Den 20. januar lancerede den kinesiske AI-start-up DeepSeek sine første generations ræsonneringsmodeller med bemærkelsesværdige påstande om deres evner. DeepSeek-R1-modellen skal efter sigende matche præstationen af OpenAI's topmodeller, på trods af at den er udviklet på ringere hardware. Denne præstation er særligt imponerende, da det kun kostede 5, 6 millioner dollar at træne modellen, sammenlignet med OpenAI's 100 millioner dollar for GPT-4. DeepSeek's R1 er bygget på deres V3 store sprogmodel og er helt open source, hvilket potentielt kan transformere AI-industrien. Virksomhedens fokus på hardwareeffektivitet stammer fra eksportrestriktioner på Nvidias H100 GPU'er i Kina, hvilket har fået dem til at innovere med H800 og teknikker som 'mixture of experts' (DeepSeekMoE), der kun aktiverer dele af modellen efter behov. Dette reducerer kravene til dataoverførsel og forbedrer træningseffektiviteten. Disse fremskridt fremskynder ikke kun træningstiderne, men gør det også billigere og mere tilgængeligt at køre AI-inferens på mindre kraftig hardware.

Som resultat står virksomheder som Apple og Meta til at drage betydelig fordel. For Apple, der prioriterer databeskyttelse og behandling på enheden, kan integrationen af DeepSeek's metoder forbedre AI-funktioner på enheder som iPhone, hvilket potentielt kan forbedre salget og indtægterne fra tjenester. Den opgraderede hukommelsesbåndbredde i A18 Pro-chippen understøtter sådanne fremskridt og muliggør funktioner som en smartere Siri og offline oversættelser. Meta øger også sine AI-investeringer, med en forventet stigning på 60 % i kapitaludgifterne inden 2025. Ved at gøre sin Llama-model open source sigter Meta mod at maksimere effektiviteten i sine AI-implementeringer. Reduktionen af omkostningerne ved AI-inferens kan åbne for betydelige overskud for Meta og lette skaleringen af AI-løsninger til deres 3 milliarder brugere. DeepSeek's innovationer giver Meta de værktøjer, der er nødvendige for at forbedre deres AI-evner og rentabilitet.