Ang kakayahang magamit ng Deepseek ay isang alamat: ang rebolusyonaryong AI ay talagang nagkakahalaga ng $ 1.6 bilyon upang mabuo

Ang nakakagulat na murang modelo ng AI ay naghahamon sa mga higante ng industriya. Sinasabi ng Startup ng Tsino na sinanay ang malakas na deepseek V3 neural network para sa isang $ 6 milyon lamang, na gumagamit lamang ng 2048 GPU, na makabuluhang sumailalim sa mga kakumpitensya. Ang tila mababang gastos na ito, gayunpaman, ay nagpapahiya sa isang mas malaking pamumuhunan.

Imahe: ensigame.com

Ang makabagong arkitektura ng Deepseek V3 ay nag -aambag sa kahusayan nito. Ang mga pangunahing teknolohiya ay kasama ang multi-token prediction (MTP) para sa sabay-sabay na hula ng salita, pinaghalong mga eksperto (MOE) na gumagamit ng 256 neural network para sa pinabilis na pagsasanay, at multi-head latent attention (MLA) para sa pinahusay na pagkuha ng impormasyon.

Imahe: ensigame.com

Gayunpaman, ang isang ulat ng semianalysis ay nagpapakita ng isang mas malaking imprastraktura: humigit -kumulang 50,000 NVIDIA GPU, na nagkakahalaga ng $ 1.6 bilyon, na may mga gastos sa pagpapatakbo na malapit sa $ 944 milyon. Ito ay kaibahan nang matindi sa naisapubliko na $ 6 milyong gastos sa pagsasanay, na sumasalamin lamang sa paggamit ng pre-training GPU, hindi kasama ang pananaliksik, pagpipino, pagproseso ng data, at pangkalahatang imprastraktura.

Ang kalayaan at mahusay na istraktura ng Deepseek, isang subsidiary ng high-flyer hedge fund, ay susi sa tagumpay nito. Ang pagmamay -ari ng mga sentro ng data nito ay nagbibigay -daan para sa na -optimize na pag -unlad ng modelo at mabilis na pagbabago. Ang pagpopondo ng sarili at sandalan na istraktura ng kumpanya ay nag-aambag din sa liksi nito. Ang mataas na suweldo, na higit sa $ 1.3 milyon taun -taon para sa ilang mga mananaliksik, ay nakakaakit ng nangungunang talento mula sa mga unibersidad sa Tsino.

Imahe: ensigame.com

Habang ang $ 6 milyong paghahabol ng Deepseek ay nakaliligaw, ang aktwal na pamumuhunan nito na lumampas sa $ 500 milyon ay kumakatawan pa rin sa isang makabuluhang kalamangan sa gastos kumpara sa mga kakumpitensya. Ang modelo ng R1 ng kumpanya ay nagkakahalaga ng $ 5 milyon upang sanayin, habang ang ChatGPT-4 ay naiulat na nagkakahalaga ng $ 100 milyon. Ang tagumpay ng Deepseek ay nagtatampok ng mapagkumpitensyang potensyal ng isang mahusay na pondo, independiyenteng kumpanya ng AI, kahit na ang "badyet-friendly" na mga pangangailangan ng kwalipikasyon.

Imahe: ensigame.com

Sa konklusyon, ang mapagkumpitensyang gilid ng Deepseek ay nagmumula sa isang kumbinasyon ng malaking pamumuhunan, makabagong teknolohiya, at isang mataas na bihasang koponan, sa halip na mula lamang sa isang napakababang badyet ng pagsasanay. Gayunpaman, kahit na sa mga naayos na mga numero, ang mga gastos nito ay mananatiling mas mababa kaysa sa mga katunggali nito.