Am 20. Januar veröffentlichte DeepSeek, ein wenig bekanntes KI-Forschungslabor aus China, ein Open-Source-Modell, das schnell Aufmerksamkeit im Silicon Valley erregte. Das Unternehmen behauptet in seiner Veröffentlichung, dass DeepSeek-R1 führende Modelle wie die von OpenAI in verschiedenen Mathematik- und Argumentationsbenchmarks übertrifft, was bedeutende Fähigkeiten zu geringeren Kosten und mit einem Fokus auf Offenheit demonstriert. Der Erfolg von DeepSeek verdeutlicht einen neuen Weg für chinesische Tech-Firmen inmitten des Technologiekaltes; angesichts von US-Exporteinschränkungen haben viele von der Entwicklung von Modellen in der Ursprungsphase zu Anwendungen in der Nachgelagerten gewechselt. DeepSeek hingegen hat sich darauf konzentriert, die Strukturen von KI-Modellen zu optimieren und Ressourcen effizient zu nutzen. Gegründet von Liang Wenfeng, einem Masterabsolventen der Informatik, entstand DeepSeek aus High-Flyer, einem renommierten quantitativen Hedgefonds, der sich zunächst auf Forschungsarbeiten im Bereich Deep Learning konzentrierte. Der Hedgefonds sammelte Ressourcen für die KI-Entwicklung, was zur Gründung von DeepSeek führte und einen Fokus auf langfristige technologische Ziele anstelle von unmittelbarem Profit widerspiegelt.

Liang erklärte, dass wissenschaftliche Neugier diesen Schritt antrieb und hob dabei den Schwerpunkt auf die Förderung von grundlegender KI-Forschung im Gegensatz zu kommerziellen Anwendungen hervor. Das Team von DeepSeek besteht hauptsächlich aus frisch promovierten Absolventen führender chinesischer Universitäten und fördert ein kollaboratives Umfeld, das sich auf bahnbrechende Forschung konzentriert. Dieser Ansatz unterscheidet sich von den üblichen Praktiken in etablierten chinesischen Tech-Firmen, wo der Wettbewerb um Ressourcen oft die Innovation behindert. Liang stellt fest, dass junge Forscher besser für hochgradige Investitionsprojekte geeignet sind, da sie engagiert sind und utilitaristische Überlegungen fehlen. Das Unternehmen sieht sich Herausforderungen durch die Exporteinschränkungen der US-Regierung gegenüber, die den Zugang zu fortschrittlichen KI-Chips einschränken. Ursprünglich im Besitz eines Bestands von 10. 000 Nvidia H100-Chips, erforderte die Wettbewerbsfähigkeit von DeepSeek effizientere Methoden zum Training der Modelle. Das Team implementierte ingenieurtechnische Strategien und innovative Designs wie Multi-head Latent Attention (MLA) und Mixture-of-Experts, die die erforderliche Rechenleistung zum Training ihres neuesten Modells im Vergleich zu Metas Llama 3. 1 erheblich reduzierten. Der Open-Source-Ansatz von DeepSeek hat im globalen KI-Forschungsgemeinschaft Wohlwollen gewonnen und es dem Unternehmen ermöglicht, Mitarbeiter und Nutzer zu gewinnen, die für die Verbesserung seiner Modelle notwendig sind. Diese Veränderung in der bestehenden KI-Landschaft könnte die Effektivität der aktuellen US-Exporteinschränkungen in Frage stellen, indem sie zeigt, dass hochmoderne Modelle mit optimierter Ressourcennutzung entwickelt werden können, was zu potenziellen Veränderungen in den Wahrnehmungen der AI-Fähigkeiten Chinas führen könnte.