuters a réellement rapporté — et ce qui reste non confirmé
Les 7 et 8 juillet 2026, plusieurs médias ont suivi l'exclusivité Reuters. Les informations clés sont cohérentes :
- DeepSeek développe une puce spécialisée pour l'inférence IA (pas pour l'entraînement).
- Le projet a démarré environ mi-2025 et reste à un stade précoce.
- La société est en discussion avec des concepteurs de puces, des fonderies et des fournisseurs de mémoire.
- Le recrutement d'ingénieurs en conception de puces s'est intensifié, mais sans offres d'emploi publiques (débauchage discret).
- En cas de succès, cela réduirait la double dépendance envers Nvidia et Huawei Ascend — ce dernier point étant particulièrement notable, DeepSeek V4 utilisant déjà intensément Ascend.
| Critère de crédibilité | Évaluation |
|---|---|
| Qualité des sources | Élevée. "Trois personnes familières avec le dossier" est la formulation standard de Reuters pour des sources vérifiées. |
| Confirmation officielle | Aucune. Au 9 juillet 2026, DeepSeek n'a publié ni communiqué de presse ni confirmation sur les réseaux sociaux. |
| Preuves indirectes | Solides. La levée de fonds externe de juin 2026 (~510 Mrd CNY ≈ $7,4 Mrd) mentionne explicitement "puces IA propriétaires" comme usage des fonds. Le format UE8M0 FP8 de DeepSeek est interprété comme du co-design matériel-logiciel pour puces nationales. |
| Signaux contradictoires | Certaines analyses voient la collaboration avec Huawei Ascend comme priorité à court terme. La lecture la plus précise : coopération et développement interne sont parallèles — l'interne est précoce, la coopération est opérationnelle. |
02Ce que le PDG Liang Wenfeng a dit sur les puces et la capacité de calcul
Liang Wenfeng accorde rarement des interviews. Les sources les plus précieuses sont deux entretiens approfondis avec "Waves (暗涌)" en mai 2023 et juillet 2024. Il n'a jamais annoncé de programme de puces, mais ses déclarations établissent une logique stratégique claire :
Reuters a rapporté des actions d'entreprise (recrutements, négociations avec des fournisseurs), pas une déclaration fondatrice. La distinction est importante : le positionnement stratégique à long terme du fondateur ≠ annonce officielle de projet.
03Alibaba T-Head livre déjà — le pari de Jack Ma de 2018 porte ses fruits en 2026
Le programme de puces Alibaba est une réalité opérationnelle de 8 ans, pas une rumeur récente.
- Septembre 2018, Conférence Yunqi : Jack Ma a personnellement nommé la nouvelle entité "T-Head (平頭哥)" — le ratel, symbole d'intrépidité. Le développement de puces a été élevé au rang de priorité stratégique du groupe.
- 2024, Joe Tsai (Président) : Les restrictions américaines à l'exportation de puces impactent "clairement" Alibaba Cloud. Conviction que la Chine développera ses propres capacités en semi-conducteurs avancés à long terme.
- 2026, Eddie Wu (PDG, conférence de résultats) : Livraisons cumulées de puces IA T-Head : 560 000+ unités. Chiffre d'affaires annuel en milliards CNY. Un IPO de T-Head n'est pas exclu.
Feuille de route de la série Zhenwu
| Modèle | Période | Spécifications clés | Statut |
|---|---|---|---|
| Hanguang 800 | 2019 | Première puce d'inférence IA | Production en série |
| Zhenwu 810E | Lancé jan. 2026 | Entraînement + inférence ; 96 Go HBM2e ; performances entre A800 et H20 | 560 000+ livrées |
| Zhenwu M890 | 2026 | 144 Go ; interconnexion 800 Go/s ; ~3× les performances du 810E | Lancé |
| Zhenwu V900 | Cible Q3 2027 | 216 Go ; 1 200 Go/s | Feuille de route |
| Zhenwu J900 | Cible Q3 2028 | Architecture de calcul parallèle propriétaire | Feuille de route |
Deux différenciateurs stratégiques notables : les nouvelles puces sont conçues pour être compatibles avec l'écosystème CUDA de Nvidia (contrairement à Huawei Ascend), réduisant les coûts de migration pour les ingénieurs. La fabrication est passée de TSMC à des fonderies nationales chinoises, réduisant l'exposition aux restrictions américaines.
04Comparaison mondiale : le silicium personnalisé n'est pas un phénomène chinois
En juillet 2026, "les entreprises IA construisent leurs propres puces" est une tendance industrielle mondiale. TrendForce (2026) : croissance des livraisons de puces IA personnalisées chez les fournisseurs cloud : 44,6% en glissement annuel, contre 16,1% pour les GPU grand public.
| Entreprise | Projet de puce | Phase | Usage | Données clés |
|---|---|---|---|---|
| DeepSeek | ASIC d'inférence personnalisé (sans nom) | R&D précoce | Inférence | $7,4 Mrd levés ; recrutement discret ; non confirmé |
| Alibaba (T-Head) | Zhenwu 810E / M890 | Production en série | Entraînement + inférence | 560 000+ livrées ; CA annuel en milliards CNY |
| Huawei | Ascend 950+ | Production | Entraînement + inférence | DeepSeek V4 adapté ; montée en commandes |
| OpenAI | Jalapeño (avec Broadcom) | Tape-out terminé | Inférence | 9 mois de conception au tape-out ; déploiement fin 2026 |
| TPU v6/v7 | Grande échelle commerciale | Entraînement + inférence | Gemini de bout en bout sur TPU | |
| Amazon | Trainium3 / Inferentia | Commercial | Entraînement + inférence | Anthropic exploite massivement Trainium |
| Microsoft | Maia 100 | Déployé | Inférence | Charges Azure / OpenAI |
| Anthropic | Discussions avec Samsung sur puce 2 nm | Phase exploratoire | À définir | The Information, juillet 2026 |
05Cinq raisons pour lesquelles les géants tech construisent des puces IA personnalisées
La réponse en une phrase : la compétition IA est passée de "qui a le meilleur modèle" à "qui a la capacité de calcul la moins chère et la plus contrôlable".
Raison 1 : Économie — le coût d'inférence est le "loyer mensuel" de l'IA
Analogie de l'industrie : Entraînement = apport initial (unique, concentré) ; Inférence = loyer mensuel (continu, proportionnel au nombre d'utilisateurs). Morgan Stanley estime : un cluster de 24 000 GPU Blackwell coûte environ 852 M$ en matériel ; un cluster Google TPU équivalent environ 99 M$. SemiAnalysis et al. : lors de déploiements d'inférence à grande échelle et sur plusieurs années, les ASIC personnalisés peuvent offrir un avantage TCO de 40 à 65% par rapport aux GPU grand public. La marge brute des GPU Datacenter de Nvidia dépasse 70% — le silicium personnalisé convertit une "taxe Nvidia" permanente en un investissement R&D unique.
Raison 2 : Sécurité de la chaîne d'approvisionnement et géopolitique
Les contrôles à l'exportation américains sur les puces IA avancées vers la Chine (H100/H800/H20 successivement restreints) contraignent les entreprises chinoises à trouver des alternatives. Même les entreprises américaines font face à des problèmes d'allocation de GPU Nvidia. La sécurité signifie ici la prévisibilité de la chaîne d'approvisionnement : ne pas dépendre d'un seul fournisseur ou d'une seule politique gouvernementale.
Raison 3 : Co-conception matériel-logiciel (Co-design)
Les GPU grand public sacrifient l'efficacité pour la flexibilité. Les ASIC personnalisés sacrifient la flexibilité pour l'efficacité sur des charges de travail connues : DeepSeek UE8M0 FP8/MLA optimisé pour des caractéristiques matérielles spécifiques ; OpenAI Jalapeño conçu autour des schémas réels de service ChatGPT (cache KV, batching, latence) ; Google TPU profondément intégré avec TensorFlow/JAX.
Raison 4 : Avantage concurrentiel et pouvoir de négociation
Même sans remplacer complètement Nvidia, les puces propriétaires renforcent la position de négociation lors des achats, différencient l'offre cloud, et permettent de construire un récit "modèle + cloud + silicium" en pile complète.
Raison 5 : Énergie et durabilité
Les puces d'inférence privilégient les performances par watt. À l'ère des datacenters de l'ordre du mégawatt et du gigawatt, les coûts d'électricité et de refroidissement sont aussi importants que les coûts d'achat de matériel. Les ASIC éliminent une grande partie des circuits à usage général des GPU, réduisant significativement la consommation d'énergie.
06Puces d'inférence vs GPU d'entraînement : pourquoi commencer par l'inférence ?
| Dimension | Entraînement | Inférence |
|---|---|---|
| Charge de travail | Dynamique, expérimentale, architecture change fréquemment | Statique, modèle fixe, schémas de requêtes prévisibles |
| Écosystème logiciel | Douve CUDA profonde (cuDNN, NCCL, Nsight) | Noyaux personnalisés possibles pour modèles fixes |
| Exigences de la puce | Débit de pointe + programmabilité | Débit, latence, coût par token |
| Échelle économique | Investissement unique important dans le cluster | Continu 24h/24 7j/7, proportionnel aux utilisateurs |
| Puces représentatives | Nvidia H100/B200 dominant | TPU (partiel), Trainium, Maia, Jalapeño, puce DeepSeek présumée |
Conclusion : l'entraînement reste le territoire de Nvidia ; l'inférence est le champ de bataille des ASIC personnalisés.
Pour les équipes qui ont besoin aujourd'hui d'une capacité de calcul prévisible pour les charges d'inférence et d'agents IA — sans attendre la maturité du silicium personnalisé — les nœuds cloud Apple Silicon bare-metal dédiés offrent une alternative indépendante. Sans voisins de pool partagé, avec des limites de tenant auditables, configurables depuis la page de tarifs NUKCLOUD, sans exposition aux fluctuations d'approvisionnement en puces.
07Questions fréquentes
-
Le rapport Reuters sur le développement de puces par DeepSeek est-il crédible ?Reuters a cité trois sources le 7 juillet 2026. La crédibilité est élevée, mais DeepSeek n'a pas confirmé officiellement. Le projet est à un stade précoce.
-
Le PDG Liang Wenfeng a-t-il annoncé un programme de puces ?Aucune annonce publique. En 2024, il a mentionné les contrôles à l'exportation comme principal défi, sans annoncer de programme de puces propriétaires.
-
Comment Alibaba est-il impliqué ?T-Head d'Alibaba (fondé en 2018 selon la stratégie de Jack Ma) produit déjà des puces IA Zhenwu en série — plus de 560 000 unités livrées et un chiffre d'affaires annuel en milliards CNY mi-2026.
-
Pourquoi les puces d'inférence d'abord, pas les puces d'entraînement ?Les charges d'inférence sont répétitives et prévisibles — idéales pour les ASIC personnalisés. L'entraînement repose encore fortement sur les GPU Nvidia et CUDA. Les ASIC personnalisés peuvent réduire le TCO de 30 à 65% à l'échelle de l'inférence.
-
C'est pour la sécurité nationale ou pour faire des économies ?Les deux. L'économie est le moteur principal — réduire la taxe Nvidia et les coûts par token à grande échelle. Les contrôles à l'exportation et les risques de chaîne d'approvisionnement accélèrent ce changement.
Dernière mise à jour : 10 juillet 2026 | Avertissement : DeepSeek n'a pas officiellement confirmé le projet de puce à la date de cette publication.