Hiina ja DeepSeek | Tehisintellekt: kuidas uus arhitektuur kiibiturgu raputab

294 000 dollarit 100 miljoni dollari asemel: tõde DeepSeeki hinnasõja kohta

Hiina tehisintellekti ettevõtte DeepSeek uusim versioon tõstatab põhimõttelisi küsimusi tehisintellekti tuleviku kohta. 2025. aasta detsembri lõpus esitles ettevõte uut treeningmeetodit (nimega Manifold-Constrained Hyper-Connections), millel on potentsiaal kogu tööstusharu ümber kujundada. Samal ajal kui lääne tehnoloogiahiiglased investeerivad sadu miljardeid dollareid massiivsetesse andmekeskustesse ja spetsialiseeritud kiipidesse, demonstreerib DeepSeek alternatiivset teed, mis põhineb arhitektuurilisel keerukusel, mitte pelgalt kapitaliinvesteeringutel. See areng võib raputada tehisintellekti tööstuse majanduslikke alustalasid ja viia transformatsioonini, kus edu või ebaedu ei määra mitte ainult ressursside kättesaadavus, vaid ka inseneriteadmised.

Hiina lähenemine ei tulenenud valikust, vaid vajadusest. Ameerika Ühendriikide kehtestatud ekspordipiirangud takistasid Hiina ettevõtetel juurdepääsu Nvidia võimsaimatele tehisintellekti kiipidele. See, mis algselt tundus strateegilise puudusena, sai alternatiivsete arenguteede kiirendajaks. DeepSeek pidi piiratud riistvaraga saavutama maksimaalse jõudluse, luues meetodeid, mis nüüd seavad kahtluse alla kogu tööstusharu kulustruktuuri. R1 mudeli väljalase 2025. aasta jaanuaris, mis konkureeris küll Ameerika tippmudelitega, kuid mille väljatöötamise hind oli murdosa nende omast, saatis aktsiaturgudele šokeerivaid laineid ja sundis analüütikuid kogu maailmas oma hindamismudeleid ümber mõtlema.

Sobib selleks:

• DeepSeek V3.2: GPT-5 ja Gemini-3 tasemel konkurent JA lokaalselt teie enda süsteemides juurutatav! Gigabitiste tehisintellekti andmekeskuste lõpp?

Hüperühendustest matemaatilise stabiilsuseni

Uue DeepSeeki meetodi tehniline alus peitub tehisintellekti võrgustamise edasiarendamises. Traditsioonilised närvivõrgud kasutavad niinimetatud jääkühendusi – omamoodi „otseteid“, mille kaudu edastatakse teavet võrgu kihtide vahel. Need sillad võimaldavad treenida sügavamaid võrke, takistades õppesignaalide hääbumist. DeepSeeki „hüperühendused“ laiendavad seda kontseptsiooni, laiendades kihtidevahelist infovoogu ja võimaldades paindlikumaid mustreid. See viib jõudluse paranemiseni, kuid sellel on oluline puudus: täiendav keerukus kahjustab stabiilsust, kuna teavet ei edastata enam nii usaldusväärselt kui klassikaliste ühenduste puhul.

Traditsiooniliste otseteede abil jääb teave võrgus liikudes suures osas muutumatuks, mille tulemuseks on stabiilne treenimine. Uued hüperühendused ohverdavad selle omaduse suurema õppimisvõime nimel, kuid see põhjustab suurte mudelite treenimisel olulisi kõikumisi. DeepSeek täheldas katsetes, et veamäärad suurenesid ootamatult pärast umbes 12 000 treeninguetappi – see on selge märk ebastabiilsusest. Õppeprotsessi juhtsignaalid käitusid kaootiliselt, muutes skaleerimise võimsamate mudeliteni praktiliselt võimatuks. Samal ajal suurendasid laiemad ühendused andmeliiklust, kuna mälu ja protsessori vahel tuli liigutada rohkem teavet.

DeepSeeki lahendus projitseerib need keerulised ühendused kontrollitud matemaatilisse ruumi („mitmesse ruumi“), millel on fikseeritud reeglid. See matemaatiline trikk taastab stabiilsuse, säilitades samal ajal rikkalikuma infovahetuse eelised. See ruum on määratletud spetsiaalsete maatriksite abil, kus väärtused tasakaalustuvad, et säilitada üldine stabiilsus. Kuigi see piirang võib tunduda tehniline, on sellel kaugeleulatuvad praktilised tagajärjed: see tagab, et signaalid ei kao ega kasva kontrollimatult võrgus liikudes.

Praktilised katsed 27 miljardi parameetriga mudeliga kinnitasid selle efektiivsust. Nii standard- kui ka stabiliseeritud hüperühendused ületasid baasmudeli tulemusi, kuid stabiliseeritud versioon saavutas järjepidevalt parimad tulemused. Treeningu stabiilsus paranes dramaatiliselt. Kuigi standardmudelil esines pärast 12 000 sammu olulisi väljalangemisi, kulges uue meetodiga treenimine sujuvalt ja järgis täpselt stabiilse baasmudeli käitumist. Õppesignaalid jäid kogu protsessi vältel normi piiresse, mis viitab stabiilsusprobleemi põhimõttelisele lahendusele.

Jõudluse paranemine ei tule ilma hindata, kuid hind on üllatavalt mõõdukas. Meetod suurendab arvutuslikku pingutust standardiga võrreldes umbes 6,7 protsenti. See tagasihoidlik lisapingutus on tohutu jõudluse paranemisega võrreldes tühine, muutes meetodi praeguse uurimistöö üheks tõhusamaks strateegiaks. DeepSeek rakendas ka rangeid infrastruktuuri optimeerimisi, et vähendada andmeedastusteede koormust. Need optimeerimised on üliolulised, sest suurte mudelite puhul ei ole kitsaskohaks sageli arvutusvõimsus ise, vaid pigem andmeedastuse kiirus mälu ja protsessori vahel.

Sobib selleks:

• UUS! DeepSeek OCR on Hiina vaikne triumf: kuidas avatud lähtekoodiga tehisintellekt õõnestab USA domineerimist kiipide turul

Pealkirjade taga peituv majanduslik reaalsus

DeepSeeki kulude ümber käinud avalik arutelu oli algusest peale täis arusaamatusi. Kui ettevõte 2025. aasta jaanuaris oma R1 mudeli avalikustas, viitasid levivad arvud V3 baasmudeli koolituskuludele alla kuue miljoni dollari. Seda võrreldi sageli OpenAI GPT-4 hinnangulise saja miljoni dollariga, luues mulje, et DeepSeek oli saavutanud kahekümne viiekordse kulueelise. 2025. aasta septembris avaldas DeepSeek ajakirjas Nature artikli, milles öeldi, et R1 koolituskulud olid vaid 294 000 dollarit. See arv domineeris taas meediakajastust ja tugevdas arusaama põhimõttelisest kulueelisest.

Lähemal analüüsil selgub aga keerulisem pilt. 294 000 dollarit viitab ainult nn järelkoolituse etapile, mille käigus juba intelligentset mudelit harjutamise ja tagasiside abil täiustatakse. Tegelikud kogukulud ületavad ainuüksi arvutusaja puhul 5,87 miljonit dollarit, lisaks umbes 51 miljoni dollari suurused riistvarainvesteeringud. Need arvud ei sisalda ikkagi uuringute, andmete ettevalmistamise, personali ja ebaõnnestunud katsete kulusid. Kui need tegurid arvesse võtta, jäävad tegelikud arenduskulud vahemikku, mis, kuigi madalamad kui lääneriikide võrreldavad arvud, ei ulatu siiski sageli tsiteeritud numbrite dramaatilise ulatuseni.

Tehisintellekti arenduse kulustruktuuri on oma olemuselt raske haarata. OpenAI pole kunagi avaldanud GPT-4 kohta täpseid numbreid. Sageli tsiteeritud hinnang 100 miljonit dollarit pärineb Sam Altmanilt, kes rääkis 2023. aastal oluliselt kõrgematest baasmudelite koolituskuludest. Analoogsed hinnangud uuemate mudelite, näiteks GPT-4o kohta viitavad sellele, et kulud on tänu kaasaegsetele tehnikatele, nagu spetsialiseeritud ekspertide võrgustikud, tõhusamad meetodid ja optimeeritud infrastruktuur, märkimisväärselt vähenenud. Mõned analüüsid hindavad GPT-4o koolituskuludeks 5–16 miljonit dollarit, mis tähendaks, et kulude erinevus DeepSeekiga võrreldes on oluliselt väiksem, kui avalikult arvatakse.

Sellest hoolimata on DeepSeeki saavutus tähelepanuväärne. Ettevõte treenis oma V3 mudelit kahe kuu jooksul 2048 H800 kiibil ligi 2,8 miljoni GPU-tunniga. H800 on Nvidia H100 piiratud versioon Hiina turule, mille andmeedastuskiirust on USA ekspordimääruste järgimiseks drastiliselt vähendatud. Need kiibid on oluliselt vähem võimsad kui lääne andmekeskustes kasutatavad originaalid või veelgi uuemad Blackwelli protsessorid. Asjaolu, et DeepSeek suutis selle piiratud riistvaraga välja töötada konkurentsivõimelisi mudeleid, on tõeline läbimurre.

„Ekspertide segu“ arhitektuur mängib keskset rolli. DeepSeek V3-l on kokku 671 miljardit parameetrit, kuid see aktiveerib ainult 37 miljardi sõna arvutuse. See tähendab, et iga päringu kallal töötab tegelikult vaid murdosa mudelist. Mudel koosneb paljudest spetsialiseerunud „ekspertidest“ ja jagatud teadmistebaasist, kus iga sammu jaoks on valitud vaid mõned spetsialistid. See disain võimaldab mudeli teadmisi massiliselt suurendada ilma arvutuskulusid proportsionaalselt suurendamata. Iga ekspert saab spetsialiseeruda konkreetsetele teemadele, mille tulemuseks on parem jõudlus ja suurem efektiivsus.

Selle ekspertide lähenemisviisi väljakutse seisneb koormuse tasakaalustamises. Kui mõned eksperdid on pidevalt nõutud, samas kui teised jäävad jõude, tekivad efektiivsusprobleemid. Traditsioonilised lähenemisviisid kasutavad nn "karistusfunktsioone", mis sunnivad mudelit kõiki eksperte võrdselt kasutama. See meetod viib aga sageli kehvemate vastusteni, kuna parimat eksperti ei valita alati. DeepSeek rakendas nutikat koormuse tasakaalustamise strateegiat ilma selliste kunstlike karistusteta, tagades ekspertide tasakaalustatud kasutamise ilma kvaliteeti kahjustamata. See uuendus oli mudeli eduka skaleerimise jaoks ülioluline.

Hiina strateegiline innovatsioonikohustus

DeepSeeki arengut ei saa mõista geopoliitilisest kontekstist eraldi. 2022. aasta oktoobris karmistasid Ameerika Ühendriigid drastiliselt tehisintellekti kiipide ja tootmisseadmete ekspordikontrolli Hiinasse. Nende meetmete eesmärk oli piirata Hiina võimet arendada täiustatud tehisintellekti süsteeme ja nende sõjalisi rakendusi. Nvidia oli sunnitud arendama spetsiaalselt Hiina turu jaoks modifitseeritud kiipe. A800 ja H800 ilmusid tippmudelite vähendatud versioonidena, mille kiirused olid USA ekspordipiirangute järgimiseks just nii palju väiksemad.

2023. aastal karmistas USA kontrolli taas, blokeerides isegi need ajutised lahendused. Samal ajal kehtestati ekspordipiirangud suure jõudlusega mälule, mis on tänapäevaste tehisintellekti kiipide kriitiline komponent. Need meetmed sundisid Hiina ettevõtteid arendama alternatiive või kasutama vanemat ja vähem tõhusat riistvara. Huawei, mis oli kunagi telekommunikatsiooni valdkonnas ülemaailmne suurtootja, lõigati sisuliselt ära juurdepääs lääne kiibitehnoloogiale ja oli sunnitud arendama oma lahendusi. Kuigi Huawei Ascend protsessorid saavutavad Nvidiaga võrreldes vaid murdosa kiibi kohta saavutatavast jõudlusest, suudavad nad seda osaliselt kompenseerida tohutu mahuga.

Tootmisnumbrid illustreerivad väljakutset. Huawei peaks 2025. aastal tootma umbes 200 000 tehisintellekti kiipi, samas kui Hiina on samal perioodil suutnud seaduslikult importida umbes miljon modifitseeritud Nvidia kiipi. Lisaks suureneb jõudluslõhe. Analüüsid näitavad, et parimad Ameerika kiibid on praegu umbes viis korda võimsamad kui Huawei parimad pakkumised ja see lõhe peaks 2027. aastaks dramaatiliselt suurenema. Isegi kui Huawei oma tootmist massiliselt suurendaks, ei suudaks ettevõte 2027. aastaks ikkagi Nvidia ülemaailmselt pakutava arvutusvõimsuse lähedalegi jõuda.

Need piirangud sundisid Hiina arendajaid muutuma radikaalselt efektiivseks. DeepSeeki asutaja Liang Wenfeng märkas seda vajadust varakult ja ostis juba 2021. aastal, enne kontrolli karmistamist, kümme tuhat Nvidia A100 graafikakaarti. See tulevikku suunatud investeering andis DeepSeekile olulise eelise konkurentide ees, kellel oli hiljem juurdepääs vaid viletsamale riistvarale. Endine riskifondide haldur rakendas sama strateegilist ettenägelikkust, mis oli teinud ta edukaks finantssektoris. Tema fond High-Flyer haldas miljardeid ja oli üks Hiina tehnoloogiliselt arenenumaid finantsettevõtteid.

DeepSeeki asutamine 2023. aasta juulis oli enamat kui lihtsalt eksperiment. Liang nägi tehisintellekti arendamist sajandi võtmetehnoloogiaprojektina ja tahtis Hiinat selles esirinnas positsioneerida. Intervjuus selgitas ta, et noored tehisintellekti idufirmad on heas positsioonis, et konkureerida väljakujunenud korporatsioonidega, kuna turg läbib põhimõttelist muutust. Tema sõnul ei olnud otsustavaks teguriks mitte vanade reeglite järgimine, vaid pigem võime paindlikult kohaneda ja reageerida muutustele.

See filosoofia kajastus DeepSeeki arendusstrateegias. Algusest peale keskendus ettevõte maksimaalsete tulemuste saavutamisele piiratud ressurssidega. Samal ajal kui lääne ettevõtted nagu OpenAI ja Anthropic investeerisid miljardeid üha suurematesse mudelitesse ja massiivsetesse andmekeskustesse, optimeeris DeepSeek efektiivsuse saavutamiseks arhitektuuri, koolitust ja rakendusi. R1 mudel demonstreeris seda strateegiat muljetavaldavalt. See saavutas matemaatiliste ülesannete puhul tulemusi, mis olid võrreldavad parimate USA mudelitega, kuid nõudis arhitektuuri, mis tarbis vastuse kohta oluliselt vähem arvutusvõimsust.

Digitaalse transformatsiooni uus dimensioon hallatud tehisintellekti (AI) abil – platvorm ja B2B-lahendus | Xpert Consulting - pilt: Xpert.Digital

Siit saate teada, kuidas teie ettevõte saab kiiresti, turvaliselt ja ilma kõrgete sisenemisbarjäärideta rakendada kohandatud tehisintellekti lahendusi.

Hallatud tehisintellekti platvorm on teie igakülgne ja muretu tehisintellekti pakett. Keerulise tehnoloogia, kalli infrastruktuuri ja pikkade arendusprotsesside asemel saate spetsialiseerunud partnerilt teie vajadustele vastava võtmed kätte lahenduse – sageli juba mõne päeva jooksul.

Peamised eelised lühidalt:

⚡ Kiire teostus: Ideest rakenduseni päevade, mitte kuude jooksul. Pakume praktilisi lahendusi, mis loovad kohest väärtust.

🔒 Maksimaalne andmeturve: Teie tundlikud andmed jäävad teie kätte. Garanteerime turvalise ja nõuetele vastava töötlemise ilma andmeid kolmandate osapooltega jagamata.

💸 Finantsriski pole: maksate ainult tulemuste eest. Suured esialgsed investeeringud riist- ja tarkvarasse või personali jäävad täielikult ära.

🎯 Keskendu oma põhitegevusele: Keskendu sellele, mida sa kõige paremini oskad. Meie tegeleme sinu tehisintellekti lahenduse kogu tehnilise juurutamise, käitamise ja hooldusega.

📈 Tulevikukindel ja skaleeritav: teie tehisintellekt kasvab koos teiega. Tagame pideva optimeerimise ja skaleeritavuse ning kohandame mudeleid paindlikult uutele nõuetele.

Lisateavet selle kohta siin:

• Hallatud tehisintellekti lahendus – tööstuslikud tehisintellekti teenused: konkurentsivõime võti teenuste, tööstuse ja masinaehituse sektoris

Süsteemsed häired ja turureaktsioonid

DeepSeek R1 väljalase 2025. aasta jaanuaris saatis šokeerivaid laineid kaugemale kui tehnilised ringkonnad. Aktsiaturg reageeris kahjumiga ettevõtetele, kes olid tehisintellekti infrastruktuuri suuri investeeringuid teinud. Nvidia, mille väärtus põhines suuresti eeldusel, et nõudlus selle kallite kiipide järele jätkab plahvatuslikku kasvu, kaotas väärtust päevadega. Investorid seadsid kahtluse alla, kas väljakuulutatud sadade miljardite dollarite suurune kulutus oli üldse vajalik, kui Hiina idufirma suudaks saavutada võrreldavaid tulemusi murdosa sellest summast.

Hiina tehnoloogiahiiglaste reaktsioon oli kohene ja otsustav. ByteDance, Tencent, Baidu ja Alibaba langetasid oma tehisintellekti teenuste hindu drastiliselt. ByteDance'i Doubao mudel odavnes aastaga peaaegu 99 protsenti. Need hinnalangused viisid tohutu kasutuskasvuni. Päevaste päringute arv hüppas mõne kuuga 120 miljardilt üle 500 miljardi. Tehisintellekti teenuste turg Hiinas oli üldiselt suhteliselt väike, mis viitab äärmiselt madalatele marginaalidele, arvestades tohutut kasutusmahtu.

Need arvud illustreerivad probleemi: konkurents nihkub tehisintellekti kvaliteedilt infrastruktuuri tõhususele ja hinnale. Hiina turuliider Alibaba Cloud teatas sellest hoolimata miljardite suurustest investeeringutest tehisintellekti infrastruktuuri. Ka ByteDance plaanib ulatuslikke kiipide oste. Tencent, kes kiipide hankimisel mõnevõrra maha jäi, kompenseerib seda renditud arvutusvõimsuse ja DeepSeeki tõhusa tehnoloogia kasutamisega.

Turu konsolideerumine kiireneb. Eksperdid ennustavad, et Hiina tehisintellekti pakkujate valdkond kitseneb mõne suure tegijani. Võitjateks on need, kes muudavad oma tehnoloogia standardiks, ühendades jõudluse praktiliste rakendustega. See protsess peegeldab arenguid teistes tehnoloogiasektorites, kus kiire innovatsiooni perioodile järgneb konsolideerumine, kus ellu jäävad ainult ettevõtted, millel on parim tehnoloogia, ulatuse ja turujõu kombinatsioon.

Sarnane trend on ilmnemas ka läänes. OpenAI domineerimine on mõõdetavalt kahanemas. ChatGPT turuosa on märkimisväärselt langenud, samas kui Google Gemini on oma positsiooni suurendanud. See nihe on enamat kui lihtsalt statistiline kõikumine. See annab märku, et esimesena turule toomise eelis väheneb, samal ajal kui konkurendid, kellel on väljakujunenud platvormid, jõuavad järele. Google saab oma tehisintellekti otse otsingusse ja Androidi integreerida, mis kujutab endast struktuurilist eelist puhta tehisintellekti pakkuja ees.

Hinnakujundus peegeldab seda dünaamikat. Lääne pakkujad, nagu Anthropic ja OpenAI, on samuti oma hindu langetanud ja kasutusele võtnud tõhusamad mudelivariandid. Miljoni töödeldud sõna hind on viimase kahe aasta jooksul dramaatiliselt langenud. See areng viitab sellele, et tehisintellektist on saamas massituru kaup. Kui mitu pakkujat pakuvad sarnast kvaliteeti, saab määravaks teguriks hind, mis vähendab kasumit ja muudab mastaabi veelgi olulisemaks.

Sobib selleks:

• Kumb on parem: detsentraliseeritud, födereeritud, antifragiilne tehisintellekti infrastruktuur või tehisintellekti gigatehas või hüperskaala tehisintellekti andmekeskus?

Mõistusrevolutsiooni piirid

Paralleelselt efektiivsuse kasvuga toimus areng, mis esialgu tundus järgmise suure läbimurdena. Nn "arutlusmudelid", mis võtavad probleemide üle mõtlemiseks ja nende sammude selgesõnaliseks läbitöötamiseks rohkem aega, saavutasid suurepäraseid tulemusi. OpenAI o1, DeepSeeki R1 ja sarnased mudelid demonstreerisid muljetavaldavaid võimeid matemaatikas ja programmeerimises. Idee on lihtne: kui anda mudelile rohkem aega "mõtlemiseks" ja lasta tal lahendustee formuleerida, peaksid vastused paranema.

Kuid 2025. aasta juunis avaldas Apple uuringu, mis paljastas piirangud. Teadlased testisid tipptasemel mudeleid loogikamõistatustega, mille raskusastet sai täpselt kontrollida. Tulemused olid kainestavad: mudelid käitusid vastuoluliselt. Nende töötlemiskoormus suurenes algselt keerukusega, kuid vähenes siis teatud hetkel uuesti, kuigi neil oli piisavalt aega – ja lahendused muutusid valedeks.

Uuring tuvastas kolm faasi. Lihtsate probleemide puhul olid tavalised keelemudelid sageli paremad ja säästlikumad kui "mõtlemismudelid". Mõõdukalt keeruliste probleemide puhul pakkusid mõtlemisprotsessid selgeid eeliseid. Väga keeruliste probleemide puhul aga lagunesid mõlemad mudelitüübid täielikult. Need mitte ainult ei kukkunud läbi napilt, vaid ei suutnud leida isegi kaugeltki õigeid lahendusi.

Eriti murettekitav oli see, et isegi õige lahendusvalemi pakkumine ei aidanud peaaegu üldse. Mudelid kukkusid ikkagi läbi sarnaste raskusastmete juures. See viitab sellele, et probleemid on sügavamal: mudelitel on raskusi loogiliste sammude rangelt täitmise ja oma arutluskäigu kontrollimisega.

„Mõtteprotokollide“ analüüs paljastas mustreid. Lihtsate probleemide puhul leidsid mudelid lahenduse varakult, kuid jätkasid seejärel ebavajalike detailide kallale asumist. Suure keerukusega eksisid nad sageli valel teel. Teatud raskusastmest alates ei suutnud nad enam üldse õigeid lähenemisviise genereerida. Sageli keskendusid nad varajastele, valedele ideedele ja raiskasid oma arvutusaega nende õigustamisele vea parandamise asemel.

Teine uuring hoiatas, et nende mudelite täiustamine võib peagi seisma jääda. Kuigi nad saavutavad testides tänu tohutule arvutuslikule tööle paremaid tulemusi, muudab see nad aeglaseks ja kalliks. Majanduslikud tagajärjed on märkimisväärsed: "Mõtlevate" mudelite käitamine maksab mitu korda rohkem kui standardversioonide puhul. Kui need mudelid ei suuda oodatavaid läbimurdeid saavutada ja oma piire saavutada, tekib küsimus, kas suured investeeringud on õigustatud. Järeldus, et lihtsamad mudelid on sageli tõhusamad, viitab sellele, et tulevikus on vaja täpsemalt valida, milline tööriist sobib kõige paremini millise ülesande jaoks.

Sobib selleks:

• Autonoomne füüsiline tehisintellekt (APAI): detsentraliseeritud intelligentsuse vaikne revolutsioon

Taristuvõistlus ja energianälg

Vaatamata tõhusamale tarkvarale suureneb tööstuse ressursitarbimine. Prognoosid näitavad, et andmekeskuste elektrienergia nõudlus kasvab kümnendi lõpuks dramaatiliselt. Tehisintellekti rakenduste osakaal ülemaailmses andmekeskuste elektrienergia tarbimises võib kahekordistuda. Selle nõudluse rahuldamiseks investeeritakse hiiglaslikke summasid – triljoneid dollareid kogu maailmas. Algatused nagu OpenAI "Stargate" ja selle partnerid või Euroopa investeerimisprogrammid peegeldavad väljakutse ulatust.

Regionaalne jaotus on nihkumas. Kuigi Aasia ja Põhja-Ameerika on praegu teerajajad, ehitatakse suurem osa uuest võimsusest USA-sse. Ka Euroopa plaanib ulatuslikke laienemisi, mis võivad mandri elektrienergia nõudlust märkimisväärselt suurendada.

Samal ajal suureneb andmekeskuste võimsustihedus. Kuna tehisintellekti kiibid tekitavad väikeses ruumis tohutul hulgal soojust, on jahutamine muutumas üha suuremaks väljakutseks. Tavapärased kliimaseadmed ei ole sageli enam piisavad, mistõttu on vaja keerukaid vedelikjahutussüsteeme, mis omakorda on kallid ja keerulised.

Turg näitab ülekuumenemise märke. Andmekeskuste kasutamine suureneb, mis kergitab hindu. See ei peaks leevenema enne, kui on lõpule viidud rohkem ehitusprojekte või tehisintellekti nõudluse kasv aeglustub. Kui aga tõhusad meetodid, nagu DeepSeek, muutuvad laialt levinuks, võib uute andmekeskuste vajadus olla oodatust väiksem. See seaks kahtluse alla kavandatud ulatuslikud investeeringud ja tooks kaasa ülevõimsuse – riski kõigile, kes on panustanud pidevalt kasvavale riistvaranõudlusele.

Riiklikud strateegiad ja tehnoloogiline suveräänsus

DeepSeeki areng on tihedalt seotud Hiina iseseisvuspüüdlustega. Viieaastased plaanid on seadnud esikohale pooljuhid ning iseseisvuse eesmärki püütakse saavutada tohutute pingutustega. Uued eeskirjad sunnivad Hiina kiibitootjaid kasutama rohkem kodumaal toodetud masinaid. Riigile kuuluv fond investeerib kohalikku kiibitööstusse ligi 50 miljardi dollari väärtuses summasid, et vähendada sõltuvust läänest.

Sellel poliitikal on mõju, mõnel juhul mitte nii, nagu kavandatud. Varem eelistasid Hiina tehased USA seadmeid. USA sanktsioonide tõttu polnud neil aga enam valikut ja nad pidid tegema koostööd kodumaiste tarnijatega, mis kiirendas nende arengut. Hiina võiks peagi kontrollida suurt osa autodes ja kodumasinates kasutatavate lihtsamate kiipide ülemaailmsest tootmisest.

Tipptasemel tehisintellekti osas on vahe siiski märkimisväärne. Huawei kiibid ei suuda Nvidia omadega jõudluse poolest võistelda ning tootmismahud on liiga madalad. Isegi tohutu tootmise kasv ei suudaks vahet veel aastaid sulgeda. Kuna arvutusvõimsuse nõudlus kasvab kiiremini kui Hiina toodang, on tõenäoline, et puudujääk ainult süveneb.

See nõuab loomingulisi lahendusi. DeepSeeki edu põhineb ka Nvidia kiipide õigeaegsel omandamisel. Teised kasutavad salakaubaveo marsruute või kaudseid meetodeid. Valitsus reageerib vastumeetmetega, näiteks haruldaste muldmetallide ekspordipiirangute ja lääne tehnoloogiaettevõtete uurimisega. Surve Hiina ettevõtetele osta kodumaal toodetud kiipe kasvab isegi siis, kui need on tehniliselt halvema kvaliteediga.

Regulatiivne maastik ja globaalne juhtimine

Samal ajal kui USA ja Hiina peavad tehnoloogilist võidujooksu, keskendub EL regulatsioonidele. „Tehisintellekti seadus“ on maailma esimene terviklik tehisintellekti käsitlev seadus. See keelab eriti riskantsed rakendused ja kehtestab võimsatele tehisintellekti mudelitele ranged reeglid. Rikkumise korral on ette nähtud suured trahvid.

Euroopa lähenemisviis püüab kehtestada eetilisi standardeid ilma innovatsiooni lämmatamata. Kriitikud kardavad Euroopa ettevõtete ebasoodsat olukorda, samas kui pooldajad näevad pikaajalist eelist usalduse ja turvalisuse osas. Globaalselt on regulatsioon aga endiselt killustatud. USA tugineb vabatahtlikele kohustustele, samas kui Hiina seab esikohale riikliku kontrolli. See killustatus raskendab ühiste standardite kehtestamist.

Tehisintellekti turvalisuse küsimus on tõusmas fookusesse. Eksperdid hoiatavad üleinimliku intellektiga kaasnevate ohtude eest. Sellise "üldintellekti" (AGI) saavutamise ajakava on lühenenud. Juhtivad arendajad ei räägi enam aastakümnetest, vaid vaid mõnest aastast. Kas see on realistlik või pelgalt turundushüpe, jääb veel näha, kuid tööstusharu selleks valmistub.

Ebaõnnestunud mudelid ja strateegiline ümberkorraldamine

DeepSeeki järeltulija R2 ilmumise edasilükkamine näitab, et edu pole garanteeritud. Algselt plaanitud varasemaks väljalaskeks tekkisid probleemid. Katsed treenida mudelit Hiina Huawei kiipidel ebaõnnestusid ilmselt vaatamata Huawei inseneride abile.

Seetõttu jätkab ettevõte oma olemasoleva Nvidia tootepargi kasutamist treenimiseks, kuid mudelite rakendamisel peab ta üha enam lootma Huaweile – see on poliitiliselt mandaadiga kompromiss. Viivitused põhjustasid kasutajate huvi ajutise languse, kuna konkurents ei jäänud jõude.

Teine probleem on andmed. Järgmisele tasemele jõudmiseks on vaja rohkem ja paremaid treeningandmeid. Inglise keelt kõnelevates riikides on need veebis hõlpsasti kättesaadavad. Hiinas on kvaliteetsetele andmetele juurdepääs keerulisem, osaliselt tsensuuri ja osaliselt seetõttu, et suur osa sisust pole avalikult kättesaadav. Koos kehvema riistvaraga aeglustab see arendust. Kui treening võtab kauem aega ja muutub keerulisemaks, väheneb kulueelis.

Struktuurimuutused tehisintellekti tööstuses

Tööstusharu seisab silmitsi muutustega. Varasem moto „rohkem on parem” – rohkem andmeid, rohkem kiipe, rohkem raha – on jõudmas oma piirini või muutumas ülemäära kalliks. DeepSeek on näidanud, et intelligentne arhitektuur võib olla olulisem kui toores jõud.

Sellel on investoritele tagajärjed. Need, kes on investeerinud miljardeid riistvarasse, võivad probleemidega silmitsi seista, kui tõhusam tarkvara nõudlust vähendab. Samal ajal on uutel tegijatel võimalus, sest osalemiseks ei ole enam tingimata vaja varandust.

Kuna tehisintellekti jõudlus muutub üha odavamaks ja sarnasemaks, pole mudel ise enam ainus tegur; oluline on see, kui hästi see toodetesse integreeritud on. Google'il ja Microsoftil on siin eelis, kuna neil on juba kasutajad. Puhtalt tehisintellektil põhinevad idufirmad seisavad silmitsi suuremate väljakutsetega. Avatud lähtekoodiga ehk vabalt kättesaadav tarkvara mängib üha olulisemat rolli. DeepSeeki või Meta mudelid on kõigile kättesaadavad, mis kiirendab innovatsiooni.

Samal ajal mõtlevad investorid, millal raha tagasi voolama hakkab. ChatGPT-l on palju kasutajaid, aga see maksab varanduse. Suured kasumid on veel kaugel. Tööturul tekivad uued töökohad tehisintellekti ekspertidele, samal ajal kui lihtsaid kontoritöid automatiseeritakse – ühiskondlik väljakutse, millele pole endiselt lihtsaid lahendusi.

Pärast tehisintellekti hüpet: Nüüd algab tõeline raha teenimise lahing

DeepSeeki uuendused tähistavad pöördepunkti. Need tõestavad, et maailmatasemel tehnoloogiat saab luua isegi piiratud ressurssidega. See seab kahtluse alla oletuse, et võita saavad ainult rikkaimad USA korporatsioonid. See nihutab võistluse küsimuselt "Kellel on kõige rohkem raha?" küsimusele "Kellel on parimad insenerid?".

Geopoliitiliselt on selge, et sanktsioonid võivad edusamme aeglustada, aga need võivad ka innovatsiooni sundida. Hiina ehitab oma tööstust surve all. Majanduslikult oleme alles alguses. Hinnad langevad ja mudelitest on saamas igapäevased kaubad. Need, kes tahavad tulevikus võita, peavad mitte ainult looma head tehisintellekti, vaid suutma sellega ka raha teenida.

Tehnilised takistused püsivad. Praegused meetodid on jõudmas oma piirini ja on ebaselge, kas me näeme tõesti inimese sarnast intelligentsust niipea. Järgmised aastad näitavad, kas tööstusharu neist takistustest üle saab või kas hype hääbub. Võib-olla pole DeepSeeki kõige olulisem õppetund üldse tehniline, vaid strateegiline: alati on olemas teine ​​​​tee, kui oled sunnitud seda leidma.

☑️ Meie ärikeel on inglise või sakslane

☑️ Uus: kirjavahetus teie riigikeeles!

Konrad Wolfenstein

Mul on hea meel, et olete teile ja minu meeskonnale isikliku konsultandina kättesaadav.

Võite minuga ühendust võtta, täites siin kontaktvormi või helistage mulle lihtsalt telefonil +49 89 674 804 (München) . Minu e -posti aadress on: Wolfenstein ∂ xpert.digital

Ootan meie ühist projekti.

☑️ VKE tugi strateegia, nõuannete, planeerimise ja rakendamise alal

☑️ digitaalse strateegia loomine või ümberpaigutamine ja digiteerimine

☑️ Rahvusvaheliste müügiprotsesside laiendamine ja optimeerimine

☑️ Globaalsed ja digitaalsed B2B kauplemisplatvormid

☑️ teerajajate äriarendus / turundus / PR / mõõde

Saage kasu Xpert.Digitali ulatuslikust, viiekordsest asjatundlikkusest terviklikus teenustepaketis | Teadus- ja arendustegevus, XR, PR ja digitaalse nähtavuse optimeerimine - Pilt: Xpert.Digital

Xpert.digital on sügavad teadmised erinevates tööstusharudes. See võimaldab meil välja töötada kohandatud strateegiad, mis on kohandatud teie konkreetse turusegmendi nõuetele ja väljakutsetele. Analüüsides pidevalt turusuundumusi ja jätkates tööstuse arengut, saame tegutseda ettenägelikkusega ja pakkuda uuenduslikke lahendusi. Kogemuste ja teadmiste kombinatsiooni abil genereerime lisaväärtust ja anname klientidele otsustava konkurentsieelise.

Lisateavet selle kohta siin:

• Kasutage Xpert.digital 5 -kordist kompetentsi ühes paketis alates 500 €/kuus