Du betreibst eine erfolgreiche Bäckerei. Dein Mehl beziehst du von einer bestimmten Mühle – sie liefert zuverlässig, die Qualität stimmt. Die Regierung verhängt ein Embargo: Diese Mühle darf dir kein Mehl mehr verkaufen. Du musst auf eine andere Mühle ausweichen, die teurer ist und nicht die gleiche Feinheit bietet. Was tust du? Du könntest anfangen, dein eigenes Getreide anzubauen und selbst zu mahlen. Genau das tut DeepSeek, das chinesische Startup hinter großen Sprachmodellen, die mit denen von OpenAI und Anthropic mithalten können. Das Unternehmen plant, eigene Chips für Rechenzentren zu entwickeln – konkret für den Inferenz-Betrieb, also das Ausführen von KI-Modellen, nicht für deren Training.
Der Auslöser: Die US-Regierung hat Exportkontrollen für Hochleistungschips wie Nvidias Spitzenmodelle verhängt. Nvidia ist weltweit der dominierende Anbieter von KI-Beschleunigern. In China kommt das Unternehmen kaum noch zum Zug. Huawei hat dort rund die Hälfte des Marktes für Data-Center-Chips übernommen – eine Abhängigkeit, die DeepSeek offenbar als strategisches Risiko betrachtet. Laut einem Bericht von Reuters, der sich auf drei mit der Sache vertraute Personen stützt, arbeitet DeepSeek seit etwa einem Jahr an dem Einstieg ins Chipgeschäft. Das Unternehmen habe Gespräche mit potenziellen Partnern aus der Hardware- und Halbleiterbranche geführt und stelle Ingenieure für das Projekt ein.
Warum Inferenz und nicht Training? Training eines großen Modells bedeutet, es mit Unmengen an Daten zu füttern und die Gewichte des neuronalen Netzes über Wochen oder Monate zu optimieren. Das erfordert enorme Rechenleistung und spezielle Architekturen, die auf parallele Matrixmultiplikation ausgelegt sind. Nvidias H100 und Blackwell sind hier unschlagbar. Inferenz hingegen ist der Moment, in dem das trainierte Modell in der Praxis eingesetzt wird: Es beantwortet Fragen, erzeugt Texte oder analysiert Bilder. Das ist rechenintensiv, aber anders skaliert. Man braucht viele Chips, die gleichzeitig und mit geringer Latenz arbeiten. Genau hier setzt DeepSeek an: eigene Chips für den Massenbetrieb der Modelle zu entwickeln, um nicht von Nvidia oder Huawei abhängig zu sein und gleichzeitig die Kosten zu senken.
DeepSeek steht mit diesem Schritt nicht allein. Auch US-amerikanische KI-Unternehmen verfolgen ähnliche Strategien. OpenAI hat vor wenigen Wochen gemeinsam mit Broadcom den Chip „Jalapeño“ vorgestellt – den ersten eigenen Inferenz-Beschleuniger, der für den skalierbaren Betrieb konzipiert ist. Anthropic forscht ebenfalls an eigener Chip-Hardware, auch wenn es noch keine öffentlichen Meilensteine gibt. Der Trend zur vertikalen Integration ist kein rein chinesisches Phänomen. Er zeigt: Wer im KI-Wettlauf vorne sein will, muss nicht nur die Software beherrschen, sondern auch die darunterliegende Hardware selbst kontrollieren – Stichwort „Apple-like control over the entire tech stack“.
Datenzentren-Kapazitäten sind knapp und begehrt. Die großen Hyperscaler wie Microsoft, Amazon und Google bauen massiv aus, aber die Nachfrage wächst noch schneller. Wer eigene Chips entwirft, kann die Kostenstruktur optimieren und sich langfristige Rechenkapazitäten sichern. DeepSeeks Schritt ist nicht nur eine Reaktion auf US-Sanktionen, sondern auch eine strategische Investition in die eigene Zukunft. Das Unternehmen will nicht nur gute Modelle bauen, sondern die gesamte Wertschöpfungskette vom Silizium bis zur Anwendung kontrollieren – zumindest in dem Bereich, der für den operativen Betrieb entscheidend ist.
Chip-Design ist kein Sprint, sondern ein Marathon. Selbst wenn DeepSeek jetzt Partner und Ingenieure gefunden hat, wird es Jahre dauern, bis eigene Chips in relevanten Stückzahlen in den Rechenzentren stehen. Die Entwicklung eines modernen Beschleunigers erfordert Hunderte Millionen Dollar, Spezialwissen in Halbleiterphysik, Architekturdesign und Fertigung. Die Fertigung selbst ist ein Problem: Die fortschrittlichsten Verfahren (7 nm und darunter) sind in China nur begrenzt verfügbar. DeepSeek wird wohl auf SMIC oder andere chinesische Foundries angewiesen sein, was die Leistungsfähigkeit der Chips begrenzen könnte. Erwarten Sie nicht, dass DeepSeek morgen mit einem Nvidia-Konkurrenten auf den Markt kommt.
Für uns als Beobachter der KI-Szene markiert dieser Schritt eine neue Phase der geopolitischen Technologie-Rivalität. Es geht nicht mehr nur um Software, Modelle oder Cloud-Dienste. Die Hardware wird zum strategischen Gut, das nationale Grenzen zieht. Unternehmen wie DeepSeek zwingen uns, den Begriff der technologischen Souveränität neu zu denken. Für Entwickler und Unternehmen, die KI einsetzen: Die Landschaft wird fragmentierter. Modelle, die auf Nvidia-Chips optimiert sind, laufen vielleicht nicht effizient auf DeepSeeks eigener Hardware. Standardisierung wird schwieriger, Custom-Lösungen werden wichtiger. Für uns als Nutzer von KI-Diensten könnten die Kosten für Inferenz langfristig sinken, weil mehr Wettbewerb herrscht. Gleichzeitig steigt die Komplexität – und die Abhängigkeit von politischen Entscheidungen, die außerhalb unserer Kontrolle liegen. DeepSeeks Vorstoß zeigt: Die Zukunft der KI wird nicht nur in Rechenzentren entschieden, sondern auch in den Reinräumen der Halbleiterfabriken.
Quelle: arstechnica.com
