Nachricht

Das chinesische KI-Startup DeepSeek entwickelt laut drei mit der Angelegenheit vertrauten Personen einen eigenen Chip für künstliche Intelligenz. Dies markiert eine strategische Eskalation von reiner Software-Innovation hin zu vollständiger Hardware-Souveränität. Der Schritt, über den Reuters erstmals am 7. Juli 2026 berichtete, zielt darauf ab, DeepSeeks Abhängigkeit von Nvidia- und Huawei-Chips zu verringern, die bisher die weltweit beliebten und kostengünstigen Modelle des Unternehmens antreibt – und könnte die Wirtschaftlichkeit von KI-Inferenz in China und darüber hinaus grundlegend verändern.

Laut Astute Analytica der Markt für KI-Chips im Jahr 2024 auf 39,27 Milliarden US-Dollar geschätzt und soll bis 2033 einen Marktwert von 501,97 Milliarden US-Dollar erreichen, was einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 35,50 % im Prognosezeitraum 2025–2033 entspricht.

Was die Quellen sagen?: Schlussfolgerungen zuerst, frühes Stadium, stiller Ausbau

• Chip-Fokus: Das Gerät ist speziell für die KI-Inferenz– die Phase, in der trainierte Modelle Benutzerantworten generieren – und nicht für das Trainieren neuer Modelle von Grund auf konzipiert. 
• Zeitlicher Ablauf: Die Bemühungen begannen vor etwa einem Jahr und befinden sich noch in einem frühen Stadium. DeepSeek arbeitet aktiv mit externen Partnern in den Bereichen Chipdesign, Foundry und Speicherlieferketten zusammen. 
• Einstellungswelle: Das in Hangzhou ansässige Unternehmen hat in den letzten Monaten stillschweigend die Einstellung von Chipdesign-Ingenieuren verstärkt und dabei öffentliche Stellenausschreibungen vermieden, um das Projekt geheim zu halten. 

Dieser Hardware-Vorstoß folgt auf eine Reihe von Software-Meilensteinen, die bereits DeepSeeks Hinwendung zu heimischen Chips signalisierten, darunter die „Day-Zero“-Anpassung von DeepSeek-V4 an Huaweis Ascend 950PR/950DT-Beschleuniger und den CANN-Software-Stack im April 2026.

Warum das wichtig ist: Von der CUDA-Abhängigkeit zur vollständigen Kontrolle

DeepSeeks Aufstieg war geprägt von radikaler Kosteneffizienz und offener Distribution. Die Abhängigkeit von ausländischen GPUs– und selbst von inländischen Alternativen wie Huaweis Ascend – band das Unternehmen jedoch weiterhin an externe Roadmaps, Lieferengpässe und Exportkontrollen. Die Entwicklung eines eigenen Chips ändert diese Gleichung, indem DeepSeek die Inferenzökonomie sichern kann: Durch die gemeinsame Entwicklung von Hardware um die spärlichen Mixture-of-Experts-Architekturen (MoE) herum lassen sich die Token-Kosten weiter senken und die Margen bei steigender Nutzung stabilisieren. 

Dies ermöglicht dem Unternehmen außerdem, sich von der Abhängigkeit vom Ökosystem zu lösen – die Abhängigkeit von Nvidias CUDA-Vorteil und der schwankenden GPU-Versorgung zu verringern – und gleichzeitig die bestehenden Huawei-Integrationen zu ergänzen, anstatt sie zu ersetzen. Ein hauseigenes Siliziumprogramm beschleunigt zudem die Bereitstellungszyklen durch eine engere Abstimmung zwischen Modellforschung und Siliziumfunktionen. Dies ermöglicht schnellere Iterationen bei Operatoren, Speicherlayouts und Verbindungen, die speziell auf die Workloads von DeepSeek zugeschnitten sind.

Der Huawei-Präzedenzfall: Wie V4 den Weg ebnete?

Die Markteinführung von DeepSeek-V4 hat bereits die Leistungsfähigkeit der Hardware-Software-Kooptimierung auf inländischen Chips unter Beweis gestellt:

• Ascend-Unterstützung ab dem ersten Tag: Huaweis Ascend 950PR/950DT wurden von Anfang an an V4 angepasst, wobei die gesamte Ascend SuperNode-Produktlinie vollständig für die V4-Inferenz angepasst wurde. 
• Signale für gemeinsames Design: Eine Studie von SemiAnalysis auf Spurenebene argumentierte, dass V4 und der Ascend 950DT effektiv gemeinsam entwickelt, was dazu beitrug, die Inferenzkosten im Vergleich zu Konkurrenzangeboten um bis zu 75 % zu senken. 
• Trainingsfortschritte: Ein von Huawei geführtes Konsortium schloss auch das vollständige Parameter-Posttraining des 1,6T-Parameter-V4-Pro auf einem Ascend 910C-Cluster mit über 1000 Chips ab – ein Zeichen dafür, dass sich Chinas Technologie-Stack von der Inferenz hin zu komplexeren Trainings-Workloads entwickelt.

DeepSeeks eigene Chipentwicklung kann als nächster logischer Schritt angesehen werden: die meisten arbeitslastspezifischen Optimierungen, die V4 auf Ascend günstig und schnell gemacht haben, intern zu übernehmen und sie dann in eine proprietäre Silizium-Roadmap zu erweitern.

Wo könnte der Chip von DeepSeek in der Wertschöpfungskette seinen Platz finden?

Angesichts des frühen Entwicklungsstadiums und der von Quellen beschriebenen Partneransprache dürfte DeepSeeks Weg dem anderer KI-basierter Chipprogramme ähneln:

• Architektur: Inferenzoptimierte Beschleuniger mit Schwerpunkt auf spärlicher Rechenleistung, Speicher mit hoher Bandbreite und effizienten Verbindungen für Workloads im Agentenstil mit großem Kontext.
• Foundry & Packaging: Gespräche mit Foundries und Speicherherstellern legen eine Multi-Vendor-Strategie nahe, um Kapazitäts- und Sanktionsrisiken zu minimieren.
• Software-Stack: Es wird erwartet, dass eine DeepSeek-optimierte Laufzeit- und Compilerschicht (möglicherweise mit Integrationen im Stil von vLLM-Ascend) die MoE-Kernel auf benutzerdefinierte Datenpfade abbildet.

Marktauswirkungen: Druck auf Nvidia, Rückenwind für Chinas Technologieportfolio?

Sollte DeepSeek einen produktionsreifen Inferenzchip auf den Markt bringen, könnten die Auswirkungen unmittelbar spürbar sein. Nvidias Vormachtstellung im Inferenzbereich stünde unter neuem Druck: Zwar ist Nvidia weiterhin führend im Bereich Training und bietet umfassende Ökosystemunterstützung, doch der Chip von DeepSeek würde den Preis-Leistungs-Wettbewerb im Inferenzbereich verschärfen – insbesondere für Cloud- und On-Premise-Bereitstellungen in China. 

Gleichzeitig dürfte Huaweis Aufstieg eher gestärkt als geschwächt werden; DeepSeeks Chip könnte Ascend in einem diversifizierten inländischen Stack ergänzen, selbst wenn Hyperscaler nach der Markteinführung von V4 um die Sicherung der Ascend 950-Lieferungen wetteifern. 

Auf der globalen Kostenkurve lässt DeepSeeks bisherige aggressive Preispolitik – wie beispielsweise die V4-Pro API zu etwa 0,20 Yuan pro Million Token – vermuten, dass jegliche Eigenentwicklung von Silizium die globalen Inferenzmargen für vergleichbare Arbeitslasten weiter verringern könnte. 

Risiken und Realitäten: Sanktionen, Umfang und Software

DeepSeeks Ambitionen stehen vor nicht unerheblichen Hürden:

• Exportkontrollen: Fortschrittliche Packaging-Technologien, HBM und modernste Fertigungsknoten werden weiterhin durch US-Beschränkungen eingeschränkt, was die Leistungsgrenzen und die Zeit bis zur Serienproduktion beeinflusst.
• Software-Schwerkraft: Die Tiefe des CUDA-Ökosystems ist nach wie vor ein großer Vorteil; DeepSeek muss eine überzeugende Compiler-/Tooling-Story liefern, um die Entwickler über seine eigenen Modelle hinaus für sich zu gewinnen.
• Ausführungsrisiko: Der Übergang von Partnergesprächen zur Silizium-Inbetriebnahme, Ertragssteigerung und großflächigen Implementierung ist ein mehrjähriges Unterfangen mit erheblichem Kapital- und Fachkräftebedarf.