DeepSeek строит свой inference ASIC? Reuters июль 2026, Alibaba T-Head и глобальная гонка throughput
7 июля 2026, Reuters (CNA, Business Times, Japan Times) сообщает: DeepSeek на ранней стадии проектирует custom inference accelerator, чтобы снизить зависимость от Nvidia и Huawei Ascend. Проект ~1 года, переговоры с design house / foundry / memory vendors, тихий найм silicon engineers — без публичного roadmap. Это не press release, а сигнал: после OpenAI Jalapeño (TSMC 3nm, ~50% inference cost↓ в lab) китайский efficiency-leader идёт в тот же vertical stack. Параллельно Alibaba T-Head отгрузил 560 000+ Zhenwu, M890 даёт 800 GB/s ICN и 144 GB HBM3. Ниже — evidence chain, bandwidth-матрицы, пять драйверов silicon, inference vs training, риски SMIC/HBM и практика: как держать Metal throughput baseline на удалённом Mac, пока ASIC не в production.
TL;DR
- Reuters 07.07: inference-only, early stage, ~1 year, anonymous sources — DeepSeek молчит.
- ~70% AI compute 2026 — serving; MoE decode memory-bound.
- Funding ~$7.4B (valuation $52–59B) — runway, не guarantee tape-out.
- T-Head: 810E → M890 (3×), V900/J900 roadmap, CUDA-compat, IPO track.
- Действие: bandwidth matrix → gateway → Metal/ds4 soak → SFTPMAC 24/7 node.
1. Три bottleneck для inference-инженера в июле 2026
- Memory bandwidth, не peak FLOPS. MoE decode активирует 2–8 experts на token; sustained tokens/s упирается в HBM GB/s и KV-cache layout. GPU с высоким TFLOPS но 700 GB/s проигрывает ASIC с co-designed data path — логика Jalapeño и заявленного DeepSeek ASIC.
- Domestic premium 30–40%. Alibaba Cloud, Tencent, ByteDance платят надбавку за Ascend/Zhenwu vs гипотетический unrestricted Nvidia — маржа API DeepSeek сжимается без own silicon.
- Rumor-to-silicon lag 24+ months. Jalapeño: 9 месяцев tape-out с Broadcom + TSMC N3. DeepSeek target — SMIC-class node + uncertain HBM — structural throughput gap vs US hyperscalers до смены export policy.
2. Evidence chain Reuters: факты vs неизвестные
Три источника, близких к проекту (Reuters 07.07.2026):
- Scope: inference only — post-training serving, не pretrain clusters.
- Age: ~12 месяцев R&D; early — outreach к foundry/memory.
- Hiring: chip design engineers без массовых public job posts.
- Current stack: Nvidia history (H800 pre-ban) + Huawei Ascend; V4 Ascend build апрель 2026 вызвал rush заказов у ByteDance/Tencent/Alibaba.
- Official: zero — DeepSeek не комментирует.
Unknowns: process node, HBM supplier, tape-out date, compatibility layer (CUDA-like vs custom runtime). Media speculate SMIC 7nm — unconfirmed.
3. Liang Wenfeng: 4× compute и embargo — контекст, не spec sheet
Основатель Liang Wenfeng (梁文锋) не связал цитаты с chip rumor. Релевантные фрагменты интервью 2024 (ChinaTalk, Sipoch):
«Сначала gap в training efficiency — ~2× compute vs лучшие зарубежные
структуры. Плюс ~2× в data efficiency. Итого 4× compute для паритета.
Наша задача — сужать gap.»
«Краткосрочного fundraising нет. Проблема не деньги — embargo на high-end chips.»Май 2026: при релизе модели упоминался data format под «скоро выходящие domestic chips» — software/hardware co-design hint. Связь с Reuters — аналитическая, не официальная.
Round ~$7.4B (Reuters: valuation $52–59B) меняет cash constraint, не foundry access.
4. Alibaba T-Head: silicon stack, bandwidth и CUDA-compat
T-Head (平头哥): основан 2018 (Damo + C-Sky). Стратегия 2026 — «Cloud + AI + Chip» (Joe Tsai, Eddie Wu shareholder letter; CEO Wu Yongming 吴泳铭 на Cloud Summit).
| Chip | Memory | Inter-chip BW | Precision / notes |
|---|---|---|---|
| Hanguang 800 | on-die | N/A | 825 TOPS INT8, 78 563 IPS ResNet-50 (2019) |
| Zhenwu 810E | 96 GB HBM2e | 700 GB/s | PPU arch; ~H20 class (claim); Jan 2026 launch |
| Zhenwu M890 | 144 GB HBM3 | 800 GB/s | 3× vs 810E; FP32–FP4; 64-chip ICN Switch 1.0 full BW |
| Zhenwu V900 | 216 GB (plan) | 1200 GB/s (plan) | Q3 2027; UiT architecture for agentic workloads |
| Zhenwu J900 | TBD | TBD | Q3 2028 roadmap |
Shipped: 560 000+ units, 400+ enterprise customers. Revenue: billions RMB. CUDA compatibility заявлена для migration с Nvidia. Capital: registered capital ¥1B (June 2026). IPO spinoff (Jan 2026, Bloomberg). Fab: TSMC historical + SMIC для domestic lines — export-control shaped.
5. Пять драйверов custom ASIC (economics first)
- Unit economics: inference Opex > training Capex в 2026; ASIC снижает $/1M output tokens.
- Supply chain: Entity List, HBM export controls — own design = второй source.
- Co-design: MoE routing + kernel fusion под конкретный memory hierarchy.
- Bargaining: даже при покупке Nvidia наличие ASIC давит на pricing.
- Perf/W: datacenter power caps; Jalapeño narrative — «substantially better» perf/watt.
6. Inference vs training: разная физика нагрузки
| Параметр | Training | Inference (DeepSeek ASIC target) |
|---|---|---|
| Compute pattern | Dense matmul, all-reduce | Sparse MoE, autoregressive decode |
| Bottleneck | Cluster scale, interconnect | HBM bandwidth, KV cache size, batching |
| Доля compute 2026 | ~30% | ~70% |
| Typical silicon | Nvidia H100/B200, Ascend 910 | ASIC: Jalapeño, TPU, Zhenwu, (DeepSeek WIP) |
| Cost sensitivity | One-time cluster build | Per-token marginal — прямо в API price |
7. Матрица прогресса — июль 2026
| Player | Silicon | Node / BW | Status |
|---|---|---|---|
| DeepSeek | Inference ASIC (unnamed) | SMIC? / HBM TBD | Reuters rumor, year 1 |
| Alibaba T-Head | Zhenwu M890 | 144GB, 800 GB/s | 560K shipped, production |
| Huawei | Ascend 910B/C | Domestic stack | ~50% CN accelerator share (est.) |
| OpenAI | Jalapeño | TSMC 3nm | Tape-out; Azure EOY 2026 |
| TPU v6/v7 | In-house | Gemini serving live | |
| Amazon | Trainium2 / Inferentia | In-house | AWS internal |
| Microsoft | Maia 100 | In-house | Azure pilots |
| Meta | MTIA v2 | In-house | Gradual deploy |
| Anthropic | Samsung 2nm pact | ~$19B capacity | Long-horizon inference |
| Zhipu | Partner cloud silicon | N/A | GLM API; no own fab |
8. Глобальная волна: не только КНР
Паттерн идентичен: model maker → custom silicon → capture serving margin. US: Jalapeño, TPU, Inferentia, Maia, MTIA. CN: Zhenwu, Ascend, Kunlun, DeepSeek WIP. Для RU/EU инженера вывод: multi-vendor routing сейчас, не после появления silicon.
9. Metal и throughput: локальный baseline до datacenter ASIC
Пока DeepSeek ASIC в R&D, измеримый leverage — Apple Silicon UMA + Metal:
- Нет PCIe host↔GPU: unified memory снижает copy overhead KV-cache — релевантно для сравнения memory-bound decode с cloud API latency.
- ds4 + q2-imatrix: DwarfStar 4 на Mac Studio 128GB даёт OpenAI-compatible endpoint; sustained tokens/s при ctx 100k+ — baseline против V4-Flash API ($0.09/M input).
- Soak tests 24/7: Agent loops ломаются на laptop sleep; нужен launchd + стабильный uplink — см. ds4 rent vs buy matrix.
- Не замена Zhenwu: Metal local — eval/CI/gateway tier, не petabyte training; цель — predictable p95 и egress control, не datacenter TFLOPS.
# Пример smoke-test throughput (ds4-server)
./ds4-server --ctx 100000 --kv-disk-dir /data/kv --model deepseek-v4-flash-q2
# Зафиксировать: tokens/s (sustained 10 min), TTFT p95, power draw10. Риски и unknowns
- Time: competitive ASIC 3–5 years; DeepSeek year 1.
- SMIC vs TSMC: N3 vs 7nm-class — throughput ceiling structural.
- HBM: Reuters: talks with memory vendors; no signed supply.
- Entity List: US approval reported held (2026) — API/cloud risk orthogonal to silicon success.
- MoE fit: custom silicon wins only if routing/kernel stack co-evolves — DeepSeek strength, unproven in RTL.
11. HowTo: пять шагов для production stack
- Workload taxonomy — agent / batch / interactive; % inference, batch size, context length.
- Bandwidth matrix — M890 800 GB/s vs API RTT vs Metal UMA local; найти реальный bottleneck.
- Multi-vendor gateway — DeepSeek + fallbacks; quota hedging до Jalapeño GA.
- Metal soak baseline — ds4/MLX eval на dedicated Mac; SFTP sync datasets и scripts.
- Quarterly gate — V900 Q3 2027, DeepSeek tape-out news, API price changes.
12. Цифры для цитирования
- Inference share: ~70% AI compute 2026 (industry est.).
- DeepSeek API: V4-Flash $0.09/M in; V4-Pro $0.435/M in (post −75% May 2026).
- Zhenwu M890: 144GB HBM3, 800 GB/s, 3× 810E (May 2026 Summit).
- T-Head: 560K units, 400+ clients, ¥1B capital.
- Jalapeño: TSMC 3nm, 9mo tape-out, ~50% inference cost↓ (Hock Tan, lab).
- CN accelerator market: ~$50B; Huawei ~50%, T-Head ~5% (media est.).
- DeepSeek round: ~$7.4B at $52–59B valuation (Reuters 2026).
13. FAQ
Официальный анонс? Нет.
Inference only? Да, по Reuters.
T-Head partnership? Не подтверждено.
4× compute? Liang 2024 interview — efficiency gap, не chip spec.
ETA silicon? 2027–2028+ speculative.
Metal vs ASIC? Local eval/gateway; ASIC — datacenter scale.
14. Источники
- Reuters — 7 July 2026
- CNA
- TrendForce — Zhenwu M890
- ChinaTalk — Liang Wenfeng
- SFTPMAC — Jalapeño guide RU
Независимый tech brief. Не investment advice. Не подтверждение продукта DeepSeek. Обновлено: 2026-07-09.
15. Мост SFTPMAC: 24/7 Metal node пока ASIC в fab
Reuters rumor + T-Head 560K shipment = один вывод: до 2027–2028 production ASIC вы контролируете API routing и локальный throughput baseline. Laptop с sleep убивает Agent soak; покупка Mac Studio 128GB после +33.3% Apple (июнь 2026) бьёт по TCO коротких проектов.
SFTPMAC удалённый Mac — Apple Silicon UMA, Metal, launchd 7×24, SSH/SFTP для eval-артефактов: ds4 endpoint, OpenClaw multi-model gateway, regression против DeepSeek API. Datacenter ASIC обещает $/token↓ в 2028; dedicated Mac node даёт измеримый p95 и egress control сегодня — без ожидания tape-out Hangzhou.