Tammikuun 20. päivänä DeepSeek, vähemmän tunnettu tekoälytutkimuslaboratorio Kiinasta, julkaisi avoimen lähdekoodin mallin, joka sai nopeasti huomiota Piilaaksossa. Yhtiön julkaisu väittää, että DeepSeek-R1 ylittää johtavat mallit, kuten OpenAI:n, useissa matematiikka- ja päättelymittareissa, osoittaen merkittäviä kykyjä alhaisemmalla kustannuksella ja painottaen avointa lähestymistapaa. DeepSeekin menestys havainnollistaa uutta suuntaa kiinalaisille teknologiayrityksille teknologisen kylmän sodan keskellä; Yhdysvaltojen vientirajoitusten vuoksi monet ovat siirtyneet ylävirran mallinrakentamisesta alavirtahakemuksiin. DeepSeek on kuitenkin keskittynyt tekoälymallirakenteiden optimointiin ja resurssien tehokkaaseen käyttöön. Liang Wenfengin, tietojenkäsittelytieteen maisterin, perustama DeepSeek syntyi High-Flyerista, tunnetusta kvantitatiiviasta hedge-rahastosta, joka alun perin keskittyi syväoppimiseen. Hedge-rahasto keräsi resursseja tekoälykehitykseen, mikä johti DeepSeekin perustamiseen ja heijastaa siirtymistä kohti pitkäntähtäimen teknologisia tavoitteita ennemmin kuin välitöntä voittoa.

Liang totesi, että tieteellinen uteliaisuus ohjasi tätä hanketta, korostaen keskittymistä perustavanlaatuisten tekoälytutkimusten edistämiseen kaupallisten sovellusten sijaan. DeepSeekin tiimi koostuu pääasiassa äskettäin väitelleistä tohtoreista, jotka ovat valmistuneet huipputason kiinalaisista yliopistoista, edistäen yhteistyöhön perustuvaa ympäristöä, joka keskittyy uraauurtavaan tutkimukseen. Tämä lähestymistapa poikkeaa vakiintuneiden kiinalaisten teknologiayritysten käytännöistä, joissa kilpailu resursseista usein estää innovaatioita. Liang huomauttaa, että nuoret tutkijat sopivat paremmin suuret investoinnit vaativiin projekteihin heidän sitoutumisensa ja utilitarististen pohdintojensa puutteen vuoksi. Yritys kohtaa haasteita Yhdysvaltojen hallituksen vientivalvontatoimista, jotka rajoittavat pääsyä edistyneisiin tekoälyprosessoripiireihin. Aluksi 10 000 Nvidia H100 -sirun varastolla varustetun DeepSeekin kyky kilpailla edellytti tehokkaampia mallin koulutusmenetelmiä. Tiimi toteutti insinööri strategioita ja innovatiivisia suunnitelmia, kuten Multi-head Latent Attention (MLA) ja Mixture-of-Experts, vähentäen merkittävästi laskentatehoa, jota heidän viimeisimmän mallinsa kouluttaminen vaati verrattuna Metan Llama 3. 1:een. DeepSeekin avoin lähestymistapa on herättänyt hyvää tahtoa globaalissa tekoälytutkimusyhteisössä, mikä on mahdollistanut osallistujien ja käyttäjien houkuttelemisen, jotka ovat tarpeen mallien parantamiseksi. Tämä muutos nykyisessä tekoälyn kentässä voi haastaa nykyisten Yhdysvaltojen vientivalvontatoimien tehokkuuden osoittamalla, että huipputason malleja voidaan kehittää optimoidun resurssien käytön avulla, mikä voi johtaa mahdollisiin muutoksiin käsityksissä kiinalaisista tekoälykyvyistä.