2023. gada 20. janvārī Ķīnas mākslīgā intelekta jaunuzņēmums DeepSeek prezentēja savus pirmās paaudzes argumentācijas modeļus, izsakot iespaidīgus apgalvojumus par to iespējām. DeepSeek-R1 modelis, kā ziņots, nodrošina tādu pašu veiktspēju kā OpenAI labākie modeļi, neskatoties uz to, ka tas izstrādāts uz zemākas kvalitātes aparatūras. Šis sasniegums ir īpaši iespaidīgs, ņemot vērā, ka tā apmācība izmaksāja tikai 5, 6 miljonus dolāru, salīdzinot ar OpenAI 100 miljoniem dolāru par GPT-4. DeepSeek R1 ir balstīts uz tā V3 lielā valodas modeļa un ir pilnīgi atvērtā koda, kas potenciāli var pārveidot mākslīgā intelekta nozari. Uzņēmuma uzmanība uz aparatūras efektivitāti ir radusies no eksporta ierobežojumiem uz Nvidia H100 GPU Ķīnā, kas mudināja viņus ieviest H800 un tehnoloģijas, kā 'ekspertu maisījums' (DeepSeekMoE), kas aktivizē tikai nepieciešamās modeļa daļas. Tas samazina datu pārsūtīšanas prasības un uzlabo apmācību efektivitāti. Šie uzlabojumi ne tikai paātrina apmācību laikus, bet arī padara to lētāku un pieejamāku, izmantojot AI inferenci uz mazāk jaudīgas aparatūras.

Tā rezultātā uzņēmumi, piemēram, Apple un Meta, var gūt ievērojamu labumu. Apple uzņēmumam, kas prioritārā kārtībā uzsver datu privātumu un apstrādi ierīcē, DeepSeek metožu integrācija varētu uzlabot AI funkcijas tādās ierīcēs kā iPhone, potenciāli palielinot pārdošanu un pakalpojumu ieņēmumus. A18 Pro mikroshēmas uzlabotā atmiņas joslas platuma atbalsta šādus uzlabojumus, ļaujot ieviest tādas funkcijas kā gudrāka Siri un ofline tulkošana. Meta arī palielina savus ieguldījumus mākslīgajā intelektā, paredzot 60% pieaugumu kapitāla izdevumos līdz 2025. gadam. Atverot savu Llama modeli, Meta cenšas maksimizēt efektivitāti savās AI ieviešanās. AI inferences izmaksu samazināšana varētu atvērt ievērojamus ienākumus Meta, atvieglojot AI risinājumu skalēšanu tās 3 miljardiem lietotāju. DeepSeek inovācijas sniedz Meta nepieciešamos rīkus, lai uzlabotu tās AI iespējas un rentabilitāti.