Ce n'est pas que la Chine : Jalapeño d'OpenAI et la vague mondiale des puces sur mesure
En juillet 2026, « les entreprises IA qui fabriquent des puces » est un phénomène mondial. Les données TrendForce montrent une croissance des expéditions de puces IA sur mesure des hyperscalers à 44,6 %, largement au-dessus des GPU grand public à 16,1 % — le silicium sur mesure gagne en croissance pour la première fois.
2026-06-24 : OpenAI + Broadcom annoncent Jalapeño, ASIC d'inférence — 9 mois de la conception au tape-out.
2026-07-02 : The Information rapporte qu'Anthropic discute avec Samsung pour du silicium sur mesure en 2 nm.
2026-07-07 : Reuters : DeepSeek développe une puce d'inférence sur mesure (exclusivité).
2026-07-07 : The Information : Zhipu AI évalue des puces sur mesure.
Thèse centrale : la compétition IA est passée du « meilleur modèle » au « calcul le moins cher et le plus contrôlable ».
L'entraînement ressemble à un acompte ; l'inférence est un loyer qui évolue avec les utilisateurs actifs quotidiens. À l'échelle de ChatGPT, les dépenses d'inférence dépassent l'entraînement. Les ASIC sur mesure ciblent cette facture récurrente.
Ce que Reuters a réellement rapporté (et ce que DeepSeek n'a pas confirmé)
Les 7 et 8 juillet 2026, les médias ont repris une exclusivité Reuters avec des détails cohérents : DeepSeek construit une puce IA sur mesure pour l'inférence uniquement, pas l'entraînement. Le projet aurait démarré vers mi-2025 et reste en phase initiale. L'entreprise discute avec des concepteurs de puces, des fonderies et des fournisseurs de mémoire, et a intensifié le recrutement privé d'ingénieurs puces — pas via des offres publiques.
Contre-intuitif mais important : DeepSeek s'adapte déjà à Huawei Ascend (V4 en avril 2026 ; V4-Flash partiellement entraîné sur Ascend) tout en poursuivant un silicium interne. Le cadrage exact est partenariat et développement interne en parallèle — le partenariat est actif, le développement interne est précoce. Le succès réduirait la double dépendance à Nvidia et Huawei Ascend.
| Dimension | Évaluation |
|---|---|
| Qualité des sources | Élevée — Reuters « trois personnes proches du dossier » |
| Confirmation officielle | Aucune au 9 juillet 2026 |
| Indices circonstanciels | Forts — tour de 7,4 Md$ (juin 2026) citant la R&D puces ; recrutement discret ; format UE8M0 FP8 perçu comme signal de co-conception matériel-logiciel |
| Analyses contradictoires | Certains analystes estimaient que DeepSeek s'appuierait sur Huawei à court terme ; la réalité est une double voie |
2023–2024 Interviews Liang Wenfeng : contrôles export, faim de calcul 2025-01 DeepSeek R1 sur Nvidia H800 (déjà soumis aux restrictions) Mi-2025 Démarrage présumé du projet puce interne 2026-04 DeepSeek V4 sur Huawei Ascend 2026-06 ~7,4 Md$ de financement externe ; R&D puces dans l'usage des fonds 2026-07-07 Reuters : puce d'inférence sur mesure DeepSeek (exclusivité)
Ce que le PDG de DeepSeek Liang Wenfeng a dit sur les puces et le calcul
Liang Wenfeng (PDG de DeepSeek) parle rarement en public. Les sources les plus utiles sont deux interviews approfondies avec « 暗涌 Waves » en mai 2023 et juillet 2024. Il n'a jamais annoncé de programme de puces. Reuters décrit des actions de l'entreprise — recrutement, discussions fournisseurs — pas un lancement fondateur.
« Notre vrai défi n'a jamais été le financement — ce sont les contrôles à l'exportation sur les puces avancées. » — Liang Wenfeng, juillet 2024
Écart de calcul 4× : meilleur domestique vs. étranger : ~2× d'écart d'efficacité d'entraînement plus ~2× d'écart d'efficacité des données — environ 4× de calcul nécessaire pour la parité.
Communauté technique manquante : les puces domestiques stagnent sans écosystème ; quelqu'un doit se tenir à la frontière avec une connaissance de première main.
Appétit de calcul sans fin : les chercheurs en veulent toujours plus ; DeepSeek déploie délibérément autant de calcul que possible.
Ces citations établissent le motif stratégique — contraintes, contrôles export, nécessité de co-conception — mais ne constituent pas une annonce produit.
Le T-Head d'Alibaba livre déjà — le pari de Jack Ma en 2018 porte ses fruits en 2026
Le travail sur les puces d'Alibaba n'est pas une rumeur récente — c'est une stratégie exécutée depuis huit ans. Ne pas écrire « Jack Ma a récemment dit qu'ils allaient fabriquer des puces ». L'arc exact : Jack Ma a fixé la stratégie T-Head en 2018 ; Joe Tsai a expliqué la pression des contrôles export en 2024 ; le PDG Wu Yongming a divulgué les métriques de production de masse en 2026.
En septembre 2018 lors de la conférence Cloud栖, Alibaba a fusionné les équipes puces de Zhongtian Micro et de l'Académie Damo en T-Head Semiconductor. Jack Ma a personnellement nommé l'unité. Les puces sont devenues une priorité stratégique au niveau du groupe.
| Figure | Rôle | Position publique sur les puces |
|---|---|---|
| Jack Ma | Sponsor stratégique 2018 | A nommé T-Head ; a élevé les puces au rang de stratégie de groupe |
| Joe Tsai | Président | Podcast 2024 : les restrictions export frappent clairement Alibaba Cloud ; conviction long terme dans les semi-conducteurs avancés domestiques |
| Wu Yongming | PDG | Appel résultats FY2026 : 470K+ puces IA livrées ; milliard de yuans de revenus annualisés ; option IPO pour T-Head |
| Modèle | Calendrier | Points forts |
|---|---|---|
| GuangNeng 800 | 2019 | Puce d'inférence IA précoce |
| Zhenwu 810E | Jan 2026 | Train+inférence ; 96 Go HBM2e ; entre Nvidia A800 et H20 ; en production de masse |
| Zhenwu M890 | 2026 | 144 Go ; 800 Go/s die-to-die ; ~3× 810E |
| Zhenwu V900 | Prévu T3 2027 | 216 Go ; 1200 Go/s d'interconnexion |
Données commerciales (S1 2026) : 560 000+ unités expédiées ; milliard de yuans de revenus annualisés ; 400+ clients entreprise sur clusters Zhenwu. Le capital social de T-Head est passé à 1 milliard de yuans (juin 2026). Alibaba a engagé 380 milliards de yuans sur trois ans pour le cloud et l'infra IA. WSJ : nouvelles puces compatibles Nvidia CUDA pour faciliter la migration ; fabrication passant de TSMC précoce à des fonderies domestiques (l'industrie pointe vers des flux SMIC 7 nm).
Pourquoi les géants tech fabriquent des puces IA sur mesure : coût, contrôle et la taxe Nvidia
L'économie passe en premier. Les ASIC d'inférence sur mesure peuvent offrir un avantage de 30–65 % sur le coût total de possession (TCO) à l'échelle hyperscaler ; les coûts par token peuvent baisser de 30–40 %. Les marges brutes des GPU datacenter Nvidia dépassent 70 % — chaque achat H200 envoie la majeure partie du profit à Nvidia. Le silicium interne convertit la « taxe GPU » récurrente en R&D initiale.
Économie : Morgan Stanley a estimé 24 000 GPU Blackwell à ~852 M$ de matériel vs. ~99 M$ pour un cluster Google TPU équivalent (matériel seul, Breakingviews/Reuters).
Résilience chaîne d'approvisionnement : contrôles export, risque d'allocation, dépendance mono-fournisseur — pas seulement cybersécurité, mais approvisionnement prévisible.
Co-conception matériel-logiciel : DeepSeek UE8M0 FP8, OpenAI Jalapeño autour du serving réel (KV cache, batching, latence). Les GPU échangent l'efficacité contre la flexibilité ; les ASIC font l'inverse pour des charges connues.
Pouvoir de négociation : même une auto-approvisionnement partiel renforce les négociations Nvidia et le récit full-stack (modèle + cloud + silicium).
Énergie : la performance par watt compte dans les datacenters mégawatt et gigawatt ; les ASIC suppriment les circuits GPU inutilisés.
| Entreprise | Projet | Stade | Focus | Métrique clé |
|---|---|---|---|---|
| DeepSeek | ASIC inférence sans nom | R&D initiale | Inférence | 7,4 Md$ financement ; recrutement discret ; non confirmé |
| Alibaba T-Head | Zhenwu 810E / M890 | Production de masse | Train+inférence | 560K+ expédiées ; milliard de yuans de revenus |
| Huawei | Série Ascend 950 | Production de masse | Train+inférence | DeepSeek V4 adapté ; commandes en hausse |
| OpenAI | Jalapeño (Broadcom) | Tape-out réalisé | Inférence | Cycle conception 9 mois ; déploiement fin 2026 |
| TPU v6/v7 | À l'échelle | Train+inférence | Gemini de bout en bout sur TPU | |
| Amazon | Trainium3 / Inferentia | Commercial | Les deux | Anthropic sur Trainium à grande échelle |
| Dimension | Entraînement | Inférence |
|---|---|---|
| Charge de travail | Dynamique, expérimentale, changements d'architecture fréquents | Modèle statique, schémas de requêtes prévisibles |
| Fossé logiciel | Pile CUDA (cuDNN, NCCL, Nsight) très profonde | Kernels optimisés pour modèles fixes réalisables |
| Économie | Gros capex cluster ponctuel | Dépenses récurrentes 24/7 — souvent plus élevées à l'échelle |
| Verdict | L'entraînement reste le territoire Nvidia ; l'inférence est le champ de bataille des ASIC | |
Runbook en six étapes pour les développeurs :
Étiqueter rumeur vs. confirmé : ne pas intégrer les projets précoces sourcés Reuters dans les SLA d'approvisionnement.
Séparer budgets entraînement vs. inférence : la plupart des puces sur mesure sont inférence d'abord ; garder l'entraînement sur GPU classe CUDA.
Benchmarker avec le TCO, pas le prix catalogue : coût token modèle, énergie et amortissement pluriannuel ensemble.
Suivre les pairs mondiaux : Jalapeño, discussions Anthropic-Samsung, évaluation Zhipu — la croissance du silicium sur mesure est structurelle.
Planifier scénarios chaîne d'approvisionnement : les contrôles export peuvent accélérer une économie déjà en place.
Stabiliser le dev edge : une inférence cloud moins chère ne remplace pas les workflows Agent/Xcode locaux — actualiser cet article toutes les 2–4 semaines.
Risque : les programmes précoces échouent — Meta MTIA a redémarré. Les changements d'architecture peuvent obsoléter les ASIC. Écrire « selon les rapports » jusqu'à confirmation officielle.
Tour DeepSeek 7,4 Md$ (juin 2026) : usages divulgués incluent puces IA sur mesure et centres de calcul domestiques.
560K+ expéditions T-Head : appel FY2026 de Wu Yongming ; milliard de yuans de revenus annualisés.
44,6 % vs 16,1 % de croissance : silicium IA sur mesure devançant les GPU grand public (TrendForce 2026).
Acheter un Mac pour le travail Agent local semble moins cher quand les prix d'inférence baissent, mais vous faites toujours face à des plafonds mémoire, une disponibilité 24/7 instable et des files de build saturées. Pour la CI/CD iOS en production et l'automatisation Agent IA, la location Mac Mini cloud MESHLAUNCH convient généralement mieux : bare metal dédié, six régions, conditions flexibles jour/semaine/mois.
Selon un rapport Reuters du 7 juillet 2026 citant trois sources, DeepSeek est aux premiers stades du développement d'une puce sur mesure pour l'inférence IA. L'entreprise n'a pas officiellement confirmé le projet.
Aucune annonce publique. Dans des interviews de 2024, il a indiqué que les contrôles à l'exportation sur les puces avancées constituaient le principal défi de DeepSeek, et non le financement — établissant le motif, pas un lancement produit.
La division puces d'Alibaba T-Head (fondée en 2018) produit en masse les puces IA Zhenwu — 560 000+ unités expédiées, milliard de yuans de revenus annualisés en 2026. Consultez notre page tarifs pour les environnements de dev edge.
Les charges d'inférence sont répétitives et prévisibles — idéales pour les ASIC sur mesure. L'entraînement repose encore largement sur les GPU Nvidia et la pile logicielle CUDA.
Les deux. L'économie est le moteur principal — réduire la taxe Nvidia et les coûts par token à grande échelle — tandis que les contrôles à l'exportation accélèrent le virage. Consultez le centre d'aide pour la configuration du dev local.