DeepSeek, chiński startup tworzący modele językowe, które pod względem możliwości konkurują z ofertą OpenAI i Anthropic, od około roku prowadzi prace nad wejściem w segment chipów AI do wnioskowania — informuje Reuters, powołując się na trzy osoby znające sprawę. Firma spotykała się z potencjalnymi partnerami sprzętowymi i krzemowymi oraz prowadzi rekrutację inżynierów na potrzeby projektu.
Najważniejsze w skrócie
- DeepSeek pracuje nad własną infrastrukturą krzemową od około roku — na etapie rozmów z partnerami i rekrutacji
- Cel: chipy do wnioskowania (inference), nie do trenowania modeli
- Główna motywacja: uniezależnienie od Nvidii (embargo USA) i Huaweia (~50% rynku DC w Chinach)
- Alibaba i Baidu realizują podobne inicjatywy po stronie chińskiej
- OpenAI i Anthropic prowadzą równoległe projekty własnych chipów w USA
Embargo, Huawei i luka infrastrukturalna
Nvidia dostarcza większość chipów do AI dla firm z Ameryki Północnej i Europy, jednak amerykańskie embargo eksportowe uniemożliwia firmie zdobycie porównywalnej pozycji w Chinach. W próżni po Nvidii umocnił się Huawei, który kontroluje teraz około połowy chińskiego rynku chipów do centrów danych. To duopol z wyraźną luką jakościową — procesory Huaweia nie dorównują wydajnością H100/H200 od Nvidii, szczególnie pod względem ekosystemu oprogramowania.
DeepSeek AI dołącza do grona chińskich firm technologicznych, które chcą produkować własne układy. Alibaba i Baidu od jakiegoś czasu realizują podobne inicjatywy. Nie jest to jednak wyłącznie chińska specyfika — po stronie zachodniej OpenAI i Broadcom wspólnie ogłosiły chip Jalapeño, zaprojektowany do wnioskowania na dużą skalę. Anthropic też bada projektowanie niestandardowych układów, choć bez publicznie potwierdzonych kamieni milowych.
Reuters podaje, że projekt DeepSeek jest na etapie wstępnym: trwają spotkania z partnerami i rekrutacja inżynierów. Firma nie podała harmonogramu ani planowanej daty produkcji. Sama informacja o istnieniu projektu pochodzi od trzech anonimowych osób — DeepSeek nie potwierdził ani nie zaprzeczył.
Wnioskowanie, nie trenowanie — kluczowa różnica
Projekt DeepSeek koncentruje się na chipach do wnioskowania (inference), a nie do trenowania modeli. To istotna różnica techniczna i kosztowa. Trenowanie dużych modeli wymaga masowej równoległości, dużej przepustowości pamięci i szybkiej komunikacji między akceleratorami — stąd dominacja wyspecjalizowanych układów jak H100/H200 od Nvidii. Wnioskowanie to inny profil: niższe wymagania co do jednorazowej mocy obliczeniowej, ale znacznie wyższy wolumen zapytań i priorytet dla niskiej latencji.
| Wymiar | Trenowanie | Wnioskowanie |
|---|---|---|
| Równoległość | Masowa | Niższa |
| Przepustowość pamięci | Wysoka | Niższa |
| Wolumen zapytań | Niższy | Bardzo wysoki |
| Priorytet | Moc obliczeniowa | Niska latencja |
Własne chipy do wnioskowania oznaczają niezależność od zewnętrznych dostawców przy seryjnym serwowaniu odpowiedzi modeli milionom użytkowników. To operacja, którą DeepSeek prowadzi już na dużą skalę i której koszty chipowe są bezpośrednio widoczne w rachunku. Redukcja tych kosztów i eliminacja ryzyka przerw w dostawach — czy to z powodu embarga, czy z powodu ograniczonej dostępności Huaweia — to dwa konkretne uzasadnienia projektu.
DeepSeek zyskał rozgłos na początku 2025 roku, gdy opublikował modele R1 i V3, które przy ułamku budżetu treningowego rywali dostarczyły porównywalnych wyników. Ta filozofia efektywności — maksymalne możliwości przy minimalnych zasobach — jest naturalnie przenoszona do sfery hardware. Firma, która nauczyła się trenować modele na zubożałej infrastrukturze, ma silny impuls do optymalizacji warstwy wnioskowania.
Symetria między Wschodem a Zachodem
Warto zwrócić uwagę na symetrię: zarówno w USA, jak i w Chinach czołowe firmy AI uznały, że zależność od jednego dostawcy chipów tworzy strategiczne ryzyko. W USA motywacja jest częściowo finansowa — kontrola nad stosem technologicznym jak u Apple daje przewagę marżową i uniezależnia od cykli cenowych Nvidii. Drugi motyw to rywalizacja o zasoby centrów danych: własny silicon oznacza lepszą pozycję negocjacyjną przy alokacji mocy obliczeniowej w coraz bardziej zatłoczonym rynku.
W Chinach argument jest ostrzejszy i bardziej doraźny: embargo jest faktem, a Huawei nie jest w pełni substytutem Nvidii. DeepSeek, który zbudował reputację na efektywności przy ograniczonych zasobach, ma naturalną motywację, by stosować tę samą filozofię do hardware. Pytanie nie brzmi „czy" — brzmi „kiedy i z jakimi partnerami".
Dlaczego to ważne?
Wejście DeepSeek w segment chipów sygnalizuje dojrzewanie chińskiego sektora AI od importera zewnętrznej infrastruktury do gracza, który chce kontrolować cały stos. Dla Huaweia jest to konkurencja z własnego podwórka w segmencie, który dopiero zbudował. Dla Nvidii — kolejny dowód, że monopolistyczna pozycja w AI jest podatna na erozję jednocześnie w USA i w Chinach.
Dla branży globalnie projekt DeepSeek to część szerszej fragmentacji: coraz więcej podmiotów decyduje się na własny silicon, co prowadzi do ekosystemu chipów AI, który będzie mniej zunifikowany niż dziś. W perspektywie pięciu lat oznacza to znaczące różnice w architekturze wdrożeń AI między różnymi regionami i firmami.
Co dalej?
- Reuters podaje, że projekt jest na wstępnym etapie — brak potwierdzonych terminów ani partnerów produkcji
- Premiera chipu Jalapeño od OpenAI/Broadcom w USA będzie pierwszym publicznym testem, czy własny silicon przynosi deklarowane korzyści — wyniki wpłyną na ocenę projektu DeepSeek
- Ewentualne zmiany w regulacjach eksportowych USA mogą przyspieszyć lub spowolnić chińskie inicjatywy krzemowe
