Китайская нейросеть DeepSeek вызвала обвал акций NVIDIA, продемонстрировав, что прогресс в ИИ может быть достигнут за счет более эффективных алгоритмов, а не только увеличения вычислительных мощностей. DeepSeek, обученная всего за 6 миллионов долларов, превзошла западные аналоги, что стало возможным благодаря использованию улучшенного алгоритма обучения с подкреплением (GRPO) и архитектуры Mixture of Experts (MoE). Это показывает, что стоимость обучения и работы ИИ может быть значительно снижена.
DeepSeek использует лишь 37 миллиардов параметров из 671 миллиардов, активируя только необходимые части модели для выполнения задачи, что позволило снизить стоимость обработки токена в 27 раз по сравнению с OpenAI. Такой подход ставит под сомнение "Bitter Lesson" – принцип, согласно которому, рост ИИ возможен только за счет увеличения вычислительных ресурсов. DeepSeek доказывает, что оптимизация методов обучения может кардинально уменьшить затраты.
Успех DeepSeek – это сигнал о том, что технологическое лидерство в области ИИ перестает быть исключительной привилегией западных компаний. Если ранее рост NVIDIA был основан на постоянном спросе на GPU для обучения моделей, то теперь, инвесторам и игрокам рынка необходимо пересмотреть прогнозы и сфокусироваться на разработке более эффективных алгоритмов. Это открывает новые возможности для конкурентов и ставит под сомнение долгосрочную монополию NVIDIA.
Несмотря на кратковременный обвал акций NVIDIA, компания по-прежнему лидирует на рынке GPU, благодаря стандарту CUDA, который используется практически во всех ML-проектах. При этом, новые разработки, такие как DeepSeek, ставят под сомнение текущую парадигму. Будущее технологий в ИИ будет зависеть как от железа, так и от алгоритмов, а компании, способные оптимизировать свои ресурсы, получат значительное конкурентное преимущество.
Изображение носит иллюстративный характер
DeepSeek использует лишь 37 миллиардов параметров из 671 миллиардов, активируя только необходимые части модели для выполнения задачи, что позволило снизить стоимость обработки токена в 27 раз по сравнению с OpenAI. Такой подход ставит под сомнение "Bitter Lesson" – принцип, согласно которому, рост ИИ возможен только за счет увеличения вычислительных ресурсов. DeepSeek доказывает, что оптимизация методов обучения может кардинально уменьшить затраты.
Успех DeepSeek – это сигнал о том, что технологическое лидерство в области ИИ перестает быть исключительной привилегией западных компаний. Если ранее рост NVIDIA был основан на постоянном спросе на GPU для обучения моделей, то теперь, инвесторам и игрокам рынка необходимо пересмотреть прогнозы и сфокусироваться на разработке более эффективных алгоритмов. Это открывает новые возможности для конкурентов и ставит под сомнение долгосрочную монополию NVIDIA.
Несмотря на кратковременный обвал акций NVIDIA, компания по-прежнему лидирует на рынке GPU, благодаря стандарту CUDA, который используется практически во всех ML-проектах. При этом, новые разработки, такие как DeepSeek, ставят под сомнение текущую парадигму. Будущее технологий в ИИ будет зависеть как от железа, так и от алгоритмов, а компании, способные оптимизировать свои ресурсы, получат значительное конкурентное преимущество.
