Më 20 janar, DeepSeek, një laborator kërkimesh për inteligjencën artificiale më pak i njohur nga Kina, publikoi një model me kod të hapur që shpejt tërhoqi vëmendjen në Silicon Valley. Papri i kompanisë pretendon se DeepSeek-R1 e kalon modelet kryesore si ato të OpenAI në mënyra të ndryshme, në matematikë dhe arsyetim, duke demonstruar kapacitete të rëndësishme me një kosto më të ulët dhe me një theks në hapjen. Supriza e DeepSeek ilustron një rrugë të re për kompanitë teknologjike kineze në mes të luftës teknologjike; përballë kufizimeve të eksportit të SHBA-së, shumë prej tyre janë orientuar nga ndërtimi i modeleve në aplikacione të poshtme. Megjithatë, DeepSeek është fokusuar në optimizimin e strukturave të modeleve AI dhe përdorimin efikas të burimeve. E themeluar nga Liang Wenfeng, një diplomant i master's në shkencën kompjuterike, DeepSeek doli nga High-Flyer, një fond hedging kuantitativ, i njohur që në fillim përqendrohej në kërkimin në mësimin e thellë. Fondi hedging grumbulloi burime për zhvillimin e AI-së, duke çuar në krijimin e DeepSeek, që reflekton një kalim drejt qëllimeve teknologjike afatgjata në vend të fitimeve të menjëhershme. Liang tha se kurioziteti shkencor e nxiti këtë sipërmarrje, duke theksuar fokusin në avancimin e kërkimeve themelore në AI në vend të aplikacioneve komerciale. Ekipa e DeepSeek përbëhet kryesisht nga diplomantë të rinj doktorature nga universitetet kryesore kineze, duke promovuar një ambient bashkëpunues të përqendruar në kërkime novatore.

Ky qasje ndryshon nga praktikat tipike në kompanitë teknologjike të vendosura kineze, ku konkurrenca për burime shpesh pengon inovacionin. Liang vëren se kërkuesit e rinj janë më të përshtatshëm për projekte me investime të larta për shkak të përkushtimit të tyre dhe mungesës së konsideratave utilitare. Kompania përballet me sfida nga kontrolli i eksportit të qeverisë amerikane, i cili kufizon aksesin në çipa të avancuar AI. Fillimisht duke pasur një rezervë prej 10, 000 çipash Nvidia H100, aftësia e DeepSeek për t'u konkurruar kërkonte metoda më të efikase të trajnim-modelit. Ekipa zbatoi strategji inxhinierike dhe dizajne novatore si Multi-head Latent Attention (MLA) dhe Mixture-of-Experts, duke reduktuar ndjeshëm fuqinë kompjuterike të nevojshme për të trajnuar modelin e saj më të fundit në krahasim me Llama 3. 1 të Meta-s. Qasja me kod të hapur e DeepSeek ka tërhequr mirëkuptim në komunitetin global të kërkimeve për AI, duke i lejuar asaj të tërheqë kontribues dhe përdorues të nevojshëm për përmirësimin e modeleve të saj. Ky kalim në peizazhin ekzistues të AI-së mund të sfidojë efektivitetin e kontrolleve aktuale të eksporteve të SHBA-së duke demonstruar se modelet e përparuara mund të zhvillohen me përdorim të optimizuar të burimeve, duke çuar në ndryshime të mundshme në perceptimet e kapaciteteve të AI-së kineze.