Nicht nur China: OpenAI Jalapeño und die globale Custom-Chip-Welle
Im Juli 2026 ist „KI-Unternehmen bauen Chips“ ein globales Phänomen. TrendForce-Daten zeigen ein Wachstum bei Hyperscaler-Custom-KI-Chips von 44,6 %, weit über General-Purpose-GPUs mit 16,1 % — Custom-Silizium gewinnt erstmals beim Wachstum.
2026-06-24: OpenAI + Broadcom kündigen Jalapeño-Inferenz-ASIC an — neun Monate von Design bis Tape-out.
2026-07-02: The Information berichtet über Anthropic-Gespräche mit Samsung zu 2-nm-Custom-Silizium.
2026-07-07: Reuters: DeepSeek entwickelt Custom-Inferenz-Chip (exklusiv).
2026-07-07: The Information: Zhipu AI prüft Custom-Chips.
Kern-These: KI-Wettbewerb hat sich von „bestes Modell“ zu „günstigstes, kontrollierbarstes Compute“ verschoben.
Training ist wie eine Anzahlung; Inferenz ist Miete, die mit täglichen aktiven Nutzern skaliert. Bei ChatGPT-Scale übersteigt Inferenz-Ausgaben das Training. Custom-ASICs zielen auf diese wiederkehrende Rechnung.
Was Reuters tatsächlich berichtete (und was DeepSeek nicht bestätigt hat)
Am 7.–8. Juli 2026 folgten Medien einer Reuters-Exklusivmeldung mit konsistenten Details: DeepSeek baut einen Custom-KI-Chip nur für Inferenz, nicht für Training. Das Projekt startete Berichten zufolge Mitte 2025 und befindet sich in frühen Phasen. Das Unternehmen spricht mit Chip-Designern, Foundries und Speicherlieferanten und verstärkt diskrete Einstellungen von Chip-Ingenieuren — nicht über öffentliche Jobbörsen.
Kontraintuitiv, aber wichtig: DeepSeek passt bereits Huawei Ascend an (V4 im April 2026; V4-Flash teilweise auf Ascend trainiert), verfolgt dennoch Inhouse-Silizium. Die präzise Einordnung: Partnerschaft und Eigenentwicklung parallel — Partnerschaft läuft, Eigenentwicklung ist früh. Erfolg würde die Doppelabhängigkeit von Nvidia und Huawei Ascend reduzieren.
| Dimension | Bewertung |
|---|---|
| Quellenqualität | Hoch — Reuters „three people familiar with the matter“ |
| Offizielle Bestätigung | Keine zum 9. Juli 2026 |
| Indizien | Stark — 7,4-Mrd.-$-Runde (Juni 2026) mit Chip-F&E; diskrete Einstellungen; UE8M0-FP8-Format als Hardware-Software-Co-Design-Signal |
| Widersprüchliche Einschätzungen | Einige Analysten sahen kurzfristige Huawei-Abhängigkeit; Realität sind parallele Spuren |
2023–2024 Liang-Wenfeng-Interviews: Exportkontrollen, Compute-Hunger 2025-01 DeepSeek R1 auf Nvidia H800 (bereits exportbeschränkt) Mitte 2025 Berichteter Start des Inhouse-Chip-Projekts 2026-04 DeepSeek V4 auf Huawei Ascend 2026-06 ~7,4 Mrd. $ externe Finanzierung; Chip-F&E in Mittelverwendung 2026-07-07 Reuters: DeepSeek Custom-Inferenz-Chip (exklusiv)
Was DeepSeek-CEO Liang Wenfeng zu Chips und Compute gesagt hat
Liang Wenfeng (DeepSeek-CEO) spricht selten öffentlich. Die nützlichsten Quellen sind zwei tiefe Interviews mit „暗涌 Waves“ im Mai 2023 und Juli 2024. Er hat nie ein Chip-Programm angekündigt. Reuters beschreibt Unternehmenshandlungen — Einstellungen, Lieferantengespräche — kein Gründer-Launch-Event.
„Unsere echte Herausforderung war nie die Finanzierung — es sind Exportkontrollen für Hochleistungschips.“ — Liang Wenfeng, Juli 2024
4×-Compute-Lücke: Bestes Inland vs. Ausland: ~2× Trainingseffizienz plus ~2× Dateneffizienz — grob 4× Compute für Parität nötig.
Fehlende Tech-Community: Inlandschips stagnieren ohne Ökosystem; jemand muss an der Frontier mit Erstwissen stehen.
Unersättlicher Compute-Appetit: Forscher wollen immer mehr; DeepSeek setzt bewusst so viel Compute wie möglich ein.
Diese Zitate begründen strategisches Motiv — Constraints, Exportkontrollen, Co-Design-Notwendigkeit — sind aber keine Produktankündigung.
Alibabas T-Head liefert bereits — Jack Mas Wette von 2018 zahlt sich 2026 aus
Alibabas Chip-Arbeit ist kein frisches Gerücht — es ist eine achtjährig umgesetzte Strategie. Schreiben Sie nicht „Jack Ma sagte kürzlich, sie würden Chips bauen.“ Der präzise Bogen: Jack Ma setzte 2018 die T-Head-Strategie; Joe Tsai erklärte 2024 Exportkontroll-Druck; CEO Wu Yongming nannte 2026 Serienproduktions-Kennzahlen.
Auf der Cloud栖-Konferenz im September 2018 fusionierte Alibaba Zhongtian Micro und Damo-Academy-Chip-Teams zu T-Head Semiconductor. Jack Ma benannte die Einheit persönlich. Chips wurden zur gruppenweiten strategischen Priorität.
| Person | Rolle | Öffentliche Chip-Haltung |
|---|---|---|
| Jack Ma | Strategischer Sponsor 2018 | Benannte T-Head; hob Chips zur Gruppenstrategie |
| Joe Tsai | Vorsitzender | 2024 Podcast: Exportlimits trafen Alibaba Cloud deutlich; langfristiger Glaube an Inlands-Halbleiter |
| Wu Yongming | CEO | FY2026 Earnings Call: 470K+ KI-Chips geliefert; milliardenschwerer Jahresumsatz; IPO-Option für T-Head |
| Modell | Zeitpunkt | Highlights |
|---|---|---|
| GuangNeng 800 | 2019 | Früher KI-Inferenz-Chip |
| Zhenwu 810E | Jan 2026 | Train+Inferenz; 96GB HBM2e; zwischen Nvidia A800 und H20; in Serienproduktion |
| Zhenwu M890 | 2026 | 144GB; 800GB/s Die-to-Die; ~3× 810E |
| Zhenwu V900 | Geplant Q3 2027 | 216GB; 1200GB/s Interconnect |
Kommerzielle Daten (H1 2026): 560.000+ ausgelieferte Einheiten; milliardenschwerer annualisierter Umsatz; 400+ Enterprise-Kunden auf Zhenwu-Clustern. T-Head-Stammkapital stieg auf 1 Mrd. Yuan (Juni 2026). Alibaba verpflichtete 380 Mrd. Yuan über drei Jahre für Cloud- und KI-Infrastruktur. WSJ: neue Chips kompatibel mit Nvidia CUDA zur Migrationserleichterung; Fertigung wechselt von frühem TSMC zu Inlands-Foundries (Branche deutet auf SMIC-7nm-Klasse).
Warum Tech-Giganten Custom-KI-Chips bauen: Kosten, Kontrolle und die Nvidia-Steuer
Ökonomie steht an erster Stelle. Custom-Inferenz-ASICs können bei Hyperscaler-Scale 30–65 % Total Cost of Ownership (TCO)-Vorteil liefern; Token-Kosten können 30–40 % fallen. Nvidia-Datacenter-GPU-Bruttomargen übersteigen 70 % — jeder H200-Kauf schickt den Großteil des Profits an Nvidia. Inhouse-Silizium wandelt wiederkehrende „GPU-Steuer“ in upfront F&E.
Ökonomie: Morgan Stanley schätzte einmal 24.000 Blackwell-GPUs bei ~852 Mio. $ Hardware vs. ~99 Mio. $ für ein äquivalentes Google-TPU-Cluster (nur Hardware, Breakingviews/Reuters).
Lieferketten-Resilienz: Exportkontrollen, Allocationsrisiko, Single-Vendor-Abhängigkeit — nicht nur Cybersicherheit, sondern planbare Versorgung.
Hardware-Software-Co-Design: DeepSeek UE8M0 FP8, OpenAI Jalapeño um reales Serving (KV-Cache, Batching, Latenz). GPUs tauschen Effizienz gegen Flexibilität; ASICs umgekehrt für bekannte Workloads.
Verhandlungsmacht: Selbst partielle Eigenversorgung stärkt Nvidia-Verhandlungen und Full-Stack-Story (Modell + Cloud + Silizium).
Energie: Performance pro Watt zählt in Megawatt- und Gigawatt-Rechenzentren; ASICs streichen ungenutzte GPU-Schaltungen.
| Unternehmen | Projekt | Phase | Fokus | Kernmetrik |
|---|---|---|---|---|
| DeepSeek | Unbenannter Inferenz-ASIC | Frühe F&E | Inferenz | 7,4 Mrd. $ Finanzierung; diskrete Einstellungen; unbestätigt |
| Alibaba T-Head | Zhenwu 810E / M890 | Serienproduktion | Train+Inferenz | 560K+ ausgeliefert; milliardenschwerer Umsatz |
| Huawei | Ascend-950-Serie | Serienproduktion | Train+Inferenz | DeepSeek V4 adaptiert; Aufträge steigen |
| OpenAI | Jalapeño (Broadcom) | Tape-out | Inferenz | 9-Monats-Designzyklus; Deploy Ende 2026 |
| TPU v6/v7 | Im großen Maßstab | Train+Inferenz | Gemini end-to-end auf TPU | |
| Amazon | Trainium3 / Inferentia | Kommerziell | Beides | Anthropic auf Trainium im großen Maßstab |
| Dimension | Training | Inferenz |
|---|---|---|
| Workload | Dynamisch, experimentell, häufige Architekturwechsel | Statisches Modell, vorhersagbare Request-Muster |
| Software-Moat | CUDA-Stack (cuDNN, NCCL, Nsight) sehr tief | Handoptimierte Kernel für feste Modelle machbar |
| Ökonomie | Große einmalige Cluster-Capex | 24/7 wiederkehrende Ausgaben — oft größer im Scale |
| Urteil | Training bleibt Nvidia-Territorium; Inferenz ist das ASIC-Schlachtfeld | |
Sechs-Schritte-Runbook für Entwickler:
Gerücht vs. bestätigt labeln: Reuters-gestützte Frühprojekte nicht in Beschaffungs-SLAs schreiben.
Training- vs. Inferenz-Budgets trennen: Die meisten Custom-Chips sind Inferenz-first; Training auf CUDA-Klasse-GPUs halten.
Mit TCO benchmarken, nicht Listenpreis: Token-Kosten, Strom und mehrjährige Abschreibung zusammen.
Globale Peers verfolgen: Jalapeño, Anthropic-Samsung-Gespräche, Zhipu-Evaluation — Custom-Silizium-Wachstum ist strukturell.
Lieferketten-Szenarien planen: Exportkontrollen können Ökonomie beschleunigen, die Sie ohnehin hatten. DSGVO: AVV und Datenfluss-Dokumentation bei Cloud-APIs mit personenbezogenen Prompts prüfen.
Edge-Dev stabil halten: Günstigere Cloud-Inferenz ersetzt keine lokalen Agent-/Xcode-Workflows mit Metal API — Artikel alle 2–4 Wochen aktualisieren.
Risiko: Frühprogramme scheitern — Meta MTIA neu gestartet. Architekturwechsel können ASICs obsolet machen. Schreiben Sie „Berichten zufolge“, bis offizielle Bestätigung vorliegt.
7,4-Mrd.-$-DeepSeek-Runde (Juni 2026): Offengelegte Verwendung umfasst Custom-KI-Chips und Inlands-Compute-Zentren.
560K+ T-Head-Auslieferungen: Wu Yongming FY2026 Call; milliardenschwerer annualisierter Umsatz.
44,6 % vs. 16,1 % Wachstum: Custom-KI-Silizium überholt General-GPUs (TrendForce 2026).
DSGVO-Relevanz: Günstigere Inferenz in DeepSeek-, OpenAI- oder Alibaba-Cloud-Rechenzentren ändert nichts an personenbezogenen Daten in API-Prompts. Art. 28 DSGVO (Auftragsverarbeitung), Art. 44 ff. (Drittlandtransfer) und dokumentierte Rechtsgrundlagen bleiben Pflicht — auch wenn Compute außerhalb der EU läuft.
Ein Mac für lokale Agent-Arbeit wirkt günstiger, wenn Inferenzpreise fallen — aber Speicherdecken, instabile 24/7-Uptime und Build-Queue-Kontention bleiben. Linux-VPS ohne Xcode oder Metal API verbrennen API-Einsparungen durch Downtime. Für produktives iOS-CI/CD und KI-Agent-Automatisierung ist MESHLAUNCH Mac-Mini-Cloud-Miete meist die bessere Wahl: dediziertes Bare Metal, sechs Regionen, flexible Tages-/Wochen-/Monats-Tarife. Siehe Mietpreise und Hilfezentrum.
Laut Reuters-Bericht vom 7. Juli 2026 unter Berufung auf drei Quellen befindet sich DeepSeek in frühen Entwicklungsstadien eines Custom-Chips für KI-Inferenz. Das Unternehmen hat das Projekt offiziell nicht bestätigt.
Keine öffentliche Ankündigung. In Interviews 2024 nannte er Exportkontrollen für Hochleistungschips als Hauptherausforderung von DeepSeek, nicht die Finanzierung — Motiv, kein Produktlaunch.
Alibabas Chip-Einheit T-Head (2018 gegründet) produziert Zhenwu-KI-Chips in Serie — über 560.000 ausgelieferte Einheiten, milliardenschwerer Jahresumsatz 2026. Siehe unsere Mietpreise für Edge-Dev-Umgebungen.
Inferenz-Workloads sind repetitiv und vorhersagbar — ideal für Custom-ASICs. Training hängt weiter stark an Nvidia-GPUs und dem CUDA-Software-Stack.
Beides. Ökonomie ist der primäre Treiber — Nvidia-Steuer und Token-Kosten im großen Maßstab senken — während Exportkontrollen den Wandel beschleunigen. Im Hilfezentrum finden Sie Anleitungen für lokale Dev-Setups.