Dne 20. ledna čínský start-up DeepSeek uvedl na trh své první generace modelů pro uvažování a učinil ohromující tvrzení o jejich schopnostech. Model DeepSeek-R1 údajně dosahuje výkonu nejlepších modelů OpenAI, přestože byl vyvinut na méně výkonném hardwaru. Tento úspěch je obzvlášť působivý, když se vezme v úvahu, že trénink stál pouze 5, 6 milionu dolarů, zatímco OpenAI na GPT-4 vydala 100 milionů dolarů. Model R1 od DeepSeek je postaven na jeho velkém jazykovém modelu V3 a je kompletně open source, což by mohlo transformovat průmysl AI. Společnost se zaměřuje na efektivitu hardwaru v důsledku vývozních omezení na grafické karty Nvidia H100 v Číně, což je vedlo k inovacím s H800 a technikami jako 'mixture of experts' (DeepSeekMoE), které aktivují pouze části modelu podle potřeby. To snižuje požadavky na přenos dat a zlepšuje efektivitu tréninku. Tyto pokroky nejenže zrychlují časy tréninku, ale také činí provozování AI inference na méně výkonném hardwaru levnější a dostupnější.

Výsledkem je, že společnosti jako Apple a Meta mohou zaznamenat významné zisky. Pro Apple, který prioritizuje ochranu dat a zpracování na zařízení, by integrace metod DeepSeek mohla vylepšit AI funkce na zařízeních, jako je iPhone, což by mohlo zlepšit prodeje a příjmy ze služeb. Vylepšená šířka pásma paměti čipu A18 Pro podporuje takové pokroky, což umožňuje funkce jako chytřejší Siri a offline překlady. Meta také zvyšuje své investice do AI, s projekcí 60% nárůstu kapitálových výdajů do roku 2025. Open-sourcováním svého modelu Llama se Meta snaží maximalizovat efektivitu svých implementací AI. Snížení nákladů na AI inference by mohlo odemknout značný zisk pro Metu, což by usnadnilo škálování AI řešení pro jejích 3 miliardy uživatelů. Inovace DeepSeek poskytují Metě nástroje potřebné k posílení jejích AI schopností a ziskovosti.