LONDON (IT BOLTWISE) – Ein geleaktes Gespräch mit DeepSeeks CEO Liang Wenfeng soll zentrale Aussagen zur KI-Strategie enthalten. Darin stellt er NVIDIAs Dominanz infrage, verweist auf Huaweis Chip-Fokus und nennt konkrete Rechenordnungen für ein hypothetisches Modell. Außerdem wird erklärt, warum DeepSeek langfristig eher auf hochwertige Annotationen setzen will. Für den KI-Markt ist die Stoßrichtung klar: Rechenleistung bleibt zwar ein Faktor, aber nicht der alleinige Erfolgshebel.
Die Debatte um Rechenzentren und Chip-Ökosysteme bekommt neuen Zündstoff: In einer geleakten Telefonkonferenz mit Investoren hat der CEO von DeepSeek, Liang Wenfeng, NVIDIAs Systemvorsprung offen kritisiert und gleichzeitig die eigene Hardware-Strategie schärfer umrissen. DeepSeek positioniert sich damit nicht nur als KI-Labor im Wettbewerb zu anderen Modellanbietern, sondern nimmt auch die Infrastruktur-Ebene ins Visier, auf der viele Trainingserfolge historisch entstanden sind. Während die Branche weiterhin über „Talent“ und Datenqualität diskutiert, verlagert Wenfeng den Schwerpunkt auf die Frage, welche Hardware- und Kostenstruktur am Ende die besseren Skalierungseffekte liefert.
Der Kern der Argumentation setzt bei der Marktunterschiede zwischen den USA und China an. Wenfeng beschreibt den größten Unterschied weniger als Talent- oder Forschungsfrage, sondern als Ressourcenverfügbarkeit: In den USA gebe es bislang mehr Rechenleistung und damit mehr Kapazität, um Modelle schneller zu vergrößern oder stärker auszubauen. Entscheidend sei seiner Ansicht nach außerdem, dass ein reines Streben nach hohen Gewinnen aus seiner Sicht strategisch schwach sei. Wer dagegen Gewinne „angemessen“ halte und in der Zeit konsistent agiere, könne langfristig erfolgreicher sein. Damit legt der CEO einen Rahmen fest, in dem sich Hardwarewahl, Trainingsplanung und Investitionsdisziplin gegenseitig stützen.
Im nächsten Schritt konkretisiert Wenfeng den Hardwarevergleich über Huawei-Chips. DeepSeek setze dabei verstärkt auf Prozessoren aus dem Umfeld um Huawei, weil die eigenen KI-Modelle für diese Chips optimiert worden seien. Für ein hypothetisches „riesiges“ KI-Modell nennt er als Größenordnung etwa 200.000 Huawei 950 – eine Zahl, die den Anspruch unterstreicht, Training nicht als einmaligen Kraftakt zu begreifen, sondern als skalierbaren Prozess. Als Referenz nennt er außerdem, dass die aktuellen Rechenressourcen von DeepSeek nur etwa 20.000 NVIDA H100-GPUs entsprechen würden. Gleichzeitig kündigt er an, die Rechenkapazitäten im KI-Labor ausbauen zu wollen, und äußert die Erwartung, dass sich irgendwann eine Produktionsgrenze bei Chips überwinden lässt, wodurch sich die Leistungslücke zwischen China und den USA langfristig verringern könnte.
Auch beim Vergleich der konkreten Systemklassen bleibt Wenfeng nicht bei reinen Zahlen. Er spricht davon, dass Huaweis Atlas 950 SuperPoD NVIDIAs GB200- und GB300-Racks hinsichtlich Leistung und Preis ersetzen könne. Interessant ist dabei, dass er den Preisunterschied als weniger ausschlaggebend darstellt. Stattdessen nennt er den „wichtigeren Nachteil“ aus Sicht von Huawei: Vier Huawei-GPUs entsprächen einer NVIDI A-GPU, und die Technologie läge zwei Jahre im Rückstand. Genau diese Kombination – mehr Einheiten für vergleichbare Leistung, aber potenziell bessere Planbarkeit durch Optimierung auf die eigene Modellpipeline – bildet in der Argumentation den Spannungsbogen zwischen kurzfristigem Engineering und langfristiger Systemreife.
Für viele Unternehmen ist in solchen Diskussionen ein Detail entscheidend: Wie wird Trainingseffizienz in der Praxis gemessen, wenn Rohleistung nicht 1:1 übertragbar ist? DeepSeek verknüpft seine Position mit dem, was im KI-Betrieb häufig als „GPU-Realität“ sichtbar wird: Batchgrößen, Pipeline-Parallelität, Daten-Throughput und die Art der Modellarchitektur beeinflussen, wie viel effektive Rechenzeit pro Investition anfällt. Wenfengs Hinweis, dass die Annotationen künftig stärker gewichtet werden sollen, verschiebt zudem das Problem von „Wie schnell trainieren wir?“ hin zu „Wie gezielt verbessern wir die Modellgüte durch Datenprozesse?“ Das ist bemerkenswert, weil es in der Unternehmenspraxis oft schneller skalierbar ist, Qualität der Trainingsdaten systematisch zu erhöhen, als Chip-Ökosysteme kurzfristig zu ersetzen.
Historisch betrachtet wurden Hardware-Entscheidungen in KI-Projekten häufig als gegeben behandelt: Wer im Ökosystem der führenden Plattformen entwickelt, profitiert von ausgereiften Treibern, Compiler-Optimierungen und stabilen Trainings-Setups. Trotzdem zeigen die aktuellen Aussagen, dass sich die Architektur der Modellentwicklung inzwischen stärker entkoppeln lässt als früher. Modelloptimierungen für bestimmte Beschleuniger, inklusive passender Kernel und spezifischer Ausführungswege, können den Unterschied zwischen „Benchmark-Vorsprung“ und realem Trainingseffekt verwischen. Für Entscheider bedeutet das: Nicht nur der Chip-Kauf ist ein strategischer Hebel, sondern auch die Frage, wie eng Modelltraining, Datenpipeline und Inferenz-Targeting aufeinander abgestimmt werden.
Für den Markt wirkt die Stoßrichtung gleich zweifach: Einerseits liefert DeepSeek damit eine narrative Strategie gegen den Eindruck, NVIDIAs Dominanz sei durchweg alternativlos. Andererseits zeigt der Verweis auf Huaweis SuperPoD-Cluster und die zugleich genannten Effizienznachteile, dass das Wettbewerbsszenario eher graduell als binär ist. Wenn DeepSeek tatsächlich zusätzliche Rechenkapazitäten aufbaut und die Daten- und Annotationstätigkeiten verstärkt, könnte sich der Fokus der Bewertung weiter verschieben – weg von der reinen GPU-Anzahl, hin zu Kosten pro Qualitätsgewinn. Wie schnell sich diese Sichtweise in der Praxis durchsetzt, hängt letztlich davon ab, ob sich die angekündigten Skalierungsschritte und die Optimierungen auf Huawei-Chips über mehrere Trainingszyklen reproduzierbar in Ergebnisse übersetzen lassen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "DeepSeek-Chef greift NVIDIA an und setzt beim Training auf Huawei-Chips" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "DeepSeek-Chef greift NVIDIA an und setzt beim Training auf Huawei-Chips" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »DeepSeek-Chef greift NVIDIA an und setzt beim Training auf Huawei-Chips« bei Google Deutschland suchen, bei Bing oder Google News!