DeepSeek разрабатывает собственные AI-чипы, чтобы уйти от зависимости от NVIDIA и Huawei

По данным Reuters, DeepSeek — китайская AI-компания, чья языковая модель в начале 2025 года обвалила акции NVIDIA — приступила к разработке собственного полупроводникового решения. Цель: снизить зависимость от внешних поставщиков чипов, прежде всего Huawei и NVIDIA. Компания уже ведёт переговоры с потенциальными производственными партнёрами и тихо набирает профильных инженеров.

Речь идёт о чипе для инференса — то есть для запуска уже обученных моделей в продакшене, а не для их тренировки с нуля. Это принципиальное уточнение: инференс-чипы дешевле в разработке и проще в производстве, чем обучающие ускорители класса H100. Именно здесь у DeepSeek есть шанс добиться реального результата без доступа к передовым западным технологиям.

Почему это логичный шаг для DeepSeek

DeepSeek уже доказала, что умеет выжимать максимум из ограниченных ресурсов. Её модель R1 показала результаты, сопоставимые с топовыми западными аналогами, при многократно меньших затратах на обучение. Это достижение стало возможным в том числе потому, что компания работала в условиях жёстких ограничений на импорт американских чипов — и научилась оптимизировать архитектуру под доступное железо.

Собственный чип для инференса — следующий логичный шаг в той же стратегии. Если DeepSeek сможет повторить трюк с эффективностью уже на уровне кремния, последствия для рынка окажутся серьёзными. Компания потенциально получит полный контроль над стеком: от весов модели до железа, на котором она работает.

Важен и геополитический контекст. США последовательно ужесточают экспортный контроль на AI-чипы в Китай. Huawei развивает собственную линейку ускорителей Ascend, но их производительность и доступность остаются ограниченными. В этих условиях вертикальная интеграция — не просто бизнес-решение, а вопрос операционной устойчивости.

Что это значит для глобального рынка AI-полупроводников

Если разработка DeepSeek окажется успешной, это добавит ещё одного игрока в и без того перегретый сегмент AI-чипов. Сегодня там уже конкурируют NVIDIA, AMD, Intel, Google (TPU), Amazon (Trainium/Inferentia), Microsoft (Maia) и десятки стартапов. Китайский рынок при этом фактически отрезан от западных решений — и формирует собственную экосистему.

Для NVIDIA угроза носит скорее репутационный и долгосрочный характер. Прямых продаж в Китай у компании и так почти нет из-за санкций. Но если DeepSeek создаст эффективный инференс-чип и опубликует его спецификации или сделает решение доступным — это может повлиять на ценообразование и восприятие доминирования NVIDIA на глобальном рынке. Акции компании уже реагировали на новости о DeepSeek резким падением в январе 2025 года.

Отдельный вопрос — производство. Передовые чипы требуют литографии уровня TSMC или Samsung, к которым у китайских компаний доступа нет. Скорее всего, DeepSeek будет работать с SMIC — китайским производителем, чьи технологические нормы отстают от мирового фронтира. Это ограничивает потолок производительности, но не делает проект бессмысленным: для инференса плотность транзисторов критична меньше, чем для обучения.

Белорусский контекст: чипы, санкции и AI-инфраструктура

Для белорусских IT-компаний и резидентов ПВТ эта история актуальна сразу в нескольких измерениях. Во-первых, санкционные ограничения на поставки высокопроизводительных чипов затрагивают не только Китай — белорусские компании также работают в условиях ограниченного доступа к передовому железу. Стратегия DeepSeek «делать больше с меньшим» здесь прямо применима.

Во-вторых, белорусские AI-разработчики, работающие с open-source моделями — в частности, с теми же моделями DeepSeek — напрямую зависят от инференс-инфраструктуры. Если компания создаст более дешёвое и эффективное железо под свои модели, это потенциально снизит стоимость развёртывания для всей экосистемы, включая команды за пределами Китая.

Наконец, сам факт того, что компания с ограниченным доступом к ресурсам последовательно строит вертикально интегрированный AI-стек, — показательный кейс для любой команды, работающей в условиях технологических или финансовых ограничений. Ставка на эффективность вместо масштаба оказывается рабочей стратегией не только в программном обеспечении, но и в железе.