DeepSeek потрапив в екосистему AI під керівництвом США з останньою моделлю, голивши сотні мільярдів у лідері чіпів Nvidia’s Стеля ринку. Поки лідери в секторах стикаються з падінням, менші компанії AI бачать можливість перерости з китайським стартом.
Кілька компаній, пов’язаних з AI, повідомили CNBC, що зовнішній вигляд DeepSeek – це “масова” можливість для них, а не загроза.
“Розробники дуже готові замінити дорогі та закриті моделі OpenAI на моделі з відкритим кодом, такі як DeepSeek R1 …”, – сказав Ендрю Фельдман, виконавчий директор технічної розвідки Chip Intelligence, запустивши системи Cerebras.
Компанія конкурує з графічними підрозділами графіки NVIDIA та пропонує послуги на основі хмар через власні обчислювальні кластери. Фельдман заявив, що випуск моделі R1 створив один з найбільших спайків церебрів на його послуги.
“R1 показує це [AI market] Зростання не буде домінувати в одному матеріалі та програмному забезпеченні компанії, що не існує, не існує для моделей з відкритим кодом “,-додав Фельдман.
Відкритий код стосується програмного забезпечення, в якому вихідний код стає вільно доступним в Інтернеті для можливої модифікації та перерозподілу. Моделі DeepSeek – це відкриті джерела, на відміну від моделей таких конкурентів, як OpenAI.
DeepSeek також стверджує, що опоненти моделі R1 є найкращими американськими технологіями, незважаючи на те, що вони працюють за меншими витратами і проходять навчання без передових підрозділів обробки, хоча спостерігачі та конкуренти в галузі ставлять під сумнів ці звинувачення.
“Як і з ринками ПК та Інтернету, зниження цін на глобальне прийняття глобального прийняття. Ринок ШІ знаходиться на аналогічному курсі світського розвитку”, – сказав Фельдман.
Висновки
Deepseek може збільшити прийняття нових технологій чіпів шляхом прискорення циклу ШІ від навчання на етапі “висновків”, нещодавно створені підприємства та експерти в галузі.
Висновок стосується акту використання та впровадження ШІ для прийняття прогнозів або рішень на основі нової інформації, а не для побудови чи тренування моделі.
“Простіше кажучи, навчання AI – це створити інструмент або алгоритм, тоді як висновок насправді є розробкою цього інструменту для використання в реальних додатках”, – сказав Фелікс Лі, аналітик акцій Morningstar, з акцентом на напівпровідники.
У той час як NVIDIA займає домінуючу позицію в GPU, що використовується для навчання AI, багато конкурентів бачать простір для розширення у відділі “висновків”, де вони обіцяють більш високі показники щодо менших витрат.
Навчання AI є дуже обчислювальним, але висновок може працювати з менш потужними брендами, які плануються виконати більш вузький спектр завдань, додав Лі.
Деякі новостворені компанії AI Chip повідомили CNBC, що вони бачили більший попит на мікросхеми та комп’ютери, оскільки клієнти приймають та покладаються на модель з відкритим кодом DeepSeek.
Що[DeepSeek] Він довів, що менші відкриті моделі можуть бути навчені настільки здатними або здатні до найбільшої приватної моделі, і це можна зробити з часткою витрат “,-сказав Сід Шет, генеральний директор AI Chip Start-Up-Up-Up-Up-Up-Up-Up-Up-Up-Up-Up-Up-Up .
“Завдяки широкій доступності невеликих здібних моделей, вони пірнали до епохи висновків”, – сказав він CNBC, додавши, що компанія нещодавно бачила в усьому світі інтереси, які хочуть прискорити свої висновки.
Роберт Вачен, співавтор та керівник директора з AI Chipaker, заявив, що десятки компаній досягли початку з моменту DeepSeek випустили логічні моделі.
“Компанії є 1738916588 Зміна витрат з навчальних кластерів на висновки “, – сказав він.
“DeepSeek-R1 довів, що комп’ютер для висновку зараз [state-of-the-art] Підхід для кожного важливого постачальника моделі та думки не дешево – нам знадобиться все більше обчислювальних можливостей для ескалації цих моделей для мільйонів користувачів.
Парадокс Джевона
Аналітики та експерти галузі погоджуються, що досягнення Deepseek є стимулом для висновку AI та ширшої галузі AI чіпів.
“Виступ Deepseek, здається, базується на серії методик, які значно знижують витрати на висновки, одночасно покращуючи витрати на навчання”, – згідно з повідомленням Bain & Company.
“У сценарії Bulgfight, постійні покращення ефективності призведуть до дешевшого включення, що спричинило більше прийняття ШІ”, – додав він.
Ця модель пояснює парадокс Джевона, теорія, в якій зменшення витрат на новий технологічний крок збільшив попит.
Фінансові послуги та інвестиційна компанія Wedbush заявили в дослідницькій записці минулого тижня, що все ще чекає використання ШІ у всіх підприємствах та роздрібних споживачах у всьому світі для підвищення попиту.
Виступаючи з “швидкими грошима” CNBC, Sunny Madra, COO в Groq, який розробляє бренди для висновків AI, припустив, що в міру зростання загального попиту на AI, менші гравці матимуть більше місця для зростання.
“Оскільки світ знадобиться більше брендів [a unit of data that an AI model processes] NVIDIA не може запропонувати достатньо брендів для всіх, тому це дає нам можливість продати ринок ще більш агресивно “, – сказала Мадра.
