Στις 20 Ιανουαρίου, η DeepSeek, ένα λιγότερο γνωστό εργαστήριο έρευνας AI από την Κίνα, δημοσίευσε ένα μοντέλο ανοιχτού κώδικα που γρήγορα κέρδισε προσοχή στη Σίλικον Βάλεϊ. Η εργασία της εταιρείας ισχυρίζεται ότι το DeepSeek-R1 ξεπερνά τα κορυφαία μοντέλα όπως αυτά της OpenAI σε διάφορους δείκτες μαθηματικών και λογικής, επιδεικνύοντας σημαντικές δυνατότητες με χαμηλότερο κόστος και με έμφαση στην διαφάνεια. Η επιτυχία της DeepSeek δείχνει έναν νέο δρόμο για τις κινεζικές τεχνολογικές εταιρείες εν μέσω του ψυχρού πολέμου της τεχνολογίας· αντιμετωπίζοντας περιορισμούς εξαγωγών από τις ΗΠΑ, πολλές έχουν μετατοπιστεί από την κατασκευή μοντέλων upstream προς τις downstream εφαρμογές. Ωστόσο, η DeepSeek έχει επικεντρωθεί στην βελτιστοποίηση των δομών μοντέλων AI και στην αποδοτική χρήση πόρων. Ιδρυτής της είναι ο Λιάνγκ Γουένφεγκ, απόφοιτος μεταπτυχιακού προγράμματος υπολογιστικών επιστημών, η DeepSeek προήλθε από την High-Flyer, ένα εξέχον ποσοτικό hedge fund που αρχικά επικεντρώθηκε στην έρευνα βαθιάς μάθησης. Το hedge fund συγκέντρωσε πόρους για την ανάπτυξη AI, οδηγώντας στην ίδρυση της DeepSeek, αντανακλώντας μια στροφή προς μακροχρόνιους τεχνολογικούς στόχους παρά προς άμεσο κέρδος. Ο Λιάνγκ δήλωσε ότι η επιστημονική περιέργεια καθοδήγησε αυτή τη προσπάθεια, τονίζοντας την έμφαση στη προώθηση της θεμελιώδους έρευνας AI αντί για εμπορευματοποιημένες εφαρμογές. Η ομάδα της DeepSeek αποτελείται κυρίως από πρόσφατους αποφοίτους Διδακτορικών από κορυφαία κινεζικά πανεπιστήμια, προάγοντας ένα συνεργατικό περιβάλλον που επικεντρώνεται σε πρωτοποριακή έρευνα.

Αυτή η προσέγγιση διαφέρει από τις τυπικές πρακτικές σε καθιερωμένες κινεζικές τεχνολογικές εταιρείες, όπου ο ανταγωνισμός για πόρους συχνά εμποδίζει την καινοτομία. Ο Λιάνγκ σημειώνει ότι οι νέοι ερευνητές είναι πιο κατάλληλοι για έργα υψηλής επένδυσης λόγω της δέσμευσής τους και της έλλειψης χρησιμοθηρικών εξετάσεων. Η εταιρεία αντιμετωπίζει προκλήσεις από τους περιορισμούς εξαγωγών της κυβέρνησης των ΗΠΑ, οι οποίοι περιορίζουν την πρόσβαση σε προηγμένους επεξεργαστές AI. Αρχικά κατέχοντας απόθεμα 10. 000 τσιπ Nvidia H100, η ικανότητα της DeepSeek να ανταγωνιστεί απαιτούσε πιο αποδοτικές μεθόδους εκπαίδευσης μοντέλων. Η ομάδα υλοποίησε στρατηγικές μηχανικής και καινοτόμες σχεδιάσεις όπως η Πολυ-κεφαλαιακή Λανθάνουσα Προσοχή (MLA) και το Μείγμα Ειδικών, μειώνοντας σημαντικά την υπολογιστική ισχύ που απαιτείται για την εκπαίδευση του τελευταίου τους μοντέλου σε σύγκριση με το Llama 3. 1 της Meta. Η προσέγγιση ανοιχτού κώδικα της DeepSeek έχει κερδίσει καλή θέληση στην παγκόσμια κοινότητα έρευνας AI, επιτρέποντάς της να προσελκύσει συνεισώτες και χρήστες που είναι απαραίτητοι για την αναβάθμιση των μοντέλων της. Αυτή η αλλαγή στο υπάρχον τοπίο AI μπορεί να αμφισβητήσει την αποτελεσματικότητα των τρεχόντων περιορισμών εξαγωγών των ΗΠΑ δείχνοντας ότι τα προηγμένα μοντέλα μπορούν να αναπτυχθούν με βελτιστοποιημένη χρήση πόρων, οδηγώντας σε πιθανά αλλαγές στις αντιλήψεις για τις δυνατότητες AI της Κίνας.