A Reuters jelentését feldolgozó The Daily Star szerint a DeepSeek saját AI-chipet fejleszt, méghozzá nem tanításra, hanem inference feladatokra. Magyarul arra a részre, amikor a kész modell ténylegesen válaszol a felhasználóknak. Ez a kevésbé látványos, de üzletileg nagyon fájdalmas oldal: minél többen használják a modellt, annál több token után kell hardvert, áramot és adatközponti kapacitást fizetni.
Nem tréningchipről szól a történet
A források szerint a projekt még korai szakaszban jár. A DeepSeek állítólag külső chiptervező, gyártó és memóriás partnerekkel egyeztet, és az elmúlt hónapokban csendben chiptervező mérnököket is keresett, nem nyilvános álláshirdetéseken keresztül. A cég nem kommentálta a Reuters értesülését, ezért ezt érdemes úgy kezelni, mint egy komoly, de egyelőre nem hivatalosan bejelentett irányt.
A különbség azért fontos, mert a tréning és az inference másfajta gépet kíván. A tanításnál brutális nyers teljesítmény, memória és skálázás kell. Az inference-nél az számít, hogy sok felhasználó kérését lehessen stabilan, olcsón és alacsony késleltetéssel kiszolgálni. Ha egy modellfejlesztő saját chipet tervez erre, akkor nem csak szoftvert ír, hanem a teljes kiszolgáló láncot próbálja kézben tartani.
A Huawei sem elég biztos kapaszkodó
A DeepSeek eddig Nvidia és Huawei hardverekre is támaszkodott. Kínában ez nem pusztán technikai döntés: az amerikai exportkorlátozások miatt a legfejlettebb Nvidia gyorsítókhoz nehéz vagy lehetetlen hozzáférni, miközben a Huawei Ascend vonala lett a hazai alternatívák egyik legfontosabb pillére. A Reuters által idézett piaci kép szerint a Huawei már a kínai AI-chip piac jelentős részét lefedi, de közben Alibaba, Baidu és más szereplők is saját lapkákkal próbálnak kitörni a beszállítói függésből.
Ez a DeepSeeknek különösen érdekes helyzet. A cég a modelljeivel lett ismert, nem hardvergyártóként. Ha mégis saját inference chipbe fog, az azt jelzi, hogy a modellverseny következő költségcsatája már nem csak a paraméterszámról, benchmarkokról vagy API-árról szól, hanem arról is, ki tudja olcsóbban futtatni a saját rendszerét.
Nem holnapi Nvidia-gyilkos
Ettől még nem érdemes úgy olvasni a hírt, mintha a DeepSeek holnap leváltaná az Nvidia vagy akár a Huawei teljes infrastruktúráját. Egy versenyképes AI-chip megtervezése évekig tart, drága, és a gyártásnál ugyanúgy beleütközhet a fejlett foundry-kapacitás, a HBM memória és az exportkontrollok falába. A saját chip önmagában kevés, kell hozzá compiler, runtime, szerveres integráció és folyamatos optimalizálás is.
A lépés inkább irányjelző. Az OpenAI már saját következtető chipet mutatott be, az Anthropicnál is felmerült hasonló irány, Kínában pedig a geopolitikai nyomás még erősebb. A DeepSeek esetében a kérdés most az, hogy a modellhatékonyságból ismert mérnöki szemléletet át tudják-e vinni a szilícium oldalára is.
Miért érdekes ez nekünk?
A végfelhasználó ebből nem feltétlenül azt érzi majd, hogy egy új logó kerül az adatközponti rackbe. Sokkal inkább azt, hogy mennyibe kerül egy AI-előfizetés, milyen gyorsan válaszol egy modell, és hány funkció fér bele egy appba anélkül, hogy a szolgáltató minden kérésen veszteséget termelne. Az inference chip ezért nem száraz háttéripari hír: ez az AI mindennapi árának és sebességének egyik legfontosabb csatatere.
