Im Juni 2026 stellten OpenAI und Broadcom Jalapeño vor — einen Custom-Inferenz-ASIC mit neunmonatigem Tape-out. Zwei Wochen später berichtete Reuters am 7. Juli, dass DeepSeek — das chinesische Lab hinter R1 und V4 — still einen Inferenz-only-KI-Chip entwickelt, laut drei informierten Personen. Das paradoxe Detail: DeepSeek läuft bereits auf Huawei Ascend, verfolgt aber parallel eigenes Silizium. Co-Design-Partnerschaften und interne F&E laufen nebeneinander; Custom Chips sind früh, Partnerschaften aktiv.
Dieser datenbasierte Report richtet sich an Entwickler, Infrastruktur-Investoren und CTOs, die KI-Unit-Economics und Lieferkettenrisiken verfolgen. Wir synthetisieren Reuters, WSJ, OpenAI-Posts, Waves-Interviews und Alibaba-Earnings: die globale Chip-Welle Juli 2026, DeepSeek-Evidenz und Timeline, was CEO Liang Wenfeng gesagt hat (und nicht), Alibaba T-Head Serienproduktion, fünf Treiber für Custom Silicon, Inferenz vs Training, Risiken, fünf FAQ-Antworten und ein Sechs-Schritte-Framework.
Stand: 9. Juli 2026. DeepSeek hat das Chip-Projekt bislang offiziell nicht bestätigt.
01 Nicht nur China: OpenAI Jalapeño und die globale Custom-Chip-Welle
Schmerzpunkte für Infra-Teams:
- Die Nvidia-Steuer: Bruttomargen für Rechenzentrum-GPUs über 70 %. Bei Hyperscaler-Skala ist Inferenz dauerhafte Miete, kein einmaliges Capex.
- Allokationsrisiko: Selbst US-Cloud-Giganten stehen in GPU-Warteschlangen. Custom ASICs sind Verhandlungshebel — nicht nur Nationalismus.
- Workload-Mismatch: General-Purpose-GPUs sind Schweizer Taschenmesser; LLM-Inferenz ist ein vorhersagbarer Einzel-Workload — ASICs gewinnen bei Unit Economics.
- Trendgeschwindigkeit: TrendForce (2026): Custom-AI-Chip-Wachstum 44,6 % vs 16,1 % bei General GPUs — Custom Silicon wächst erstmals schneller als GPUs.
Dichte Headline-Cluster Juli 2026:
- 2026-06-24: OpenAI + Broadcom Jalapeño Inferenz-ASIC (9-Monats-Tape-out)
- 2026-07-02: Anthropic angeblich in Gesprächen mit Samsung über 2nm Custom Silicon
- 2026-07-07: Reuters: DeepSeek entwickelt Inferenzchip
- 2026-07-07: The Information: Zhipu AI evaluiert Custom Chips
| Unternehmen | Projekt | Stadium | Workload | Kernsignal |
|---|---|---|---|---|
| OpenAI | Jalapeño (Broadcom) | Tape-out erledigt | Inferenz | Deploy Ende 2026; ~50 % Kosteneinsparung behauptet |
| TPU v6/v7 | Im Einsatz | Train + Infer | Gemini end-to-end auf TPU | |
| Amazon | Trainium3 / Inferentia | Kommerziell | Beides | Anthropic auf Trainium in Serie |
| Microsoft | Maia 100 | Rollout | Inferenz | Azure / OpenAI-Workloads |
| Meta | MTIA | Intern | Inferenz | Recommendations; bereits ein Redesign |
| Anthropic | Samsung-Gespräche | Explorativ | offen | The Information, Juli 2026 |
| DeepSeek | Unbenannter Inferenz-ASIC | Frühe F&E | Inferenz | 7,4 Mrd. $ Runde; keine offizielle Bestätigung |
| Alibaba (T-Head) | Zhenwu 810E / M890 | Serienproduktion | Train + Infer | 560K+ Einheiten; Milliarden-Yuan-Umsatz |
| Huawei | Ascend 950 | Serienproduktion | Beides | DeepSeek V4 portiert; Aufträge steigen |
| Zhipu AI | Custom-Chip-Evaluierung | Früh | Inferenz | The Information, Juli 2026 |
02 Was Reuters tatsächlich berichtet (und was DeepSeek nicht bestätigt hat)
Am 7.–8. Juli 2026 folgten Medien Reuters mit konsistenten Fakten:
- DeepSeek baut einen Custom-KI-Chip für Inferenz, nicht Training.
- Das Programm startete Mitte 2025 (~ein Jahr) und ist früh.
- DeepSeek spricht mit Chip-Designern, Foundries und Speicherlieferanten.
- Chip-Ingenieure werden diskret eingestellt — nicht über öffentliche Jobbörsen.
- Erfolg würde Abhängigkeit von Nvidia und Huawei Ascend reduzieren.
| Dimension | Bewertung |
|---|---|
| Quellentier | Hoch — Reuters-Standard „drei informierte Personen" |
| Offizielle Bestätigung | Keine zum Recherchedatum |
| Indizien | Stark — ~7,4 Mrd. $ externe Runde (Juni 2026) mit Custom Chips; IDC-Hiring; UE8M0 FP8 als Hardware-Software-Co-Design |
| Widersprüchliche Einschätzungen | Einige Analysten sehen kurzfristig wachsende Ascend-Abhängigkeit. Korrekte Einordnung: Partnerschaft und interne F&E parallel |
Schreiben Sie „Reuters berichtet, DeepSeek habe ein Inferenz-Chip-Programm gestartet." Nicht „Liang Wenfeng kündigte offiziell Chip-Produktion an." Tag: Quellen / frühes Stadium / unbestätigt.
| Datum | Meilenstein |
|---|---|
| 2023–2024 | Liang Wenfeng Waves-Interviews: Exportverbote, Compute-Hunger |
| 2025-01 | DeepSeek R1 auf Nvidia H800 (Exportverbot seit Ende 2023) |
| Mitte 2025 | Chip-Programm startet laut Berichten |
| 2026-04 | V4 an Ascend angepasst; V4-Flash teilweise Ascend-Training |
| 2026-06 | ~7,4 Mrd. $ Finanzierung; Custom Chips in Mittelverwendung |
| 2026-07-07 | Reuters-Exklusiv zum Inferenz-ASIC |
03 Was DeepSeek-CEO Liang Wenfeng gesagt hat — und Alibaba T-Head liefert bereits
Liang Wenfeng spricht selten öffentlich. Beste Quellen: zwei Waves-Interviews (Mai 2023, Juli 2024). Er hat nie ein DeepSeek-Chip-Programm angekündigt. Reuters beschreibt Unternehmensverhalten — Hiring, Lieferantengespräche — keinen Founder-Launch.
Vier Liang-Zitate zu Chips und Compute:
- Exportverbote, nicht Geld: „Unsere echte Herausforderung war nie Finanzierung — es sind Exportkontrollen für Advanced Chips." (Juli 2024)
- ~4× Compute-Lücke: Inlandstraining und Dateneffizienz je ~1× zurück; kombiniert braucht man etwa 4× Compute für dasselbe Ergebnis.
- Tech-Frontier: Inlandschips fehlt eine Developer Community; China braucht Teams an der Frontier, nicht Second-Hand-Information.
- Compute-Appetit: Der Hunger der Forscher nach Compute ist unbegrenzt — wir deployen so viel Kapazität wie möglich.
Alibaba T-Head: acht Jahre Execution, kein frisches Gerücht. Jack Ma nannte Pingtouge (T-Head) auf der Apsara-Konferenz September 2018, Fusion aus Damo Academy und C-SKY. Chairman Joe Tsai (Podcast 2024) verband Exportkontrollen mit Cloud-Strategie; CEO Wu Yongming (FY2026 Earnings) nannte 470K+ ausgelieferte KI-Chips und milliardenschwere annualisierte Chip-Umsätze.
| SKU | Zeitpunkt | Highlights |
|---|---|---|
| Hanguang 800 | 2019 | Früher Inferenz-ASIC |
| Zhenwu 810E | Jan 2026 | Train+Infer; 96GB HBM2e; zwischen A800 und H20; in Produktion |
| Zhenwu M890 | 2026 | 144GB; 800GB/s die-to-die; ~3× 810E |
| Zhenwu V900 | Geplant 2027 Q3 | 216GB; 1200GB/s Interconnect |
| Zhenwu J900 | Geplant 2028 Q3 | Next-Gen Parallel-Compute-Architektur |
Kommerzielle Kennzahlen 2026: 560K+ kumulative Auslieferungen; Milliarden-Yuan annualisierter Umsatz; 400+ Enterprise-Kunden auf Zhenwu-Clustern; Stammkapital auf 1 Mrd. Yuan erhöht (Juni 2026); Alibaba verpflichtete 380 Mrd. Yuan über drei Jahre für Cloud- und KI-Infra. WSJ: neue Chips CUDA-kompatibel für einfachere Migration (anders als Huaweis Stack). Fertigung verschiebt sich von TSMC zu inländischen Foundries (Branche nennt SMIC 7nm-Klasse).
04 Warum Tech-Giganten Custom-KI-Chips bauen: Kosten, Kontrolle und die Nvidia-Steuer
Der KI-Wettbewerb verschob sich von „bestes Modell" zu „günstigstes, kontrollierbarstes Compute".
Fünf Treiber (gerankt):
- Ökonomie — Inferenz ist Miete: Training ist Anzahlung; Inferenz monatliche Miete. Bei ChatGPT-DAU-Skala übersteigt Inferenz-Spend Training. Morgan Stanley nannte ~852 Mio. $ für ein 24K-Blackwell-Cluster vs ~99 Mio. $ für ein gleichwertiges TPU-Cluster (nur Hardware). SemiAnalysis/Bernstein: Custom ASICs können 40–65 % TCO-Vorteil gegenüber GPUs liefern; 30–40 % niedrigere Token-Kosten für Hyperscaler. Nvidia Bruttomarge Rechenzentrum-GPU >70 % — eigenes Silizium wandelt permanente GPU-Steuer in einmalige F&E.
- Lieferkettenresilienz: US-Exportkontrollen auf H100/H800/H20; Allokations-Warteschlangen selbst für US-Käufer. Sicherheit bedeutet hier planbare Lieferung, nicht nur Cyber-Risiko.
- Hardware-Software-Co-Design: DeepSeek UE8M0 FP8 und MLA; OpenAI Jalapeño für KV-Cache, Batching, Latenz; Google TPU an JAX/TensorFlow. GPUs tauschen Effizienz gegen Flexibilität; ASICs umgekehrt für bekannte Workloads.
- Verhandlungsmacht und Differenzierung: Selbst partielle Eigenversorgung stärkt Nvidia-Verhandlungen und Cloud-Marketing („Modell + Cloud + Silizium").
- Energie: Inferenz-ASICs optimieren Performance pro Watt — Strom und Kühlung konkurrieren mit Chip-Kaufpreis in Gigawatt-Rechenzentren.
| Dimension | Training | Inferenz |
|---|---|---|
| Workload | Dynamisch, experimentell | Statisch, vorhersagbare Requests |
| Software-Moat | CUDA (cuDNN, NCCL, Nsight) | Handoptimierte Kernel pro Modell |
| Chip-Ziel | Peak FLOPS + Programmierbarkeit | Throughput, Latenz, $/Token |
| Ausgabenmuster | Einmaliges Cluster-Capex | 24/7 OPEX in größerem Maßstab |
| Marktführer | Nvidia H100/B200 | TPU, Trainium, Maia, Jalapeño, DeepSeek-ASIC-Gerüchte |
Fazit: Training bleibt Nvidias Heimat; Inferenz ist das Custom-ASIC-Schlachtfeld.
05 Harte Zahlen, Risiken und Unsicherheiten — inkl. DSGVO bei Cloud-Daten
- DeepSeek-Finanzierung: ~7,4 Mrd. $ externe Runde (Juni 2026); Mittelverwendung u. a. Custom-KI-Chips und inländische Compute-Expansion
- T-Head-Auslieferungen: 560K+ Einheiten; Milliarden-Yuan annualisierter Umsatz (H1 2026)
- ASIC-TCO-Band: 40–65 % Vorteil vs GPUs bei mehrjähriger Inferenz-Skala; 30–40 % Token-Einsparung für Hyperscaler
- Custom-Silicon-Wachstum: 44,6 % vs GPU 16,1 % (TrendForce 2026)
- Zhenwu 810E: 96GB HBM2e; Performance zwischen Nvidia A800 und H20
- Alibaba-Infra-Zusage: 380 Mrd. Yuan über drei Jahre (Chips, Compute, Liquid Cooling)
Risiken:
- DeepSeek-Chips nicht als „bestätigt" bezeichnen bis offizielles Release.
- Meta MTIA erlebte bereits ein vollständiges Redesign — Architektur-Shifts können ASIC-Wetten obsolet machen.
- Foundry-Geopolitik: SMIC-Klasse hinkt TSMC 3nm bei Leading-Edge-AI-Silicon hinterher.
- CUDA-Kompatibilität ≠ ausgereifter Optimierungs-Stack ab Tag eins.
DSGVO und Cloud-Daten für EU-Teams: Wer Inferenz über US- oder asiatische Hyperscaler fährt, verarbeitet oft Prompts, Logs und Metadaten in Drittländern. Chip-News ändert das nicht — sie verschärft aber die Frage, wo Compute und Daten liegen. Für produktive Cursor-Agenten, OpenClaw-Gateways und iOS-CI empfiehlt sich dedizierte Bare-Metal-Infrastruktur mit klarer Datenhoheit statt Multi-Tenant-VPS, die bei Lieferketten-Umstellungen stillstehen. CALMVPS Bare-Metal Mac Mini Miete hält Workloads auf isolierten Apple-Silicon-Knoten — ohne unnötige Cloud-Datenübertragung über DSGVO-kritische Grenzen, wenn Sie Env-Vars lokal halten.
06 FAQ, Sechs-Schritte-Framework und Fazit
- F1: Baut DeepSeek wirklich einen eigenen KI-Chip? A: Reuters (7. Juli 2026, drei Quellen) berichtet über frühes Inferenz-Chip-Programm. Keine offizielle Bestätigung.
- F2: Hat Liang Wenfeng ein Chip-Programm angekündigt? A: Nein. Er nannte 2024 Exportkontrollen als Hauptherausforderung — kein Produktlaunch.
- F3: Wie ist Alibaba beteiligt? A: T-Head (Jack-Ma-Strategie 2018) produziert Zhenwu in Serie — 560K+ ausgeliefert, Milliarden-Yuan-Umsatz 2026.
- F4: Warum zuerst Inferenz? A: Vorhersagbare Workloads passen zu ASICs; Training braucht CUDA-Tiefe.
- F5: Sicherheit oder Einsparung? A: Beides — Ökonomie führt; Exportkontrollen beschleunigen einen bestehenden Trend.
Sechs Schritte für Engineering-Teams:
- Chip-News-Radar: Reuters, OpenAI-Blog, Alibaba-Earnings für DeepSeek-Bestätigung verfolgen.
- Train- vs Infer-Budgets trennen: Gerüchtetes DeepSeek-Silizium ist Inferenz-only — Modell-TCO getrennt kalkulieren.
- Stack-Signale beobachten: UE8M0 FP8, Ascend-Ports, T-Head CUDA-Kompatibilität — Migrationskosten folgen Software, nicht Pressemitteilungen.
- API-Fallback-Ketten: LiteLLM oder OpenRouter, damit Lieferantenwechsel keine App-Rewrites erfordern.
- ASIC-Lock-in-Risiko: Nicht-Transformer-Zukunft kann Fixed-Function-Silicon obsolet machen — Modellflexibilität behalten.
- Stabiles lokales Compute: Cursor-Agenten, OpenClaw und iOS-CI auf dedizierten Bare-Metal-Knoten — nicht auf Shared-VPS, die bei Lieferketten-Umstellungen stocken.
Primärquellen (Links vor Produktionszitaten prüfen):
OpenAI: Jalapeño Inferenzchip mit Broadcom
Caixin Global: Alibaba Zhenwu 810E Analyse
SCMP: Joe Tsai zu Exportbeschränkungen
Geteilte Cloud-IDEs und Multi-Tenant-VPS scheitern an Context-Bleed, unterbrochenen Langläufer-Inferenzjobs und fehlender 24/7-launchd-Überwachung bei GPU-Umverteilung. Für produktive Cursor-Agenten, OpenClaw-Gateways und iOS-CI/CD bietet CALMVPS Bare-Metal Mac Mini Miete dediziertes Apple Silicon, 120-Sekunden-Provisioning und monatliche Elastizität — Env-Vars auf isoliertem Knoten tauschen, wenn Chip-Lieferung oder API-Preise sich bewegen, ohne den gesamten Stack neu zu bauen.