DeepSeek e Zhipu AI stanno accelerando sul fronte dei chip proprietari per l'intelligenza artificiale, seguendo una traiettoria già imboccata da grandi player come OpenAI e Anthropic. L'obiettivo è costruire componenti più vicini alle esigenze dei rispettivi modelli, riducendo la dipendenza dall'hardware esterno in una fase in cui l'accesso ai semiconduttori avanzati resta un nodo strategico per l'intero settore.
Il dato più concreto riguarda DeepSeek, che sta sviluppando un processore interno per l'inferenza, cioè per l'esecuzione dei modelli dopo l'addestramento. Il progetto punta a limitare il ricorso sia alle soluzioni NVIDIA sia a quelle Huawei, due riferimenti centrali per l'ecosistema AI cinese. La spinta arriva mentre le restrizioni statunitensi all'export continuano a incidere sulla disponibilità dei chip più avanzati.
Il percorso di DeepSeek appare ancora in una fase iniziale, ma non improvvisata. L'azienda avrebbe lavorato per quasi un anno alla preparazione del progetto, dialogando con progettisti di chip, fonderie e fornitori di memoria per possibili collaborazioni. Negli ultimi mesi avrebbe inoltre ampliato in modo discreto il proprio team di progettazione, segnale di una volontà di portare competenze semiconduttori più vicino allo sviluppo dei modelli.
La storia recente di DeepSeek spiega il cambio di passo. Il modello di reasoning R1 sarebbe stato addestrato su GPU H800 di NVIDIA, una versione destinata al mercato cinese poi bloccata da Washington alla fine del 2023. Da allora l'azienda ha rafforzato il rapporto con Huawei, cercando alternative nazionali in grado di sostenere l'evoluzione dei propri sistemi di AI.
In questa direzione si inserisce anche il lancio, ad aprile, del modello V4 ottimizzato per i chip Ascend di Huawei. I processori Huawei sarebbero stati utilizzati anche nell'addestramento di V4-Flash. Dopo l'uscita del modello, la domanda per gli Ascend 950 avrebbe registrato una forte crescita, confermando quanto l'ottimizzazione tra modello e hardware possa trasformarsi rapidamente in leva industriale.
Il caso di Zhipu AI segue una logica simile, anche se con tempi e maturità diversi. La startup cinese sta esplorando lo sviluppo di un processore custom con progettisti domestici per la famiglia di modelli GLM. La mossa arriva mentre l'uso del suo modello più recente sarebbe cresciuto di 27 volte, creando una pressione diretta sulla capacità di calcolo e sulla sostenibilità dell'infrastruttura.
Per Zhipu, l'ipotesi tecnica ruota attorno agli ASIC, chip progettati per carichi di lavoro specifici e considerati una possibile alternativa alle GPU generaliste di NVIDIA. L'azienda avrebbe contattato diversi progettisti cinesi per valutare collaborazioni. Nel mercato locale, realtà come Cambricon e Biren stanno già lavorando a soluzioni AI ASIC, anche se non risultano identificate come partner del progetto Zhipu.
La costruzione di un chip competitivo resta però un percorso lungo e complesso. Servono anni di investimento, accesso a fonderie avanzate, disponibilità di memoria ad alta banda e una filiera software capace di sfruttare davvero il nuovo hardware. Per DeepSeek, l'assenza di capacità produttive di frontiera potrebbe limitare la commercializzazione oltre la Cina; per Zhipu, il progetto potrebbe richiedere più di due anni, tra progettazione, validazione e adattamento dell'ecosistema software.
La spinta dei developer cinesi verso il silicio proprietario mostra una trasformazione più ampia: i modelli AI non sono più soltanto software, ma piattaforme integrate in cui architettura, chip e supply chain diventano parte della strategia competitiva. Per imprese e utenti, questo può tradursi in modelli più ottimizzati e meno dipendenti da fornitori globali, ma anche in un mercato più frammentato, dove prestazioni e disponibilità dipenderanno sempre più dall'integrazione verticale.