DeepSeek Secretly Builds AI Chip, Specializing in Inference, Project Started a Year Ago with No Public Recruitments

marsbitОпубликовано 2026-07-08Обновлено 2026-07-08

Введение

DeepSeek, the Chinese AI company known for its algorithmic models, is secretly developing its own AI chip to reduce dependence on Nvidia, according to a Reuters report. The chip is designed specifically for AI inference, not training, and the project began approximately a year ago. Currently in early stages, DeepSeek is reportedly in discussions with chip design firms, foundries, and memory suppliers. The company, historically focused on algorithmic efficiency, has been discreetly hiring chip design engineers without public job postings. This move aligns with a global trend where major AI model companies like OpenAI and Anthropic are also pursuing custom chip development. DeepSeek founder Liang Wenfeng previously highlighted chip shortages as a challenge. While the company initially trained models on Nvidia H800s and later adapted to Huawei's Ascend chips, it now seeks greater control over its hardware foundation. Designing a competitive AI chip is a significant challenge, requiring years and substantial investment with no guarantee of success. However, DeepSeek's efforts are backed by a recent major funding round of approximately 51 billion RMB (about $7.4 billion) raised in June 2026. The funds are designated for expanding data centers based on domestic chips, developing proprietary AI chips, and recruiting top global talent. Infrastructure plans are also advancing, with job postings for data center design engineers, including projects in locations like Ulanqab, Inner Mon...

DeepSeek is building its own chip!

Goal: Reduce reliance on NVIDIA.

According to Reuters, this Chinese AI company, which has shaken Silicon Valley with its model algorithms, is secretly developing a self-developed AI chip.

The chip is positioned for inference rather than training, and the project is estimated to have started about a year ago.

Currently, the project is still in its early stages. Sources reveal that DeepSeek has already engaged with chip design companies, wafer foundries, and memory suppliers.

From Algorithm Company to Hardware Player

DeepSeek has always been labeled as a company focused on extreme optimization of algorithms.

From the R1 inference model that ignited the world in January 2025 to the later V4 series adapted for Huawei's Ascend, this company has consistently demonstrated the ability to do more with less computing power.

But now, it is stepping onto the hardware field itself.

Informed sources reveal that DeepSeek has been recruiting chip design engineers in recent months, but the recruitment method has been extremely low-key, with no job postings on any public recruitment platforms.

It's not an isolated case for model companies to develop their own chips.

Globally, it has become a trend for AI model companies to develop their own chips. Last month, OpenAI just announced its first custom inference chip Jalapeño developed in cooperation with Broadcom, and Anthropic was also reported in April this year to be considering developing its own AI chip.

In a rare media interview in 2024, DeepSeek founder Liang Wenfeng revealed that chip shortages posed a challenge to the company.

The foundation of the R1 model was trained on NVIDIA H800s. Subsequently, DeepSeek shifted to Huawei's Ascend. The V4 model released this April has already been adapted for Ascend chips, and Huawei also confirmed that its processors participated in part of the training of V4-Flash.

But putting eggs in two baskets is still not enough for DeepSeek.

DeepSeek's self-developed chip is specifically designed for inference.

As AI applications are deployed on a large scale, the focus of industry computing power demand is rapidly shifting from training to inference. Training is a one-time investment, while inference is an ongoing consumption. Every query from every user requires inference computing power to respond.

Dedicated chips customized for inference scenarios can achieve lower power consumption and lower unit costs compared to general-purpose GPUs, which is crucial for an AI company moving towards commercialization.

DeepSeek has already laid the groundwork for hardware-software co-design at the model architecture level.

The UE8M0 FP8 data format introduced in DeepSeek-V3.1 is believed to be specifically designed for the hardware characteristics of next-generation domestic chips. The algorithm team was thinking about chips while writing the model.

However, the challenges are equally immense. Designing a competitive AI chip typically requires several years and massive capital investment, and success cannot be guaranteed at this stage.

51 Billion Yuan Funding Secured, Computing Infrastructure Simultaneously Deployed

This plan is backed by real money.

In June 2026, DeepSeek completed its first external financing round since its founding, raising approximately 51 billion yuan (about $7.4 billion), with a post-investment valuation between $52 billion and $59 billion. The company, which had refused external investment for many years, opening up to financing itself represents a major strategic shift.

The use of funds is already clear: expanding computing centers primarily based on domestic chips, developing self-developed AI chips, and expanding the team of global top talent.

Infrastructure-level actions are also advancing. DeepSeek has released job postings for IDC design and planning engineers, planning to participate in the planning and construction of data centers ranging from megawatt to gigawatt scale. The recruitment information explicitly mentions construction locations such as Ulanqab in Inner Mongolia.

DeepSeek itself maintains its characteristic low profile. Three informed sources all requested anonymity, and the company has not made any public response.

Nevertheless, this company, which has changed the pace of global AI competition, is now aiming to change the hardware foundation beneath its feet.

Reference Links:

[1]https://www.reuters.com/world/china/chinas-deepseek-developing-its-own-ai-chip-sources-say-2026-07-07/

This article is from the WeChat public account "QbitAI", author: Meng Chen

Трендовые криптовалюты

Связанные с этим вопросы

QWhat is the main purpose of DeepSeek's secret in-house AI chip development project?

AThe main purpose is to reduce DeepSeek's dependence on NVIDIA and lower the cost and power consumption specifically for AI inference tasks, as the industry's computing demand shifts from training to large-scale, continuous inference.

QWhen did DeepSeek reportedly start its AI chip project, and what is its current stage?

AThe project started approximately one year ago from the article's publication date and is currently in its early stages, with DeepSeek already engaging with chip design firms, foundries, and memory suppliers.

QHow did DeepSeek conduct recruitment for its chip project according to the article?

AThe recruitment was conducted with extreme discretion; DeepSeek did not post any job openings on public recruitment platforms but has been quietly hiring chip design engineers in recent months.

QWhat recent financial development supports DeepSeek's chip and infrastructure plans?

AIn June 2026, DeepSeek completed its first external funding round, raising about 51 billion RMB (approximately $7.4 billion), which will be used for building data centers based on domestic chips, developing its own AI chip, and expanding its global talent team.

QWhich other major AI companies are mentioned as also pursuing in-house AI chip development?

AThe article mentions that OpenAI recently announced its first custom inference chip, 'Jalapeño,' developed in collaboration with Broadcom, and that Anthropic was reported in April of the same year to be considering developing its own AI chips.

Похожее

Эстафета «спасения казначейских облигаций США»: Бесант на прошлой неделе провалился, на этой неделе смотрим на Уоша

Министр финансов США Бессент пытался стабилизировать рынок государственных облигаций, удвоив объемы выкупа долгосрочных казначейских облигаций, чтобы снизить растущую доходность на длинном конце кривой. Однако эффект был краткосрочным: доходности вскоре вернулись к высоким уровням, а рынок отреагировал ростом золота и биткоина, что аналитики расценивают как "клапан сброса давления". Теперь внимание обращено к председателю ФРС Уоршу, который выступит на симпозиуме в Джексон-Хоуле. Рынки ждут ясных сигналов о реакции ФРС на инфляцию, сохраняющуюся выше целевого уровня 2%, и ухудшающуюся фискальную динамику. Эксперты предупреждают, что повторение прежней риторики разочарует инвесторов и усилит продажи. Ключевым вопросом является то, сможет ли ФРС, в отличие от казначейства, эффективно заякорить инфляционные ожидания. Обсуждается возможность запуска ФРС аналога "Операции Твист" — продажи краткосрочных и покупки долгосрочных облигаций для снижения долгосрочных ставок без расширения баланса. Перед выступлением Уорша будет опубликован индекс PCE за июль, который может задать тон. Аналитики указывают на уровень доходности 30-летних облигаций в 5% как на критическую точку, преодоление которой усилит давление на доллар и рискованные активы, а также подчеркивают растущую конкуренцию за капитал со стороны корпоративных заимствований и снижение терпимости иностранных инвесторов.

marsbit16 мин. назад

Эстафета «спасения казначейских облигаций США»: Бесант на прошлой неделе провалился, на этой неделе смотрим на Уоша

marsbit16 мин. назад

Путь Hyperliquid к соответствию: от неограниченного доступа к разрешительной системе HIP-3

Гиперликвидный, первоначально функционировавший как децентрализованная платформа для торговли перпетуальными контрактами без разрешений, сталкивается с ключевыми регуляторными препятствиями для выхода на рынок США. Американское законодательство о структуре рынка, требующее регистрации торговых площадок (DCM), клиринговых палат (DCO) и брокеров (FCM), конфликтует с его безотзывной, самохраняемой и глобально доступной инфраструктурой на блокчейне. В ответ Гиперликвидный основал Политический центр (HPC) для лоббирования модернизации правил CFTC и SEC, предлагая рассматривать его слой HyperCore как нейтральную инфраструктуру, которую лицензированные организации могут использовать при соблюдении своих обязанностей (KYC, надзор за рынком). В качестве практического шага к соблюдению требований на тестовой сети был представлен HIP-3 с функцией управления разрешениями. Такие развертывания позволяют регулируемым организациям создавать рынки с белыми списками пользователей, сохраняя при этом контроль. Несмотря на отдельные ордербуки, общая ликвидность и залоговое обеспечение на одном L1 позволяют избежать фрагментации. Этот путь, поддержанный недавними политическими заявлениями, направлен на предоставление американским инвесторам регулируемого доступа к рынкам Гиперликвидного, в то время как его основные рынки остаются открытыми и без разрешений.

marsbit41 мин. назад

Путь Hyperliquid к соответствию: от неограниченного доступа к разрешительной системе HIP-3

marsbit41 мин. назад

Самый важный вопрос политической экономии в эпоху ИИ: как люди будут разделять ценность, когда роботы становятся все более способными?

В статье поднимается ключевой вопрос политической экономии эпохи ИИ: по мере того, как роботы и ИИ становятся все более способными, как человечество будет делиться создаваемой ими стоимостью? В отличие от предыдущих промышленных революций, ИИ впервые заменяет не только физический, но и когнитивный труд, что подрывает традиционную связь между ростом производительности, занятостью и доходами. В мире наблюдается парадокс: технологические гиганты создают огромные богатства (капитализация топ-10 компаний превышает $20 трлн), в то время как доля трудовых доходов в ВВП снижается. Это создает фундаментальное противоречие: производственные возможности растут, но потребительский спрос может отставать из-за проблем с распределением доходов. Автор рассматривает три возможных пути распределения благ в эпоху ИИ: 1) традиционный капитализм (прибыль — акционерам, перераспределение через налоги); 2) государственный капитализм (участие государства в активах ИИ); 3) инновационные механизмы, такие как цифровые суверенные фонды, всеобщее акционерное владение или базовый доход, позволяющие напрямую делиться плодами ИИ со всем обществом. Для Китая, как и для других стран, главный вызов заключается не в замедлении технологического прогресса, а в создании эффективного механизма трансформации производительности ИИ в рост доходов населения, потребления и социального обеспечения. Будущая конкуренция будет определяться не только технологическим превосходством, но и способностью построить новую, справедливую систему распределения, которая обеспечит широкое социальное благосостояние в интеллектуальную эпоху.

marsbit1 ч. назад

Самый важный вопрос политической экономии в эпоху ИИ: как люди будут разделять ценность, когда роботы становятся все более способными?

marsbit1 ч. назад

Получение прибыли в течение 7 кварталов подряд: арбитражные сделки на развивающихся рынках превосходят все

Прибыльная торговля на разнице процентных ставок (керри-трейд) на рынках развивающихся стран приносит доход уже седьмой квартал подряд, что стало самой длинной серией успеха с 2008 года. Согласно индексу Bloomberg, стратегия, предполагающая заимствование в долларах США для инвестиций в высокодоходные валюты, с конца 2024 года принесла около 22% дохода, значительно опередив доходность американских казначейских облигаций. Основу прибыли формирует высокая процентная ставка в странах вроде Турции, однако ключевую роль в последний период сыграло ослабление доллара по отношению ко многим валютам развивающихся рынков. Даже несмотря на падение турецкой лиры, высокая доходность по местным облигациям сохранила прибыльность сделок. Несмотря на испытание в августе из-за интервенций на валютном рынке Японии, рынок быстро адаптировался, переключившись на использование евро и швейцарского франка в качестве финансирующих валют, что позволило продолжить тренд. Главными рисками для стратегии остаются будущие действия ФРС США, которые могут изменить динамику доллара, а также чрезмерная популярность самой сделки, что увеличивает риск резкого разворота. Тем не менее, эксперты, такие как команда PGIM, сохраняют уверенность, выделяя перспективные рынки, включая Турцию, Колумбию, Бразилию и страны Африки.

marsbit1 ч. назад

Получение прибыли в течение 7 кварталов подряд: арбитражные сделки на развивающихся рынках превосходят все

marsbit1 ч. назад

Наставник из Цинхуа и ученик из Уортона раскрыли 40-летнюю нерешённую задачу. Основные математические выкладки написаны GPT. Справились бы и вы.

Новое исследование, проведенное учеными из Университета Цинхуа и Уортонской школы бизнеса, разрешает давний вопрос в теории оптимизации. Они доказали, что классический метод градиентного спуска, использующий только предопределенную последовательность шагов обучения (learning rates), имеет принципиальный предел скорости сходимости. Независимо от того, насколько сложной является эта последовательность, скорость сходимости не может превысить **Ω(T^{-1.9319})**, где T — количество шагов. Это означает, что для достижения оптимальной скорости **O(1/T²)**, полученной методом Нестерова с моментом, необходимо изменить саму структуру алгоритма, а не только подбирать шаги. Ключевым аспектом работы является то, что основное доказательство было сгенерировано и доработано в процессе взаимодействия с языковой моделью GPT-5.6 Sol Pro. Исследователи задавали высокоуровневую стратегию «противостоящего оракула» (resisting oracle), а ИИ выполнил нетривиальную математическую работу по построению доказательства. Затем вся цепочка рассуждений была формально верифицирована с использованием системы автоматического доказательства теорем Lean 4, где код успешно прошел компиляцию без каких-либо пропущенных шагов («zero sorry, zero admit»). Этот результат закрывает 40-летний теоретический пробел, показывая фундаментальное ограничение простейшей формы градиентного спуска. Работа также демонстрирует новый подход к исследованиям, где крупные языковые модели выступают в роли активных помощников в сложных математических доказательствах, проверяемых формальными методами.

marsbit1 ч. назад

Наставник из Цинхуа и ученик из Уортона раскрыли 40-летнюю нерешённую задачу. Основные математические выкладки написаны GPT. Справились бы и вы.

marsbit1 ч. назад

Торговля

Спот

Популярные статьи

Как купить CHIP

Добро пожаловать на HTX.com! Мы сделали приобретение USD.AI (CHIP) простым и удобным. Следуйте нашему пошаговому руководству и отправляйтесь в свое крипто-путешествие.Шаг 1: Создайте аккаунт на HTXИспользуйте свой адрес электронной почты или номер телефона, чтобы зарегистрироваться и бесплатно создать аккаунт на HTX. Пройдите удобную регистрацию и откройте для себя весь функционал.Создать аккаунтШаг 2: Перейдите в Купить криптовалюту и выберите свой способ оплатыКредитная/Дебетовая Карта: Используйте свою карту Visa или Mastercard для мгновенной покупки USD.AI (CHIP).Баланс: Используйте средства с баланса вашего аккаунта HTX для простой торговли.Третьи Лица: Мы добавили популярные способы оплаты, такие как Google Pay и Apple Pay, для повышения удобства.P2P: Торгуйте напрямую с другими пользователями на HTX.Внебиржевая Торговля (OTC): Мы предлагаем индивидуальные услуги и конкурентоспособные обменные курсы для трейдеров.Шаг 3: Хранение USD.AI (CHIP)После приобретения вами USD.AI (CHIP) храните их в своем аккаунте на HTX. В качестве альтернативы вы можете отправить их куда-либо с помощью перевода в блокчейне или использовать для торговли с другими криптовалютами.Шаг 4: Торговля USD.AI (CHIP)С легкостью торгуйте USD.AI (CHIP) на спотовом рынке HTX. Просто зайдите в свой аккаунт, выберите торговую пару, совершайте сделки и следите за ними в режиме реального времени. Мы предлагаем удобный интерфейс как для начинающих, так и для опытных трейдеров.

1.1k просмотров всегоОпубликовано 2026.04.21Обновлено 2026.06.02

Как купить CHIP

Обсуждения

Добро пожаловать в Сообщество HTX. Здесь вы сможете быть в курсе последних новостей о развитии платформы и получить доступ к профессиональной аналитической информации о рынке. Мнения пользователей о цене на CHIP (CHIP) представлены ниже.

活动图片