7 जुलाई को, चीनी AI कंपनियों द्वारा स्वयं विकसित चिप्स के बारे में दो समाचार हॉट ट्रेंड पर आ गए।
पहले रॉयटर्स की एक्सक्लूसिव: डीपसीक अपना चिप विकसित कर रहा है। समाचार में तीन जानकार लोगों के संदर्भ देकर कहा गया है कि यह चिप ट्रेनिंग के बजाय निष्कर्ष निकालने (inference) पर लक्षित है। रिपोर्ट के अनुसार, डीपसीक ने चिप डिजाइन इंजीनियरों को गुप्त रूप से भर्ती करना शुरू कर दिया है, और इसके लिए सार्वजनिक भर्ती चैनल का उपयोग नहीं किया गया है, साथ ही यह बाहरी कंट्रैक्ट मैनुफैक्चरर्स और स्टोरेज कंपनियों के साथ संपर्क में है। डीपसीक ने टिप्पणी के लिए किसी भी अनुरोध का जवाब नहीं दिया है, और इस समाचार पर कुछ संदेह हैं क्योंकि अभी तक यह समाचार केवल रॉयटर्स के एकल स्रोत पर आधारित है।
उसी दिन, दि इनफॉर्मेशन ने फिर से रिपोर्ट किया कि एक अन्य चीनी प्रयोगशाला, Zhipu, अपने स्वयं के कस्टम चिप का मूल्यांकन कर रही है। जानकारों के मुताबिक, कारण GLM-5.2 की मांग में भारी वृद्धि है। दि इनफॉर्मेशन और कई अन्य स्रोतों के अनुसार, यह मॉडल Vercel मॉडल एग्रीगेशन प्लेटफॉर्म पर सबसे तेजी से बढ़ रहा मॉडल है, और लॉन्च के पहले सप्ताह में दिनभर के token उपभोग में 27 गुना की छलांग आई। Zhipu ने कई घरेलू चिप डिज़ाइन कंपनियों के साथ प्रारंभिक संपर्क किया है, लेकिन अभी तक कोई साझेदार चुना नहीं है, और बताया जा रहा है कि पूरा प्रोजेक्ट दो साल से अधिक का समय ले सकता है। इस समाचार के आने के बाद, Zhipu के हॉंगकांग स्टॉक पर उसी दिन लगभग 9.9% की बढ़ोतरी हुई।
Of course, both messages are still in the early evaluation stage, with no physical products or finalized designs.
वास्तव में, डीपसीक और ज़ह्पु अकेले नहीं हैं। दृष्टिकोण को दूर तक ले जाएं, आप देखेंगे कि 2026 तक "AI कंपनियाँ अपने चिप्स बनाना चाहती हैं" एक विशिष्ट विकल्प से बदलकर उद्योग की डिफ़ॉल्ट क्रिया बन गया है: ओशन के पार के OpenAI, Anthropic से लेकर देश के इन दोनों अग्रणी प्रयोगशालाओं तक, कदम समान हैं। यह लेख इसका जवाब देना चाहता है: क्यों?
पिछले महीने, OpenAI ने चिप्स को टेबल पर रख दिया था
अगर डीपसीक के बारे में खबरें अभी भी अफवाहों तक सीमित हैं, तो OpenAI ने पहले ही वास्तविक वस्तु पेश कर दी है।
24 जून को, OpenAI और Broadcom ने Jalapeño की घोषणा की, जो OpenAI का पहला स्व-विकसित चिप है और एक ASIC (विशिष्ट उद्देश्य वाला इंटीग्रेटेड सर्किट) है जो बड़े मॉडल निष्कर्षण के लिए डिज़ाइन किया गया है।
OpenAI के हार्डवेयर प्रमुख रिचर्ड हो ने कहा कि यह चिप ''LLM इन्फरेंस के लिए शून्य से डिज़ाइन किया गया है'', और टीम ने कोर, मेमोरी मूवमेंट, नेटवर्क और सर्विस मॉडल पर विशेष अनुकूलन किया है।
OpenAI के अनुसार, प्रारंभिक प्रयोगशाला परीक्षणों से पता चला है कि Jalapeño की प्रति वाट क्षमता "वर्तमान उद्योग के सबसे उन्नत स्तर से काफी बेहतर" है। हालाँकि, कंपनी ने स्वीकार किया है कि अंतिम क्षमता अभी मापे जा रही है, और विस्तृत तकनीकी रिपोर्ट अगले कुछ महीनों में ही प्रकाशित की जाएगी। ऐसे निर्माताओं के द्वारा दिए गए क्षमता के लाभ, तीसरे पक्ष के benchmark के आने तक, केवल एक पक्ष का दावा माने जा सकते हैं।
कुछ विस्तार से ध्यान देने योग्य बातें हैं। टॉम्स हार्डवेयर के अनुसार, यह चिप डिज़ाइन से लेकर टेप-आउट तक केवल नौ महीनों में पूरी कर ली गई, और OpenAI का कहना है कि यह शायद उच्च प्रदर्शन वाले उन्नत अर्धचालकों के इतिहास में सबसे तेज ASIC विकास चक्र है; और इस चक्र को तेज करने वाला, OpenAI का अपना मॉडल ही है: AI के लिए AI चिप का डिज़ाइन करना।
जलपेन्यो की तैनाती 2026 के अंत तक शुरू होने की योजना है, जो 2029 तक पूरा होने वाले 10 GW के स्केल पर ब्रॉडकॉम सहयोग से जुड़ी है। रिपोर्ट्स के अनुसार, माइक्रोसॉफ्ट पहले जलपेन्यो क्षमता का लगभग 40% खरीदने की उम्मीद करता है।
एंथ्रोपिक उलझन में है, लेकिन पहले ही रवाना हो चुका है
अन्य एक अग्रणी प्रयोगशाला Anthropic पर नजर डालें। इस वर्ष अप्रैल में, रॉयटर्स ने पहले रिपोर्ट किया कि Anthropic भी अपने स्वयं के चिप्स विकसित करने पर विचार कर रही है, और इसकी भाषा बहुत सावधानी से चुनी गई थी: योजना प्रारंभिक चरण में है, कंपनी अंततः केवल खरीदने का फैसला कर सकती है, डिजाइन अभी तक निर्धारित नहीं हुआ है, और कोई विशेष टीम भी गठित नहीं की गई है।
लेकिन जुलाई के शुरू में, इस मामले में नई विकास हुए। कई मीडिया रिपोर्ट्स के अनुसार, Anthropic ने सैमसंग के साथ संपर्क किया है और एक कस्टम चिप के लिए फाउंड्री समझौते पर चर्चा कर रहा है, जो सैमसंग के 2 नैनोमीटर प्रक्रिया और उन्नत पैकेजिंग को लक्षित करता है।
और एंथ्रोपिक ने हाल ही में क्लाइव चान को बटोरा है, जो ओपनएआई के स्वयं विकसित चिप टीम के प्रारंभिक सदस्य थे।
जब इसके बारे में पूछा गया, तो Anthropic ने जवाब दिया कि गूगल, अमेज़न और एनविडिया के चिप्स से बना 'विविध हार्डवेयर स्टैक' अभी भी उनकी कैलकुलेशन रणनीति का केंद्र रहेगा, और सैमसंग के साथ सहयोग पर वे 'अतिरिक्त टिप्पणी नहीं करेंगे'।
यह औपचारिक बयान, स्वयं डिज़ाइन किए गए चिप्स की लहर में सबसे वास्तविक प्रेरणा को स्पष्ट करता है। The Information के डेटा के अनुसार, NVIDIA के पास वैश्विक AI चिप बाजार का लगभग 74% हिस्सा है; जबकि Anthropic अब तक अपना कोई चिप नहीं बनाया है, Claude के हर उपयोग के लिए यह साझेदारों से किराए पर ली गई चिप्स का उपयोग करता है; और ये साझेदार, उसके प्रतिद्वंद्वी भी हैं।
ध्यान देने योग्य बात यह है कि Anthropic द्वारा स्वयं डिज़ाइन किए जाने का समय, इसकी आय में तीव्र वृद्धि के साथ लगभग समान समय पर आया। अपने खुद के बयान के अनुसार, 2026 में ऑपरेशनल आय वार्षिक रूप से 300 अरब डॉलर से अधिक हो गई, जबकि 2025 के अंत तक यह केवल लगभग 90 अरब डॉलर थी। जब स्केल इतना बड़ा हो जाता है, तभी स्वयं चिप डिज़ाइन करने का आर्थिक लाभ स्पष्ट होता है।
Reasoning! Reasoning! Reasoning!
DeepSeek, ZhiPu, OpenAI, Anthropic के इन संदेशों को एक साथ देखने पर, एक सामान्य बात सामने आती है: वे सभी ट्रेनिंग चिप्स के बजाय रीजनिंग चिप्स बना रहे हैं। यह यादृच्छिक नहीं है।
एक ऐसा संरचनात्मक स्थानांतरण जो उद्योग में हो रहा है, वह है: कैलकुलेशन उपभोग का केंद्र, 'मॉडल ट्रेनिंग' से 'मॉडल रनिंग' की ओर जा रहा है। ट्रेनिंग एक बार की लागत है, जबकि सैकड़ों और करोड़ों उपयोगकर्ताओं को मॉडल सेवा प्रदान करना निरंतर खर्च है। इंट्रोल के उद्योग विश्लेषण के अनुसार, अब निष्कर्षण ने AI कैलकुलेशन का लगभग दो-तिहाई हिस्सा ले लिया है।
https://introl.com/blog/custom-silicon-inflection-2026-hyperscaler-asics-nvidia-gpu
और निष्कर्ष निकालना, ठीक है, ASIC का अपना मैदान है। चिप्स के युद्ध के लेखक क्रिस मिलर द्वारा CNBC के लिए दिए गए एक उपमा के अनुसार: न्वीडिया के GPU एक स्विस आर्मी चाकू की तरह हैं, जो कोई भी समानांतर गणना कर सकते हैं; जबकि ASIC एक एकल उद्देश्य वाला उपकरण है, जो बहुत कुशल और तेज है, लेकिन केवल एक प्रकार का काम करने के लिए हार्डवेयर से जुड़ा हुआ है। प्रशिक्षण चरण में स्विस आर्मी चाकू की लचीलापन की आवश्यकता होती है, क्योंकि मॉडल आर्किटेक्चर अभी बदल रहा है; लेकिन जब मॉडल स्थिर हो जाए और उसे विशाल मात्रा में अनुरोधों के लिए सेवा प्रदान करनी हो, तो वह "एकल उद्देश्य वाला उपकरण" अधिक बिजली बचाता है और सस्ता होता है।
https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/
एजेंट के विस्फोट ने इस खाते को और बढ़ा दिया। माइंडकैस्ट AI की एक विश्लेषण ने एक दिलचस्प विभाजन प्रस्तुत किया:
पारंपरिक निष्कर्षण है "पूछताछ की लागत": एक प्रश्न, एक उत्तर, समाप्त निपटान;
एजेंट "साइक्लिक कॉस्ट" है: एक उपयोगकर्ता का एक लक्ष्य, एजेंट को तर्क देने, योजना बनाने, खोजने और निष्पादित करने के कारण, दर्जनों या सैकड़ों बार तर्क संचालन को ट्रिगर करता है।
चित्र https://www.mindcast-ai.com/p/ai-inference-economy से अनुवादित
जब एजेंट्स को बड़े पैमाने पर लागू किया जाता है, तो ट्रेनिंग और इन्फरेंस के बीच की आर्थिक असमानता गैर-रेखीय तरीके से बढ़ती जाएगी। इसलिए, यह विश्लेषण संस्थान ने निष्कर्ष निकाला है कि इन्फरेंस इकोनॉमिक्स 2028 में सोचने का मुद्दा नहीं है, बल्कि 2026 में किया जाने वाला खरीदारी निर्णय है।
एक बार जिसका आर्थिक लाभ होता जा रहा है
"क्यों खुद बनाएं" के लिए, उद्योग में पहले से ही काफी विस्तृत आंकड़े उपलब्ध हैं।
सबसे स्पष्ट उदाहरण AI इमेज प्लेटफॉर्म Midjourney से आता है। रिपोर्ट के अनुसार, Midjourney ने अपने इन्फरेंस लोड को निविडा GPU से गूगल के सातवें जनरेशन TPU पर स्थानांतरित करने के बाद, मासिक कैलकुलेशन खर्च 2.1 मिलियन डॉलर से घटाकर लगभग 700,000 डॉलर कर दिया, जिसमें 65% की कमी हुई। एक विश्लेषक के अनुसार, इस अनुपात को दिनभर में अरबों क्वेरीज चलाने वाले अति-विशाल फर्म पर लागू किया जाए, तो दस अरब डॉलर का निवेश स्वयं के चिप्स में करना "एक सीधी वित्तीय गणना" बन जाता है।
इस प्रश्न का उत्तर पूरे बाजार को बदल रहा है। ट्रेंडफोर्स के अनुसार, 2026 तक कस्टम ASIC की डिलीवरी वृद्धि दर 44.6% होगी, जबकि वाणिज्यिक GPU केवल 16.1% होगी—यह पहली बार है जब कस्टम चिप की वृद्धि दर GPU से अधिक होगी। इंट्रोल ने ब्लूमबर्ग इंडस्ट्री रिसर्च के आंकड़ों का हवाला देते हुए कहा कि 2033 तक पूरा AI एक्सेलरेटर बाजार 6040 अरब डॉलर तक पहुंचने का अनुमान है, और कस्टम सिलिकॉन का हिस्सा इसमें तेजी से बढ़ रहा है।
अत्यधिक पैमाने पर उत्पादक पहले से ही अपने वास्तविक धन के साथ मतदान कर चुके हैं। गूगल के TPU, अमेज़न के Trainium, माइक्रोसॉफ्ट के Maia, मेटा के MTIA... ये स्वयं डिज़ाइन किए गए चिप्स प्रत्येक मातृ कंपनी के आंतरिक विशाल निष्कर्षण लोड को सेवा प्रदान करते हैं।
https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/
CNBC के अनुसार, ट्रेनियम के मुख्य आर्किटेक्ट रॉन डायमैंट ने कहा कि अमेज़न का यह ASIC AWS पर अन्य हार्डवेयर आपूर्तिकर्ताओं की तुलना में 30% से 40% बेहतर मूल्य-प्रदर्शन का लाभ प्रदान करता है।
ये आंकड़े दर्शाते हैं: जब आपकी कैलकुलेशन की मांग अत्यधिक आकार तक पहुंच जाती है, तो चिप्स लागत का मद नहीं, बल्कि प्रतिस्पर्धा की बाधा खुद बन जाती हैं। जैसा कि Oplexa के एक विश्लेषण में कहा गया है, अपने सिलिकॉन को नियंत्रित करने का मतलब है अपनी प्रदर्शन रोडमैप, लागत संरचना और सप्लाई चेन को नियंत्रित करना। ये तीनों चीजें किसी भी खरीद ऑर्डर से प्राप्त नहीं की जा सकतीं।
NVIDIA से बाहर निकलना केवल पैसे बचाने के लिए नहीं है
अगर आर्थिक लाभ स्पष्ट कारण है, तो "अपनी किस्मत को एक कंपनी के हाथों में नहीं देना चाहते" वह गहरी अदृश्य लहर है जो इस तरह के बहाव के नीचे बह रही है।
निविडा की मजबूती का एक हिस्सा चिप से आता है, लेकिन बड़ा हिस्सा CUDA से आता है। CUDA एक ऐसा सॉफ्टवेयर इकोसिस्टम है जिसका 20 साल से अधिक समय तक विकास हुआ है। Spheron के विश्लेषण के अनुसार, FlashAttention से लेकर vLLM में निरंतर बैचिंग तक, लगभग सभी गंभीर LLM निष्कर्षण अनुकूलन केवल CUDA पर ही चलते हैं। यह इकोसिस्टम निविडा की खाई से अधिक, किसी भी चिप बदलने की कोशिश करने वाली टीम के लिए "स्थानांतरण लागत" है। अनुमान है कि vLLM से Amazon Neuron SDK पर सेवा स्टैक को स्थानांतरित करने में आमतौर पर दो से छह सप्ताह का इंजीनियरिंग समय लगता है, और कुछ मॉडल आर्किटेक्चर को समर्थन भी नहीं मिलता।
https://www.spheron.network/blog/hyperscaler-custom-ai-chips-2026-trainium-tpu-maia-mtia-vs-nvidia-gpu/
इस दीवार के ऊँची और मोटी होने के कारण, इसे पार करने की प्रेरणा और भी अधिक मजबूत हो जाती है। अतिरिक्त पैमाने वाले निर्माताओं और अग्रणी प्रयोगशालाओं के लिए, हर एक स्व-विकसित चिप पर चलने वाला लोड, अपनी जेब में अधिक लाभ रखने का मतलब है, और न्यूडिया से बातचीत करते समय अधिक दबाव बनाने की क्षमता।
द द स्ट्रीट का निर्णय काफी सीधा है: जो बदल रहा है, वह है "AI प्रयोगशालाओं को निवेडिया द्वारा निर्धारित किसी भी कीमत और आपूर्ति शर्तों को स्वीकार करना पड़ता है" यह डिफ़ॉल्ट मान्यता। माइक्रोसॉफ्ट के पास माइया है, अमेज़न के पास ट्रेनियम है, गूगल के पास TPU है, और नवीनतम AI प्रयोगशालाएँ, अब खुद के लिए इसी तरह के बराबरी का आधार बनाना चाहती हैं।
चीनी प्रयोगशालाओं को अभी भी एक अतिरिक्त बंधन का सामना करना पड़ रहा है
7 जुलाई की उन दो संदेशों पर वापस जाएँ। डीपसीक और ज़हीपु के लिए, उपरोक्त सभी कारणों के अलावा, अपने स्वयं के चिप्स का विकास एक ऐसी समस्या का सामना कर रहा है जिसका उनके अमेरिकी समकक्षों को सामना नहीं करना पड़ रहा है: निर्यात प्रतिबंध।
इसके अलावा, ध्यान देने योग्य बात यह है कि डीपसीक के इस स्व-विकसित अफवाह का समय उसके पहले बाहरी निवेश के साथ मेल खाता है: कंपनी ने 500 बिलियन युआन से अधिक की फंडिंग पूरी की है, जिसका मूल्यांकन 3300 बिलियन युआन से अधिक है। चिप बनाना बहुत महंगा होता है, और पैसा और चिप के साथ एक साथ होना यादृच्छिक नहीं हो सकता।
और ज़ह्पु, इस साल जनवरी में ही हांगकांग स्टॉक एक्सचेंज पर लिस्ट होने वाला पहला चीनी AI प्रयोगशाला बन गया। दोनों इस महंगे जुए के लिए पहले से ही अपनी जेब तैयार कर रहे हैं।
Will it succeed?
इन संकेतों को एकत्रित करें, "क्यों AI कंपनियाँ अपने चिप बनाना चाहती हैं?" इस प्रश्न का उत्तर वास्तव में कुछ शक्तियों के संगम है: अनुमान, ट्रेनिंग को वरीयता देकर कैलकुलेशन के मुख्य क्षेत्र बन गया है, जिससे विशिष्ट ASIC के लिए अवसर पैदा हुए हैं; एजेंट्स के विस्फोट ने अनुमान लागत को गैर-रेखीय रूप से बढ़ा दिया है, जिससे हर एक सेंट बचाने का महत्व बढ़ गया है; और NVIDIA पर गहरी निर्भरता ने सभी को अपने लिए बातचीत की शक्ति का एक स्टॉक जमा करने के लिए प्रेरित किया है। DeepSeek, Zhipu जैसी चीनी कंपनियों के लिए, निर्यात प्रतिबंधों की समस्या को भी जोड़ें।
लेकिन इस उत्साह के नीचे, एक ठंडा पानी का बाल्टी भी उड़ेलना चाहिए। स्वयं डिज़ाइन किए गए चिप्स बिल्कुल सुरक्षित जीत नहीं हैं। डिज़ाइन चक्र 18 से 24 महीने तक हो सकता है, प्रारंभिक इंजीनियरिंग निवेश बहुत अधिक होता है, और एक निश्चित आर्किटेक्चर के आसपास डिज़ाइन करने के लिए यह भी आवश्यक है कि वर्कलोड पर्याप्त रूप से स्थिर और पूर्वानुमेय हो। प्रारंभिक कंपनियों के लिए जो अभी मॉडल आर्किटेक्चर का परीक्षण कर रही हैं, या सामान्य उद्यमों के लिए जिनके कार्य विविध हैं, NVIDIA GPU की लचीलापन ही अधिक कुशल विकल्प है।
TechTimes स्पष्ट रूप से कहता है कि 40% से 65% की लागत बचत केवल दिन में अरबों क्वेरी चलाने वाले विशालकाय कंपनियों के लिए है; सप्ताह में केवल कुछ लाख क्वेरी चलाने वाले उद्यमों के लिए यह गणना उल्टी है।
एक और अधिक महत्वपूर्ण प्रश्न यह है: यह लहर, निवेश को कमजोर करेगी या केवल इसे एक 'अतिरिक्त स्थान' प्रदान करेगी? अधिकांश विश्लेषणों का उत्तर बाद वाले की ओर है। Oplexa के अनुसार, 2027 तक ASIC की डिलीवरी मात्रा में GPU को पार कर सकती है, लेकिन दोनों बाजार जारी रहेंगे: AI बुनियादी ढांचा दो अलग-अलग पथों पर विभाजित हो रहा है: स्थिर, उच्च आवृत्ति, भविष्यवाणीयोग्य लोड ASIC के लिए, और अनुसंधान, विविध, और अभी भी विकसित हो रहे आर्किटेक्चर के लोड GPU के लिए। निवेश अभी भी प्रशिक्षण और अधिकांश बाजार पर मजबूती से कब्जा किए हुए है।
https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/
डीपसीक और ज़हीप क्या अपने चिप बना सकते हैं, इसके बारे में अभी तक कोई जवाब नहीं है, क्योंकि दोनों समाचार अभी भी प्रारंभिक मूल्यांकन चरण में हैं।
लेकिन वे एक ही दिन लागू हुए, जैसे दो पत्थर एक साथ पानी में गिरे, जिनसे उठी लहरें एक ही चिंता को उजागर करती हैं: इस गणना शक्ति ही शक्ति के युग में, सैन फ्रांसिस्को से लेकर बीजिंग तक, कोई भी AI कंपनी जो अगले चरण तक जीवित रहना चाहती है, अपनी जीवनरेखा को कभी किसी और के हाथों में किराए पर नहीं रखना चाहती।
यह लेख वेचेन ग्रुप "मशीन इंटेलिजेंस" (ID: almosthuman2014) से आया है, लेखक: Panda