DeepSeek fabrique-t-il sa propre puce IA ? Le rapport Reuters de juillet 2026 décrypté

Environ 20 min de lecture · MACCOME · Dernière mise à jour : 9 juillet 2026

À qui s'adresse cet article ? Développeurs qui se demandent si DeepSeek fabrique réellement du silicium, responsables techniques évaluant des alternatives de compute, et investisseurs suivant le coût d'inférence et les risques d'approvisionnement. Contexte mondial : en juillet 2026, la vague Jalapeño d'OpenAI avec Broadcom, les pourparlers Anthropic-Samsung et l'évaluation de silicium sur mesure par Zhipu montrent que la compétition IA glisse de la qualité des modèles vers l'économie unitaire et un compute maîtrisé. Puis DeepSeek : une exclusivité Reuters du 7 juillet 2026 indique qu'il développe une puce IA sur mesure pour l'inférence, tandis que DeepSeek V4 tourne déjà sur Huawei Ascend et qu'Alibaba T-Head a expédié plus de 560 000 puces Zhenwu. Cet article livre la chaîne de preuves, les déclarations de Liang Wenfeng, le pari T-Head de Jack Ma en 2018 jusqu'aux chiffres de production d'Eddie Wu en 2026, les tableaux comparatifs mondiaux, cinq moteurs, le découpage inférence vs entraînement, les risques et un runbook en six étapes. Structure : TL;DR → six contraintes → décryptage de la rumeur → chronologie dirigeants → tableaux de progression → tendance mondiale → économie → FAQ.

bolt

TL;DR — verdict en 30 secondes

  • Rumeur DeepSeek : selon trois sources Reuters, probablement réelle mais précoce ; cible un ASIC d'inférence, pas l'entraînement ; aucune annonce officielle.
  • Liang Wenfeng : n'a jamais lancé publiquement un programme de puces ; en 2024, il qualifiait les sanctions d'export de principal défi et décrivait une faim de compute — motif stratégique, pas lancement produit.
  • Alibaba T-Head : pas une rumeur — huit ans de production ; Zhenwu 810E en volume, 560 000+ unités, chiffre d'affaires annualisé de l'ordre de dix milliards de yuans.
  • Tendance mondiale : OpenAI Jalapeño, pourparlers Anthropic × Samsung, évaluation Zhipu — croissance des expéditions de silicium sur mesure à 44,6 % contre 16,1 % pour les GPU généralistes (TrendForce 2026).
  • Moteur central : l'économie d'abord — l'inférence est le loyer récurrent de l'IA ; le TCO ASIC peut être 30 à 65 % inférieur aux clusters GPU à l'échelle ; la prévisibilité d'approvisionnement arrive en second.

Six contraintes : pourquoi « les labos IA qui fabriquent des puces » ont envahi juillet 2026

En une semaine, Reuters a signalé le silicium d'inférence sur mesure de DeepSeek, The Information a indiqué que Zhipu pesait des puces dédiées, et Anthropic aurait ouvert des discussions avec Samsung en 2 nm. Ce ne sont pas trois titres isolés — c'est un glissement structurel de qui possède le meilleur modèle vers qui dispose du compute le moins cher et le plus prévisible. Si vous avez déjà lu notre analyse de la puce d'inférence Jalapeño OpenAI × Broadcom, ce dossier croise la rumeur DeepSeek et huit ans d'exécution T-Head d'Alibaba pour offrir une lecture chinoise et un tableau de bord mondial.

  1. Le coût d'inférence, c'est le loyer de l'IA : l'entraînement ressemble à un apport immobilier ponctuel ; l'inférence suit les utilisateurs actifs jour après jour. À l'échelle ChatGPT, le budget de serving dépasse souvent celui de l'entraînement. Les GPU datacenter de Nvidia affichent des marges brutes au-delà de 70 % — les acheteurs cloud appellent cette fuite la taxe Nvidia.
  2. Les contrôles d'export resserrent l'étau : les restrictions américaines sur H100, H800 et H20 vers la Chine ont tourné pendant des années. Liang Wenfeng a déclaré en 2024 que l'interdiction d'export des puces avancées était le principal obstacle. Même les hyperscalers américains subissent des quotas Nvidia — la prévisibilité d'approvisionnement est désormais une contrainte dure partout.
  3. Partenariat et silicium interne vont de pair : DeepSeek V4 est optimisé pour Huawei Ascend 950 avec une partie de l'entraînement sur Ascend — mais Reuters a tout de même signalé en juillet un effort ASIC d'inférence interne. La formulation juste : les partenariats livrent aujourd'hui ; le silicium maison est un pari long terme.
  4. Fenêtre de co-conception matérielle-logicielle : le format FP8 UE8M0 et l'architecture MLA de DeepSeek se lisent comme des signaux de co-design domestique ; Jalapeño d'OpenAI est taillé pour le serving ChatGPT (cache KV, batching, latence). Les GPU sacrifient l'efficacité pour la flexibilité ; les ASIC sacrifient la flexibilité pour l'efficacité sur des charges connues.
  5. Asymétrie rumeur vs production : le silicium DeepSeek n'est pas confirmé, mais T-Head d'Alibaba est une activité en volume (560 000+ unités, échelle de dix milliards de yuans). Confondre « Jack Ma a parlé de puces récemment » avec « projet secret DeepSeek selon Reuters » induit en erreur — le premier relève d'une décision stratégique de 2018, le second d'un R&D précoce rapporté en 2026.
  6. Impact indirect sur les équipes produit : la guerre des prix d'inférence augmente la volatilité des API et la complexité du routage. Quand l'infrastructure compute vacille, le routage multi-modèles et un plan de contrôle Agent disponible 24 h/24 comptent plus qu'un pari sur un seul fournisseur de puces.

Rumeur DeepSeek : que dit Reuters — et que reste-t-il non confirmé ?

Les 7 et 8 juillet 2026, de nombreux médias ont repris une exclusivité Reuters. Les affirmations convergentes :

  • DeepSeek développe une puce IA sur mesure visant l'inférence, pas l'entraînement
  • Le programme aurait démarré vers mi-2025 (« il y a environ un an ») et reste en phase précoce
  • Des pourparlers sont en cours avec des bureaux de conception, fonderies et fournisseurs de mémoire
  • Le recrutement d'ingénieurs conception a accéléré ces derniers mois, souvent hors plateformes publiques, par approche directe
  • En cas de succès, cela réduirait la dépendance à la fois à Nvidia et à Huawei Ascend, malgré l'intégration profonde déjà réalisée avec Ascend

Garde-fou éditorial : écrire « Reuters et les médias qui ont suivi rapportent qu'un programme de puce d'inférence sur mesure a démarré chez DeepSeek ». Ne pas écrire « Liang Wenfeng a officiellement annoncé une puce ». Mentionner selon des sources / phase précoce / non confirmé par l'entreprise.

Évaluation de crédibilité

Dimension Évaluation
Niveau de source Élevé. Formulation Reuters standard « trois personnes informées de la situation » ; reprise par la presse économique majeure
Confirmation officielle Aucune. Au 9 juillet 2026, DeepSeek n'a publié ni communiqué ni message social confirmant le projet
Indices indirects Solides. Tour de financement externe de juin 2026 d'environ 7,4 milliards de dollars (~51 milliards de yuans) avec usages déclarés incluant puces IA sur mesure et extension du compute domestique ; recrutements planification IDC ; UE8M0 FP8 interprété comme co-design matériel-logiciel
Lectures contradictoires Certains analystes estiment que DeepSeek s'appuiera sur Ascend à court terme et minimisent le silicium interne. La lecture équilibrée : partenariat plus R&D interne

Que a dit Liang Wenfeng — et quel lien avec la rumeur ?

Liang Wenfeng, PDG de DeepSeek, accorde rarement des interviews on the record. Les sources les plus citées sont deux longs portraits Waves de mai 2023 et juillet 2024. Il n'a jamais annoncé « DeepSeek va fabriquer des puces » dans ces échanges — Reuters décrit un comportement d'entreprise (recrutement, fournisseurs), pas un lancement fondateur.

Citations clés (compute et silicium)

format_quote

« Notre vrai défi n'a jamais été le capital — c'est l'interdiction d'export des puces avancées. » — juillet 2024, interview Waves

format_quote

Par rapport aux meilleurs laboratoires à l'étranger, l'efficacité d'entraînement domestique est d'environ la moitié, et l'efficacité des données une autre moitié — il faut environ 4× le compute pour le même résultat. — Liang Wenfeng, Waves

format_quote

« Beaucoup de puces domestiques échouent faute d'une vraie communauté technique — seulement des informations de seconde main. La Chine a besoin de gens à la frontière. » — Liang Wenfeng, Waves

format_quote

« Pour les chercheurs, la faim de compute est sans fin… nous essayons délibérément de déployer autant de compute que possible. »

Ces lignes établissent un motif stratégique : contraintes de compute, contrôle des exportations, nécessité d'aligner matériel et logiciel. Dans le texte, séparer les déclarations fondateur à long terme des annonces officielles de projet.

Alibaba / T-Head : huit ans d'exécution, pas un titre frais

Beaucoup demandent si « Jack Ma a dit la même chose ». À clarifier : le programme de puces d'Alibaba est une stratégie pluriannuelle déjà en production — pas une rumeur de juillet 2026.

Ère Jack Ma (2018) : origine stratégique

  • Lors du Cloud Summit de septembre 2018, Alibaba a fusionné C-SKY (Zhongtian Micro) et les équipes silicium de Damo Academy en T-Head Semiconductor Co., Ltd.
  • Jack Ma a validé personnellement le nom de marque — « T-Head » (ratel) signifie « ne rien craindre »
  • Zhang Jianfeng (Xing Dian) a qualifié les puces de priorité stratégique au niveau du groupe
  • Périmètre initial : accélérateurs IA (ligne Hanguang), IP embarquée, intégration cloud-edge ; extension ultérieure vers CPU serveur (Yitian) et IP RISC-V (Xuantie)

Ne pas écrire « Jack Ma a récemment appelé à fabriquer des puces ». Formulation exacte : Jack Ma a posé la stratégie T-Head en 2018 ; Joe Tsai a expliqué la pression des contrôles d'export en 2024 ; Eddie Wu a divulgué les métriques de production en 2026.

Jack Ma vs Joe Tsai vs Eddie Wu

Dirigeant Rôle Déclarations publiques liées au silicium
Jack Ma Sponsor stratégique 2018 A nommé T-Head ; a élevé les puces au rang de stratégie groupe ; apparitions publiques réduites après sa démission de président en 2019
Joe Tsai Président Podcast 2024 : les restrictions d'export américaines « affectent clairement » Alibaba Cloud ; IA chinoise ~deux ans derrière les États-Unis ; conviction que la Chine développera des semi-conducteurs avancés ; contrôles d'export cités parmi les raisons du report de l'IPO Alibaba Cloud
Eddie Wu PDG Appel résultats FY2026 : puces IA T-Head 470 000+ unités cumulées livrées ; chiffre d'affaires annualisé de l'ordre de dix milliards de yuans ; IPO T-Head non exclue

Gamme Zhenwu

Référence Calendrier Points clés
Hanguang 800 2019 Premier accélérateur IA d'inférence
Zhenwu 810E Lancement janvier 2026 Entraînement + inférence unifiés ; 96 Go HBM2e ; performances entre Nvidia A800 et H20 ; en production de masse
Zhenwu M890 2026 144 Go de mémoire ; liaison die-to-die 800 Go/s ; débit ~3× celui du 810E
Zhenwu V900 Prévu T3 2027 216 Go de mémoire ; interconnect 1200 Go/s
Zhenwu J900 Prévu T3 2028 Itération architecture de calcul parallèle nouvelle génération

Métriques commerciales (2026) : expéditions cumulées 560 000+ ; chiffre d'affaires annualisé de l'ordre de dix milliards de yuans ; clients incluant Alibaba Cloud en interne, China Unicom, et plus de 400 entreprises sur des clusters Zhenwu selon la presse ; capital social T-Head porté à 1 milliard de yuans (juin 2026) ; Alibaba a engagé 380 milliards de yuans sur trois ans pour l'infrastructure cloud et IA.

Rapport avec Nvidia : le WSJ indique que les puces Alibaba récentes visent une compatibilité CUDA pour réduire le coût de migration des ingénieurs — une trajectoire logicielle différente de Huawei. La fabrication a glissé des premiers flux TSMC vers une fonderie domestique (consensus industriel : nœuds matures SMIC 7 nm).

Tableau de progression mondial — juillet 2026

Le silicium sur mesure est un phénomène mondial, pas propre à la Chine. Les lecteurs anglophones pèsent l'économie unitaire et la taxe Nvidia ; le public chinois suit les alternatives domestiques — un dossier complet couvre les deux axes.

Entreprise Programme Phase Charge Chiffres / événements clés
DeepSeek ASIC d'inférence sur mesure (sans nom) R&D précoce Inférence ~7,4 Md$ de financement ; recrutement discret ; pas de confirmation officielle
Alibaba (T-Head) Zhenwu 810E / M890 Production de masse Entraînement + inférence 560 000+ unités expédiées ; CA annualisé dix milliards de yuans
Huawei Famille Ascend 950 Production Entraînement + inférence DeepSeek V4 optimisé ; Reuters note une hausse des commandes
OpenAI Jalapeño (avec Broadcom) Tape-out fait ; déploiement en attente Inférence Neuf mois conception-tape-out ; déploiement Azure fin 2026 (voir notre analyse Jalapeño)
Google TPU v6/v7 Production à grande échelle Entraînement + inférence Gemini de bout en bout sur TPU
Amazon Trainium3 / Inferentia Commercial Entraînement + inférence Anthropic exploite de larges flottes Trainium
Microsoft Maia 100 Déploiement en cours Inférence Charges Azure / OpenAI
Meta MTIA Déploiement interne Inférence Recommandation en priorité ; un cycle de refonte déjà vécu
Anthropic Pourparlers silicium Samsung Exploratoire À définir The Information, juillet 2026
Zhipu AI Évaluation silicium sur mesure Précoce Inférence The Information, juillet 2026

TrendForce (2026) : croissance des expéditions de puces IA sur mesure des hyperscalers à 44,6 % contre 16,1 % pour les GPU généralistes — le silicium sur mesure dépasse les GPU sur cette métrique pour la première fois.

Cinq moteurs derrière la vague de puces sur mesure (par ordre d'importance)

En une phrase : les labos ne poursuivent pas le silicium pour lui-même — la compétition IA est descendue dans l'économie du compute et le contrôle de l'approvisionnement.

  1. Économie : l'inférence est la facture de loyer — Morgan Stanley a un jour chiffré un cluster de 24 000 GPU Blackwell à environ 852 M$ en matériel contre ~99 M$ pour une empreinte TPU Google comparable (hardware seul). SemiAnalysis et Bernstein estiment un avantage TCO ASIC de 40 à 65 % vs GPU ; le serving hyperscaler peut réduire le coût par token de 30 à 40 %.
  2. Sécurité d'approvisionnement et géopolitique — Règles d'export, incitations à substitution domestique, quotas Nvidia. Ici, « sécurité » signifie approvisionnement prévisible : ne pas dépendre d'un seul fournisseur ni d'une seule politique nationale.
  3. Co-conception matériel-logiciel — UE8M0 FP8 de DeepSeek, optimisations serving de Jalapeño, TPU Google lié à JAX. Les GPU paient la flexibilité ; les puces sur mesure achètent l'efficacité sur des graphes connus.
  4. Levier de négociation et fossés — Même un silicium interne partiel renforce les discussions d'achat et soutient le récit « modèle + cloud + puce » (triangle Alibaba, infrastructure OpenAI).
  5. Énergie et durabilité — Les ASIC d'inférence optimisent le performance-per-watt. À l'échelle mégawatt des datacenters, électricité et refroidissement rivalisent avec le prix des puces ; les ASIC suppriment les circuits GPU inutilisés.

Puce d'inférence vs GPU d'entraînement : pourquoi le marché se scinde

Conclusion : l'entraînement reste le territoire Nvidia ; l'inférence est le champ de bataille des ASIC sur mesure.

Dimension Entraînement Inférence
Charge Dynamique, expérimentale, architectures changeantes Modèle fixe, motifs de requêtes prévisibles
Stack logiciel Fossé CUDA profond (cuDNN, NCCL, Nsight) Kernels sur mesure pour modèles fixes
Besoins silicium Pic FLOPS plus programmabilité Débit, latence, coût par token
Échelle économique Gros investissement cluster ponctuel 24 h/24 continu, souvent plus d'opex
Exemples Leadership Nvidia H100/B200 TPU, Trainium, Maia, Jalapeño, ASIC DeepSeek présumé

Risques et incertitudes : les programmes précoces peuvent échouer

  • Meta MTIA a déjà redémarré une fois — le silicium sur mesure n'est pas une ligne droite
  • Dérive d'architecture : l'entraînement change vite ; l'inférence est plus stable, mais un post-Transformer augmenterait le coût irrécupérable des ASIC
  • DeepSeek non confirmé : à la rédaction, zéro déclaration officielle — ne pas qualifier le projet de « prouvé »
  • Goulots de fabrication : capacité fonderie de pointe, approvisionnement HBM, limites d'export d'équipements sous sanctions
fact_check

Checklist avant publication

  • Ne jamais écrire « Liang Wenfeng a officiellement annoncé des puces » — utiliser « selon des sources / rapporté »
  • Garder entraînement et inférence séparés — le tableau ci-dessus fait référence
  • Calendrier Jack Ma : stratégie 2018, pas « Jack Ma vient de dire »
  • Double devise : ~7,4 Md$ ≈ 51 milliards de yuans
  • Anticiper du flux d'information toutes les 2 à 4 semaines — suivre Reuters et appels résultats

Chronologie du silicium sur mesure (jalons sélectionnés)

timeline
2023–2024  Liang Wenfeng (Waves) : sanctions d'export, principal défi ; faim de compute
2025-01    DeepSeek R1 ; entraîné sur Nvidia H800 (export bloqué fin 2023)
mi-2025    Démarrage présumé du programme de puce sur mesure
2026-04    DeepSeek V4 sur Huawei Ascend ; V4-Flash entraînement partiel Ascend
2026-06    Tour externe DeepSeek ~7,4 Md$ ; usages incluent puces IA sur mesure
           OpenAI + Broadcom annoncent Jalapeño ASIC inférence (tape-out 9 mois)
2026-07-07 Exclusivité Reuters : DeepSeek développe puce d'inférence sur mesure
           The Information : Zhipu évalue silicium sur mesure
2018-09    Alibaba crée T-Head (Jack Ma nomme la marque)
2026-01    Alibaba Zhenwu 810E entre en production de masse

Runbook en six étapes : que faire pendant que les stratégies silicium se jouent

La stratégie puce est un échiquier d'hyperscalers — mais les équipes applicatives peuvent agir aujourd'hui en réduisant la dépendance à un seul fournisseur de compute et en stabilisant l'infrastructure Agent. Ce runbook complète notre dossier Huawei openPangu Ascend et le guide d'inférence ds4 sur Mac haute mémoire.

  1. Tableau de bord coût compute : séparer dépenses entraînement et inférence ; suivre coût par million de tokens, utilisation GPU, tendance facture API — quand l'inférence dépasse ~60 % de l'opex IA, prioriser routage et cache avant paris capex.
  2. Architecture routage multi-fournisseurs : ne pas lier les Agents de production à un seul modèle ni à un seul écosystème puce ; configurer primaire, secours et dégradation (voir la matrice OpenRouter).
  3. Séparer rumeur et achetable : le silicium DeepSeek est précoce ; Zhenwu T-Head, Ascend Huawei et Nvidia ont des chemins d'achat plus clairs — acheter selon statut de production + maturité logicielle, pas selon les titres.
  4. ROI co-conception : graphes de serving fixes (modèle stable, inférence par lots) favorisent le TCO ASIC ; stacks expérimentales (changements d'architecture fréquents) exigent la flexibilité GPU.
  5. Maintenir le plan de contrôle toujours actif : quand les couches compute fluctuent, Gateway, runners CI, machines de signature et planificateurs Agent ont besoin d'environnements dédiés stables — pas de clusters d'inférence partagés.
  6. Revue trimestrielle chaîne d'approvisionnement : actualiser toutes les 2 à 4 semaines via Reuters, WSJ et commentaires silicium des appels résultats ; mettre à jour un registre de risques interne.

Trois chiffres durs (citable)

  • ~7,4 Md$ / 51 milliards de yuans : tour de financement externe DeepSeek juin 2026 ; usages déclarés incluant puces IA sur mesure et extension compute domestique (Reuters / couverture financement public).
  • 560 000+ unités / échelle dix milliards de yuans : expéditions cumulées Zhenwu T-Head et magnitude de chiffre d'affaires annualisé au S1 2026 (appel résultats Eddie Wu / presse).
  • 44,6 % vs 16,1 % : croissance expéditions puces IA sur mesure hyperscaler vs GPU généralistes TrendForce 2026 — le silicium sur mesure dépasse les GPU sur cette mesure.

Sécurité vs économies : comment cadrer les deux sans biais

Angle Lecteur Comment l'écrire
Géopolitique / découplage Observateurs tech États-Unis–Chine Insister sur contrôles d'export, substitution domestique, autonomie d'approvisionnement
Business / investissement Public économie IA Insister sur TCO, marge brute, coût par token, retour capex
Ingénierie Équipes techniques Insister sur co-design, ASIC vs GPU, architecture d'inférence
Sécurité entreprise Achats Insister sur souveraineté des données, résilience chaîne, dépendance tierce

Attendre uniquement la maturité des puces domestiques a des inconvénients : les programmes précoces échouent (Meta MTIA), le coût de migration logicielle est sous-estimé, et le plan de contrôle Agent ne peut pas rester en attente — une panne de Gateway coûte plus qu'une variation de 5 % sur le prix d'inférence. Louer à vie les API Nvidia expose aux hausses de prix, quotas et chocs géopolitiques. La voie pragmatique : compute multi-fournisseurs plus environnement de contrôle dédié et stable.

Pour les équipes qui font tourner OpenClaw Gateway, des Agents de code, des runners CI ou des expériences de modèles locaux sur Mac achetés, les délais d'approvisionnement, les contraintes de baie et les plafonds de pic deviennent vite limitants — comme pour un studio créatif qui enchaîne rendu Final Cut, builds Xcode et inférence locale sans pouvoir scaler un cluster GPU à la demande. Les machines virtuelles sacrifient souvent Metal et la fidélité de la pile graphique Apple. Les hôtes Mac cloud MACCOME offrent du bare metal Apple Silicon dédié, des durées de location flexibles et six nœuds régionaux — une base de production plus stable pour l'automatisation Agent pendant que les titres silicium des hyperscalers changent chaque semaine. Votre plan de contrôle ne devrait pas trembler à chaque alerte Reuters.

Questions fréquentes

Le rapport sur la puce DeepSeek est-il crédible ?

Reuters, le 7 juillet 2026, cite trois personnes informées — un niveau de sourcing élevé — mais DeepSeek n'a pas officiellement confirmé. Le projet est en phase précoce et cible l'inférence, pas l'entraînement. Au 9 juillet 2026, le qualifier de « selon des sources », pas de « confirmé ».

Liang Wenfeng a-t-il annoncé publiquement un programme de puces ?

Non. Dans une interview Waves de 2024, il a indiqué que les sanctions d'export sur les puces avancées constituent le principal défi et a évoqué le déploiement de compute et un écart d'efficacité de 4× — sans annoncer de silicium sur mesure. Reuters décrit recrutement et pourparlers fournisseurs, pas un lancement fondateur.

Qui chez Alibaba parle de puces — Jack Ma, Joe Tsai ou Eddie Wu ?

Jack Ma a posé la stratégie 2018 et nommé T-Head. Joe Tsai a souligné l'impact des contrôles d'export sur Alibaba Cloud. Eddie Wu a divulgué les métriques de production lors des appels résultats 2026. Le programme est une activité mature — pas une rumeur fraîche. Éviter « Jack Ma a récemment appelé à des puces ».

Pourquoi des puces d'inférence avant des GPU d'entraînement ?

Les charges d'inférence sont stables, volumineuses et tournent 24 h/24 — idéales pour l'optimisation ASIC. L'entraînement exige encore la profondeur CUDA et la flexibilité où Nvidia mène. La puce DeepSeek présumée, Jalapeño d'OpenAI et Zhenwu d'Alibaba priorisent tous l'inférence ou l'économie serving entraînement-inférence unifiée.

Les hyperscalers construisent-ils des puces pour la sécurité nationale ou pour économiser ?

Les deux — mais l'économie prime : réduire le coût d'inférence (taxe Nvidia) et le risque d'approvisionnement est urgent ; les règles d'export accélèrent des motivations déjà présentes. Les ASIC sur mesure peuvent abaisser le TCO de 30 à 65 % à l'échelle vs GPU. Pour une infrastructure Agent stable, consultez les tarifs de location Mac MACCOME.

Avertissement : DeepSeek n'a pas officiellement confirmé de programme de puce sur mesure. Informations à jour au 9 juillet 2026, tirées de Reuters, WSJ, annonces OpenAI, interviews Waves avec Liang Wenfeng, documents résultats Alibaba et analyses sectorielles publiques. Vérifier les titres avant republication.

Sources : Reuters (rapport puce DeepSeek 7 juillet 2026), annonce officielle Jalapeño OpenAI, WSJ (puce IA Alibaba), Caixin Global (Zhenwu 810E), Waves (interviews Liang Wenfeng), TrendForce (croissance silicium sur mesure).