Η DeepSeek κατασκευάζει τα δικά της Custom AI chips για απεξάρτηση από την NVIDIA

Σύνοψη

• Η DeepSeek ξεκινά τον σχεδιασμό in-house AI επεξεργαστών, εστιάζοντας αποκλειστικά σε φόρτους εργασίας inference (εξαγωγή συμπερασμάτων από ήδη εκπαιδευμένα μοντέλα).
• Σκοπός του project είναι η πλήρης απεξάρτηση της εταιρείας από το οικοσύστημα της NVIDIA και τις εγχώριες λύσεις της Huawei (όπως η σειρά Ascend).
• Η εταιρεία πραγματοποιεί ήδη στοχευμένες προσλήψεις μηχανικών hardware και βρίσκεται σε προχωρημένες επαφές με εργοστάσια κατασκευής ημιαγωγών (foundries).
• Η αρχιτεκτονική των chips αναμένεται να αξιοποιήσει την τεχνογνωσία της DeepSeek στα μοντέλα Mixture-of-Experts (MoE), μειώνοντας δραστικά την κατανάλωση ενέργειας και το κόστος λειτουργίας.

Η κινεζική DeepSeek προχωρά στον σχεδιασμό και την ανάπτυξη ιδιόκτητων επεξεργαστών τεχνητής νοημοσύνης, διευρύνοντας τη δραστηριότητά της από το λογισμικό στο υλισμικό. Η εταιρεία, η οποία έχει ήδη αποδείξει την ικανότητά της να ανταγωνίζεται τα κορυφαία γλωσσικά μοντέλα με κλάσμα του υπολογιστικού κόστους, συγκροτεί ομάδες μηχανικών για τη δημιουργία custom πυριτίου. Η συγκεκριμένη στρατηγική απόφαση εστιάζει στην ενίσχυση των υποδομών της για την εκτέλεση μοντέλων, παρακάμπτοντας τους περιορισμούς της παγκόσμιας εφοδιαστικής αλυσίδας και τις κυρώσεις που αφορούν τις εξαγωγές τεχνολογίας αιχμής προς την Κίνα.

Τι είδους επεξεργαστές αναπτύσσει η DeepSeek;

Η DeepSeek σχεδιάζει εξειδικευμένα chips (ASICs) αποκλειστικά για τη διαδικασία του inference, δηλαδή την εκτέλεση ήδη εκπαιδευμένων μοντέλων τεχνητής νοημοσύνης. Οι νέοι επεξεργαστές στοχεύουν στη μείωση του λειτουργικού κόστους και της κατανάλωσης ενέργειας, καταργώντας την ανάγκη αγοράς ακριβού hardware γενικής χρήσης (GPUs) από κατασκευαστές όπως η NVIDIA και η Huawei.

Η επιλογή να δοθεί προτεραιότητα στο inference, αντί για το training, βασίζεται σε αυστηρά τεχνικά και οικονομικά κριτήρια:

• Μειωμένες απαιτήσεις μνήμης: Η εκπαίδευση απαιτεί τεράστιο εύρος ζώνης μνήμης (High Bandwidth Memory – HBM), η πρόσβαση στην οποία είναι εξαιρετικά δύσκολη για τις κινεζικές εταιρείες λόγω των αμερικανικών περιορισμών. Το inference μπορεί να λειτουργήσει αποδοτικά με λιγότερο απαιτητικές διατάξεις μνήμης.
• Βελτιστοποίηση αλγορίθμων: Η DeepSeek χρησιμοποιεί αρχιτεκτονική Mixture-of-Experts (MoE). Κατά το inference, ενεργοποιείται μόνο ένα μικρό ποσοστό του νευρωνικού δικτύου ανά token. Η δημιουργία ενός custom chip που μεταφράζει αυτή τη διαδικασία απευθείας σε επίπεδο hardware εξασφαλίζει απαράμιλλη ενεργειακή απόδοση.
• Κόστος κλίμακας: Η συντήρηση και η καθημερινή λειτουργία των μοντέλων για εκατομμύρια χρήστες (inference) απορροφά το 80% των συνολικών υπολογιστικών εξόδων μιας AI εταιρείας σε βάθος χρόνου. Η μετάβαση σε in-house πυρίτιο μειώνει το κόστος ανά παραγόμενο token.

Η γεωπολιτική της κατασκευής και το εμπόδιο των foundries

Η κατασκευή των επεξεργαστών της DeepSeek αντιμετωπίζει αντικειμενικές δυσκολίες όσον αφορά την επιλογή του εργοστασίου. Η εταιρεία βρίσκεται σε συζητήσεις με πιθανούς συνεργάτες, ωστόσο το τοπίο είναι αυστηρά οριοθετημένο.

Η TSMC, ο κορυφαίος κατασκευαστής παγκοσμίως, δεσμεύεται από τους κανονισμούς του αμερικανικού Υπουργείου Εμπορίου, καθιστώντας αδύνατη την παραγωγή AI chips υψηλών επιδόσεων για κινεζικές οντότητες σε κλίμακες κάτω των 7nm. Κατά συνέπεια, η DeepSeek αναγκαστικά θα στραφεί στην εγχώρια SMIC. Η SMIC διαθέτει γραμμές παραγωγής στα 7nm (και πειραματικά στα 5nm) μέσω πολλαπλών εκθέσεων με εξοπλισμό DUV (Deep Ultraviolet), μια διαδικασία που χαρακτηρίζεται από χαμηλότερα ποσοστά επιτυχίας και υψηλότερο κόστος κατασκευής ανά wafer.

Παρά τον τεχνολογικό περιορισμό στους κόμβους παραγωγής, η επιτυχία του εγχειρήματος στηρίζεται στο software-hardware co-design. Προσαρμόζοντας το chip ακριβώς πάνω στον δικό της κώδικα, η DeepSeek μπορεί να αντισταθμίσει την έλλειψη των προηγμένων λιθογραφικών μεθόδων της TSMC, επιτυγχάνοντας επιδόσεις που ανταγωνίζονται ακριβότερες διεθνείς λύσεις.

Ο αντίκτυπος στον ανταγωνισμό: NVIDIA και Huawei

Η αυτονόμηση της DeepSeek στο hardware αναδιατάσσει τις ισορροπίες στην αγορά τεχνητής νοημοσύνης. Μέχρι σήμερα, οι κινεζικές εταιρείες βασίζονταν στις “κομμένες” εκδόσεις των GPUs της NVIDIA (όπως οι H20) ή στις εγχώριες λύσεις της Huawei, όπως οι επιταχυντές Ascend 910B.

Εάν η DeepSeek υλοποιήσει επιτυχώς τους επεξεργαστές inference, η ζήτηση για chips της NVIDIA στην τεράστια εσωτερική αγορά της Κίνας θα υποστεί περαιτέρω μείωση. Παράλληλα, η κίνηση αυτή δημιουργεί εσωτερικό ανταγωνισμό για τη Huawei, η οποία μέχρι πρότινος θεωρούνταν η μοναδική βιώσιμη εναλλακτική για AI compute εντός των κινεζικών συνόρων.

Η εξέλιξη αυτή αποδεικνύει ότι οι εταιρείες λογισμικού με υψηλή εξειδίκευση επιλέγουν την καθετοποίηση, ακολουθώντας το μοντέλο της Google με τους Tensor Processing Units (TPUs) και της Amazon με τους επεξεργαστές Inferentia. Το πλεονέκτημα της καθετοποίησης έγκειται στην απόλυτη ιδιοκτησία ολόκληρης της στοίβας τεχνολογίας, από τα δεδομένα εκπαίδευσης έως τον φυσικό επεξεργαστή.