Ένα σχετικά άγνωστο εργαστήριο τεχνητής νοημοσύνης με έδρα την Κίνα έχει προκαλέσει ανησυχία στη Σίλικον Βάλεϊ, εισάγοντας μοντέλα τεχνητής νοημοσύνης που ξεπερνούν την απόδοση των καλύτερων αμερικανικών αντιπάλων τους, παρά το γεγονός ότι αναπτύχθηκαν με μικρότερα κονδύλια και λιγότερο προηγμένα τσιπ. Γνωστό ως DeepSeek, αυτό το εργαστήριο λάνσαρε ένα δωρεάν και ανοιχτού κώδικα μεγάλο γλωσσικό μοντέλο στα τέλη Δεκεμβρίου, ισχυριζόμενο ότι δημιουργήθηκε σε μόλις δύο μήνες με κόστος κάτω από 6 εκατομμύρια δολάρια, χρησιμοποιώντας τα λιγότερο ισχυρά τσιπ H800 της Nvidia. Αυτές οι πρόσφατες εξελίξεις έχουν τροφοδοτήσει ανησυχίες ότι οι Η. Π. Α. χάνουν το πλεονέκτημά τους στην τεχνητή νοημοσύνη και έχουν αμφισβητήσει τις σημαντικές επενδύσεις που έχουν γίνει από μεγάλες τεχνολογικές εταιρείες σε μοντέλα τεχνητής νοημοσύνης και κέντρα δεδομένων. Σε αρκετές αξιολογήσεις τρίτων, το μοντέλο του DeepSeek υπερείχε από αξιοσημείωτους ανταγωνιστές, συμπεριλαμβανομένων των Llama 3. 1 της Meta, GPT-4o της OpenAI, και Claude Sonnet 3. 5 της Anthropic, εμφανίζοντας ανώτερη ακρίβεια σε τομείς όπως η σύνθετη επίλυση προβλημάτων, τα μαθηματικά και ο προγραμματισμός. Τη Δευτέρα, το DeepSeek παρουσίασε το r1, ένα μοντέλο λογικής που επίσης ξεπέρασε το τελευταίο μοντέλο o1 της OpenAI σε πολλές αξιολογήσεις τρίτων. Κατά τη διάρκεια μιας συζήτησης στο Παγκόσμιο Οικονομικό Φόρουμ στο Νταβός της Ελβετίας, ο διευθύνων σύμβουλος της Microsoft, Σάτυα Νατέλα, παρατήρησε: "Το νέο μοντέλο του DeepSeek είναι απίστευτα εντυπωσιακό για την επιτυχημένη ανάπτυξη ενός ανοιχτού μοντέλου που διαπρέπει στη διαδικασία των υπολογισμών και είναι εξαιρετικά αποδοτικό σε υπολογιστικούς πόρους. Πρέπει να λαμβάνουμε τις εξελίξεις από την Κίνα πολύ σοβαρά. " Το DeepSeek έχει καταφέρει να πλοηγηθεί στους αυστηρούς περιορισμούς ημιαγωγών που επιβάλλει η κυβέρνηση των Η. Π. Α. , οι οποίοι περιορίζουν την πρόσβαση σε προηγμένα τσιπ όπως τα H100 της Nvidia. Οι πρόσφατες ανακαλύψεις υποδεικνύουν ότι το DeepSeek είτε ανακάλυψε μεθόδους για να παρακάμψει αυτούς τους κανονισμούς είτε ότι οι περιορισμοί εξαγωγής δεν ήταν τόσο περιοριστικοί όσο αναμενόταν. "Μπορούν να εκμεταλλευτούν ένα ισχυρό, μεγάλο μοντέλο μέσω μιας τεχνικής που ονομάζεται απόσταξη, " εξήγησε ο Chetan Puttagunta, Γενικός Εταίρος στην Benchmark. "Βασικά, ένα πολύ μεγάλο μοντέλο βοηθά ένα μικρότερο μοντέλο να βελτιώσει τις δυνατότητές του σε συγκεκριμένους τομείς.

Αυτή η προσέγγιση είναι στην πραγματικότητα πολύ οικονομικά αποδοτική. " Οι πληροφορίες σχετικά με το DeepSeek και τον ιδρυτή του, Λιάνγκ Γουενφένγκ, παραμένουν περιορισμένες. Το εργαστήριο προήλθε από ένα κινεζικό hedge fund που ονομάζεται High-Flyer Quant, το οποίο φέρεται να διαχειρίζεται περίπου 8 δισεκατομμύρια δολάρια σε περιουσιακά στοιχεία. Το DeepSeek δεν είναι μόνο του στο κινεζικό τοπίο της τεχνητής νοημοσύνης. Ο εξέχων ερευνητής τεχνητής νοημοσύνης Κάι-Φου Λι έχει επισημάνει ότι η νεοσύστατη εταιρεία του 01. ai αναπτύχθηκε με μόλις 3 εκατομμύρια δολάρια επένδυση. Επιπλέον, η ByteDance, η μητρική εταιρεία του TikTok, ανακοίνωσε μια ενημέρωση στο μοντέλο της την Τετάρτη, ισχυριζόμενη ότι ξεπερνά το o1 της OpenAI σε μια σημαντική αξιολόγηση. "Η ανάγκη είναι η μητέρα της εφεύρεσης, " δήλωσε ο Αραβίντ Σρινίβας, διευθύνων σύμβουλος της Perplexity. "Αντιμετωπίζοντας προκλήσεις, κατέληξαν να δημιουργήσουν κάτι πολύ πιο αποδοτικό. "