Puces auto-développées, le problème arithmétique de DeepSeek et Zhipu
TechFlow SélectionTechFlow Sélection
Puces auto-développées, le problème arithmétique de DeepSeek et Zhipu
Plus on paie un loyer depuis longtemps, plus on a envie d'avoir sa propre maison.
Dédié à des analyses Web3 approfondiesRédaction : Xiao Suan
En 2013, les ingénieurs de Google ont résolu un problème d'arithmétique.
La question était simple : si chaque utilisateur utilisait la recherche vocale 3 minutes par jour, de combien les centres de données mondiaux de Google devraient-ils être étendus ?
La réponse a fait frémir tout le monde : doubler.
En achetant des cartes graphiques Nvidia pour combler ce déficit, Google aurait été écrasé par la facture avant tout. Ainsi, cette entreprise de recherche a pris une décision qui semblait hétérodoxe à l'époque : fabriquer ses propres puces. Tout le monde connaît la suite de l'histoire, cette puce s'appelle TPU, et c'est aujourd'hui l'atout le plus solide de Google pour contrer la « taxe Nvidia ».
Treize ans plus tard, ce problème d'arithmétique est tombé entre les mains des Chinois.
Le 7 juillet au soir, Reuters, citant trois personnes informées, a rapporté que DeepSeek développait ses propres puces AI, un projet lancé il y a un an, et était déjà en contact avec des sociétés de conception de puces, des fonderies de wafers et des fabricants de mémoire. Quelques heures plus tard, The Information a ajouté une information : Zhipu évaluait également le développement de puces personnalisées et était en contact avec des sociétés de conception de puces locales.
En 24 heures, les deux entreprises de grands modèles les plus en vue de Chine ont été révélées faisant le même mouvement :
Fabriquer des puces.
1.
La puce de DeepSeek a un qualificatif intrigant : orientée vers l'inférence, l'entraînement n'est pas concerné.
L'entraînement consiste à enseigner le modèle, le coût est astronomique, mais payé en une fois ; l'inférence, c'est lorsque le modèle est en service, chaque question posée par un utilisateur consume une somme en électricité dans le centre de données, plus il y a d'utilisateurs, plus cela coûte, et cela ne s'arrête jamais.
L'entraînement, c'est acheter une maison ; l'inférence, c'est payer un loyer. Le véritable trou noir des coûts dans l'industrie de l'IA ne se trouve jamais dans l'apport initial, mais dans le loyer.
Le problème que DeepSeek doit résoudre en priorité se traduit par une seule phrase :
Combien coûte chaque utilisateur servi.
Le fondateur de cette entreprise, Liang Wenfeng, fait partie des rares personnes qui ont considéré les puces comme une question de vie ou de mort dès le premier jour. Venant des fonds quantitatifs, il était déjà connu dans le milieu pour accumuler des cartes graphiques bien avant la vague des grands modèles. De 2023 à 2024, il a accordé deux interviews à Dark Waves, prononçant une phrase qui a été depuis citée à maintes reprises :
Notre véritable défi n'a jamais été le financement, mais les restrictions à l'exportation de puces haut de gamme.
Ce qui est dit est aussi fait. Le modèle R1 de DeepSeek a été entraîné sur des Nvidia H800, puis est passé à Huawei Ascend ; l'équipe d'ingénierie a conçu le format de données UE8M0 FP8 dans le modèle, ce qui est unanimement reconnu dans l'industrie comme étant taillé sur mesure pour les caractéristiques matérielles des puces nationales de prochaine génération.
En juin de cette année, les munitions étaient également prêtes. Cette entreprise qui avait refusé des investissements externes pendant de nombreuses années a terminé son premier tour de financement, obtenant environ 51 milliards de yuans, avec une évaluation post-money de 52 à 59 milliards de dollars. L'utilisation des fonds divulguée publiquement est clairement écrite : étendre les centres de calcul nationaux et développer des puces AI en interne.
Ces derniers mois, DeepSeek a été en train de recruter des ingénieurs en conception de puces, aucun de ces postes n'apparaissant sur aucune plateforme de recrutement publique.
2.
Zhipu est une autre solution au même problème d'arithmétique.
Cette entreprise issue des laboratoires de Tsinghua a sonné la cloche à la bourse de Hong Kong cette année, arborant le titre de « première action des grands modèles », avec une capitalisation boursière ayant un temps dépassé 1 000 milliards de dollars HK. Derrière cette gloire se cache un bilan tendu : une perte de 2,958 milliards de yuans en 2024, encore 2,358 milliards de yuans perdus au premier semestre 2025, 5,3 milliards brûlés en un an et demi.
En février de cette année, GLM-5 a été lancé, devenant viral à l'étranger, avec des capacités de programmation rivalisant avec les modèles fermés de premier plan. Face à cet afflux massif de trafic, la première chose que Zhipu a faite fut d'augmenter les prix, les forfaits Coding augmentant d'au moins 30 % ; la deuxième chose fut de publier un appel à « partenaires de calcul », invitant publiquement les fabricants de puces à collaborer pour l'optimisation.
Une entreprise star venant tout juste d'entrer en bourse, publiant ouvertement des posts pour chercher du calcul. Une affaire si bonne qu'il faut augmenter les prix pour dissuader les utilisateurs, cela est rare dans l'histoire commerciale.
Ainsi, la révélation de The Information n'est pas surprenante. La voie évaluée par Zhipu est la personnalisation collaborative : ils fournissent l'architecture du modèle et les besoins, les sociétés de conception de puces locales fournissent les capacités d'ingénierie.
DeepSeek construit sa propre usine pour fabriquer des voitures ; Zhipu prend les plans et trouve une usine automobile pour les modifier. Il n'y a pas de différence de niveau entre les voies, mais il y a une différence sur la facture.
3.
Dans ce mouvement de fabrication de puces, la phrase originale de Reuters est la plus digne d'être savourée :
DeepSeek fabrique des puces pour réduire sa dépendance à Nvidia, ainsi que sa dépendance à Huawei.
La première partie est presque une évidence. Sous les contrôles à l'exportation, la part de marché de Nvidia sur le marché des centres de données en Chine est proche de zéro, la seconde partie est la vraie nouvelle.
Au cours des deux dernières années, les quatre mots « substitution nationale » signifiaient presque « se tourner vers Ascend » dans le contexte du calcul. DeepSeek est lui-même le praticien le plus actif, la série V4 a terminé l'adaptation Ascend, Huawei a confirmé que ses propres processeurs ont participé à une partie de l'entraînement. Zhipu est allé plus loin, l'architecture GLM s'est adaptée à plus de 40 puces nationales, le jour de la sortie du nouveau modèle, Hygon, Moore Threads et MetaX ont fait la queue pour annoncer l'achèvement de l'adaptation.
Plus on embrasse profondément, plus on comprend une chose. Une entreprise dont la facture annuelle d'inférence se compte en milliards ne peut pas miser sa vie sur un seul fournisseur.
Même si ce fournisseur est des nôtres.
Embrasser Ascend résout le problème de « l'existence » ; développer des puces en interne résout le problème de « qui écouter ». Au cinquième année du récit de la substitution nationale, la stratification interne commence.
4.
La fabrication de puces par les entreprises de modèles est déjà une action standard de l'autre côté du Pacifique.
Le mois dernier, OpenAI a dévoilé une puce d'inférence personnalisée développée avec Broadcom, nom de code Jalapeño ; Anthropic a été révélé évaluant la même chose. En ajoutant Google, Amazon et Microsoft plus tôt, dans la Silicon Valley, toute entreprise dont la facture d'inférence est suffisamment importante a sa propre puce développée en interne, ou du moins un PPT de puce développée en interne.
Pour la chaîne industrielle des puces en Chine, c'est une pièce à deux faces.
Recto : les commandes personnalisées des entreprises de modèles sont les revenus dont rêvent les sociétés de conception de puces locales, le mode de personnalisation collaborative de Zhipu est presque écrit selon leur scénario ; les fabricants de mémoire bénéficient également, les puces d'inférence dépendent extrêmement de la bande passante, la courbe de demande de mémoire à haute bande passante ne fera que devenir plus raide.
Verso : les grands clients d'aujourd'hui apprennent la compétence de vous larguer demain. Google était également un client de qualité pour les fournisseurs de puces à l'époque, plus tard, il est devenu le maître du TPU.
Bien sûr, les cartes viennent juste d'être distribuées. Une puce AI compétitive nécessite généralement plusieurs années et des investissements de plusieurs milliards, personne ne garantit le succès, le plan de puce auto-développée de Meta a même été entièrement reconstruit. Plus subtilement, les puces personnalisées parient sur la stabilisation de l'architecture du modèle, tandis que les nouveaux modèles de DeepSeek et Zhipu viennent juste d'utiliser de nouveaux mécanismes comme l'attention sparse. Les plans envoyés aujourd'hui pour le tape-out, lorsque la puce sera produite dans deux ans, l'architecture pourrait déjà avoir tourné la page.
En 2013, le problème calculé par Google, la réponse était TPU.
En 2026, ce problème des entreprises de modèles chinoises vient juste de commencer, celui qui pose la question a changé, la logique de résolution n'a pas changé :
Plus on paie de loyer longtemps, plus on veut avoir sa propre maison.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
