Den 20. januar frigav DeepSeek, et mindre kendt AI-forskningslaboratorium fra Kina, en open source-model, der hurtigt fik opmærksomhed i Silicon Valley. Selskabets papir hævder, at DeepSeek-R1 overgår førende modeller som OpenAI's i forskellige matematik- og ræsonneringsbenchmarks og viser betydelige evner til en lavere omkostning med fokus på åbenhed. DeepSeeks succes illustrerer en ny vej for kinesiske techfirmaer midt i den teknologiske kolde krig; i lyset af amerikanske eksportrestriktioner er mange skiftet fra opstrøms modelbygning til nedstrøms applikationer. DeepSeek har dog fokuseret på at optimere AI-modelstrukturer og udnytte ressourcer effektivt. Virksomheden blev grundlagt af Liang Wenfeng, en kandidat i datalogi, og DeepSeek opstod fra High-Flyer, en fremtrædende kvantitativ hedgefond, der oprindeligt koncentrerede sig om forskning i dyb læring. Hedgefonden opbyggede ressourcer til AI-udvikling, hvilket førte til etableringen af DeepSeek, der afspejler et skift mod langsigtede teknologiske mål snarere end øjeblikkelig profit.

Liang udtalte, at videnskabelig nysgerrighed drev dette eventyr, med vægt på at fremme grundlæggende AI-forskning snarere end kommercialiserede applikationer. DeepSeeks team består primært af nyligt dimitterede PhD-kandidater fra topkinesiske universiteter, hvilket fremmer et samarbejdsmiljø med fokus på banebrydende forskning. Denne tilgang adskiller sig fra typiske praksisser i etablerede kinesiske techfirmaer, hvor konkurrence om ressourcer ofte hæmmer innovation. Liang bemærker, at unge forskere passer bedre til projekter med høj investering på grund af deres engagement og mangel på utilitaristiske overvejelser. Virksomheden står over for udfordringer fra den amerikanske regerings eksportkontroller, som begrænser adgangen til avancerede AI-chips. I starten havde DeepSeek en lagerbeholdning på 10. 000 Nvidia H100-chips, men deres evne til at konkurrere krævede mere effektive metoder til modeltræning. Teamet implementerede ingeniørstrategier og innovative design som Multi-head Latent Attention (MLA) og Mixture-of-Experts, hvilket betydeligt reducerede den beregningskraft, der krævedes for at træne deres nyeste model sammenlignet med Metas Llama 3. 1. DeepSeeks open source-tilgang har skabt goodwill i det globale AI-forskningssamfund, hvilket har gjort det muligt for dem at tiltrække bidragydere og brugere, der er nødvendige for at forbedre deres modeller. Dette skift i det eksisterende AI-landskab kan udfordre effektiviteten af de nuværende amerikanske eksportkontroller ved at demonstrere, at banebrydende modeller kan udvikles med optimeret ressourceanvendelse, hvilket kan føre til potentielle ændringer i opfattelsen af kinesiske AI-evner.