Китай и DeepSeek | Искусственный интеллект: как новая архитектура меняет рынок микросхем

294 000 долларов вместо 100 миллионов: правда о ценовой войне DeepSeek

Последняя разработка китайской компании DeepSeek в области искусственного интеллекта поднимает фундаментальные вопросы о будущем этой сферы. В конце декабря 2025 года компания представила новый метод обучения (называемый Manifold-Constrained Hyper-Connections), который потенциально может изменить всю отрасль. В то время как западные технологические гиганты инвестируют сотни миллиардов долларов в огромные центры обработки данных и специализированные чипы, DeepSeek демонстрирует альтернативный путь, основанный на архитектурной сложности, а не на одних лишь капиталовложениях. Это событие может потрясти экономические основы индустрии ИИ и привести к трансформации, где успех или неудача будут определяться не просто наличием ресурсов, а инженерным опытом.

Китайский подход возник не по собственному выбору, а по необходимости. Экспортные ограничения, введенные Соединенными Штатами, не позволяли китайским компаниям получить доступ к самым мощным чипам Nvidia для искусственного интеллекта. То, что изначально казалось стратегическим недостатком, стало катализатором для альтернативных путей развития. DeepSeek пришлось добиваться максимальной производительности при ограниченных аппаратных ресурсах, создавая методы, которые теперь бросают вызов структуре затрат всей отрасли. Выпуск модели R1 в январе 2025 года, которая конкурировала с топовыми американскими моделями, но была разработана за гораздо меньшую стоимость, вызвал потрясение на фондовых рынках и заставил аналитиков по всему миру пересмотреть свои модели оценки.

Подходит для:

• DeepSeek V3.2: конкурент уровня GPT-5 и Gemini-3, а также возможность локального развёртывания на ваших собственных системах! Конец гигабитных центров обработки данных ИИ?

От гиперсвязей к математической стабильности

Техническая основа нового метода DeepSeek заключается в дальнейшем развитии сетевых технологий в области искусственного интеллекта. Традиционные нейронные сети используют так называемые остаточные связи — своего рода «кратчайший путь», по которому информация передается между слоями сети. Эти мосты позволяют обучать более глубокие сети, предотвращая затухание обучающих сигналов по пути. «Гиперсвязи» DeepSeek расширяют эту концепцию, увеличивая поток информации между слоями и обеспечивая более гибкие шаблоны. Это приводит к повышению производительности, но имеет существенный недостаток: дополнительная сложность снижает стабильность, поскольку информация больше не передается так надежно, как при классических связях.

При использовании традиционных методов быстрого доступа информация остается практически неизменной по мере передачи по сети, что обеспечивает стабильное обучение. Новые гиперсоединения жертвуют этим свойством ради большей обучаемости, но это приводит к значительным колебаниям при обучении больших моделей. В экспериментах DeepSeek было замечено, что частота ошибок неожиданно возросла примерно после 12 000 шагов обучения — явный признак нестабильности. Сигналы управления процессом обучения вели себя хаотично, что делало масштабирование до более мощных моделей практически невозможным. Одновременно с этим, более широкие соединения увеличили трафик данных, поскольку приходилось передавать больше информации между памятью и процессором.

Решение DeepSeek проецирует эти сложные связи в контролируемое математическое пространство («многообразие») с фиксированными правилами. Этот математический приём восстанавливает стабильность, сохраняя при этом преимущества более богатого обмена информацией. Это пространство определяется специальными матрицами, значения которых уравновешиваются для поддержания общей стабильности. Хотя это ограничение может звучать технически, оно имеет далеко идущие практические последствия: оно гарантирует, что сигналы не будут теряться и не будут неконтролируемо нарастать по мере их прохождения через сеть.

Практические испытания с моделью, содержащей 27 миллиардов параметров, подтвердили ее эффективность. Как стандартная, так и стабилизированная гиперсвязи превзошли базовую модель, но стабилизированная версия неизменно показывала лучшие результаты. Стабильность обучения значительно улучшилась. В то время как стандартная модель демонстрировала значительные сбои после 12 000 шагов, обучение с использованием нового метода проходило плавно и точно соответствовало поведению стабильной базовой модели. Сигналы обучения оставались в пределах нормы на протяжении всего процесса, что указывает на фундаментальное решение проблемы стабильности.

Повышение производительности не обходится без затрат, но цена на удивление умеренная. Метод увеличивает вычислительные затраты примерно на 6,7 процента по сравнению со стандартом. Это скромное дополнительное усилие незначительно по сравнению с существенным улучшением производительности, что делает этот метод одной из наиболее эффективных стратегий в современных исследованиях. DeepSeek также внедрил строгие оптимизации инфраструктуры для снижения нагрузки на пути передачи данных. Эти оптимизации имеют решающее значение, поскольку в случае больших моделей узким местом часто является не сама вычислительная мощность, а скорость передачи данных между памятью и процессором.

Подходит для:

• НОВИНКА! DeepSeek OCR — тихий триумф Китая: как ИИ с открытым исходным кодом подрывает доминирование США на рынке чипов

Экономическая реальность, скрывающаяся за заголовками новостей

Общественное обсуждение стоимости DeepSeek с самого начала было полно недоразумений. Когда компания представила свою модель R1 в январе 2025 года, циркулирующие данные указывали на стоимость обучения базовой модели V3 менее чем в шесть миллионов долларов. Это часто сравнивали с предполагаемой стоимостью в сто миллионов долларов для модели GPT-4 от OpenAI, создавая впечатление, что DeepSeek добилась двадцатипятикратного преимущества в стоимости. В сентябре 2025 года DeepSeek опубликовала статью в журнале Nature, в которой утверждалось, что стоимость обучения для R1 составила всего 294 000 долларов. Эта цифра снова доминировала в освещении в СМИ и укрепила представление о фундаментальном преимуществе в стоимости.

Однако более тщательный анализ выявляет более сложную картину. Сумма в 294 000 долларов относится исключительно к так называемой фазе после обучения, в ходе которой уже интеллектуальная модель совершенствуется посредством практики и обратной связи. Фактические общие затраты превышают 5,87 миллиона долларов только на вычислительное время, помимо инвестиций в оборудование в размере приблизительно 51 миллиона долларов. Эти цифры по-прежнему не включают затраты на исследования, подготовку данных, персонал и неудачные эксперименты. С учетом этих факторов фактические затраты на разработку находятся в диапазоне, который, хотя и ниже, чем аналогичные показатели на Западе, не достигает той впечатляющей величины, которая часто цитируется.

Структура затрат на разработку ИИ по своей сути сложна для понимания. OpenAI никогда не публиковала точные данные по GPT-4. Часто цитируемая оценка в 100 миллионов долларов принадлежит Сэму Альтману, который в 2023 году говорил о значительно более высоких затратах на обучение базовой модели. Аналогичные оценки для более новых моделей, таких как GPT-4o, предполагают, что затраты значительно снизились благодаря современным методам, таким как специализированные экспертные сети, более эффективные методы и оптимизированная инфраструктура. Некоторые анализы оценивают затраты на обучение GPT-4o в диапазоне от 5 до 16 миллионов долларов, что означает, что разница в стоимости с DeepSeek значительно меньше, чем принято считать.

Тем не менее, достижение DeepSeek остается впечатляющим. Компания обучила свою модель V3, используя почти 2,8 миллиона часов работы графического процессора на 2048 чипах H800 в течение двух месяцев. H800 — это версия Nvidia H100 с ограниченным объемом памяти, предназначенная для китайского рынка, скорость передачи данных которой значительно снижена в соответствии с экспортными правилами США. Эти чипы значительно уступают по мощности оригинальным процессорам, используемым в западных центрах обработки данных, или даже более новым процессорам Blackwell. Тот факт, что DeepSeek смогла разработать конкурентоспособные модели с таким ограниченным оборудованием, является настоящим прорывом.

Архитектура «смешанных экспертов» играет центральную роль. DeepSeek V3 имеет в общей сложности 671 миллиард параметров, но активирует только 37 миллиардов вычислений на слово. Это означает, что на каждый запрос фактически работает лишь небольшая часть модели. Модель состоит из множества специализированных «экспертов» и общего пула знаний, при этом для каждого шага выбирается лишь несколько специалистов. Такая конструкция позволяет значительно расширить знания модели без пропорционального увеличения вычислительных затрат. Каждый эксперт может специализироваться в определенных областях, что приводит к повышению производительности и эффективности.

Основная проблема такого подхода с использованием экспертов заключается в балансировке нагрузки. Если одни эксперты постоянно востребованы, а другие простаивают, возникают проблемы с эффективностью. Традиционные подходы используют так называемые «функции штрафа», которые заставляют модель использовать всех экспертов одинаково. Однако этот метод часто приводит к худшим результатам, поскольку лучший эксперт не всегда выбирается. DeepSeek реализовал умную стратегию балансировки нагрузки без таких искусственных штрафов, обеспечив сбалансированное использование экспертов без ущерба для качества. Это нововведение имело решающее значение для успешного масштабирования модели.

Стратегическая необходимость Китая в инновациях

Развитие DeepSeek нельзя рассматривать в отрыве от геополитического контекста. В октябре 2022 года Соединенные Штаты резко ужесточили экспортный контроль на чипы и оборудование для производства ИИ в Китай. Эти меры были направлены на ограничение возможностей Китая по разработке передовых систем ИИ и их применению в военной сфере. Nvidia была вынуждена разработать чипы, специально модифицированные для китайского рынка. A800 и H800 стали уменьшенными версиями топовых моделей, с пониженной скоростью, достаточной лишь для соблюдения экспортных ограничений США.

В 2023 году США вновь ужесточили контроль, заблокировав даже эти временные решения. Одновременно были введены экспортные ограничения на высокопроизводительную память, критически важный компонент современных чипов для искусственного интеллекта. Эти меры вынудили китайские компании разрабатывать альтернативы или использовать более старое, менее эффективное оборудование. Huawei, некогда мировой лидер в телекоммуникационной отрасли, фактически оказалась отрезанной от доступа к западным технологиям производства чипов и вынуждена разрабатывать собственные решения. Хотя процессоры Huawei Ascend обеспечивают лишь малую часть производительности по сравнению с Nvidia, они частично компенсируют это за счет больших объемов производства.

Производственные показатели наглядно демонстрируют сложность задачи. Ожидается, что Huawei произведет около 200 000 чипов для искусственного интеллекта к 2025 году, в то время как Китай смог легально импортировать примерно миллион модифицированных чипов Nvidia за тот же период. Более того, разрыв в производительности увеличивается. Анализы показывают, что лучшие американские чипы в настоящее время примерно в пять раз мощнее лучших предложений Huawei, и ожидается, что этот разрыв резко возрастет к 2027 году. Даже если Huawei значительно увеличит производство, компания все равно не сможет приблизиться к вычислительной мощности, которую Nvidia обеспечивает по всему миру к 2027 году.

Эти ограничения вынудили китайских разработчиков значительно повысить эффективность. Основатель DeepSeek Лян Вэньфэн рано осознал эту необходимость и еще в 2021 году, до ужесточения контроля, закупил десять тысяч графических процессоров Nvidia A100. Эта дальновидная инвестиция дала DeepSeek решающее преимущество перед конкурентами, которые позже получили доступ только к менее совершенному оборудованию. Бывший управляющий хедж-фондом применил ту же стратегическую дальновидность, которая принесла ему успех в финансовом секторе. Его фонд High-Flyer управлял миллиардами и входил в число самых технологически продвинутых финансовых компаний Китая.

Основание DeepSeek в июле 2023 года было не просто экспериментом. Лян рассматривал развитие искусственного интеллекта как ключевой технологический проект столетия и хотел вывести Китай в авангард этой области. В интервью он объяснил, что молодые стартапы в сфере ИИ имеют хорошие возможности для конкуренции с устоявшимися корпорациями, поскольку рынок претерпевает фундаментальную трансформацию. Решающим фактором, по его мнению, является не следование старым правилам, а способность гибко адаптироваться к изменениям и реагировать на них.

Эта философия нашла отражение в подходе DeepSeek к разработке. С самого начала компания сосредоточилась на достижении максимальных результатов при ограниченных ресурсах. В то время как западные компании, такие как OpenAI и Anthropic, инвестировали миллиарды в постоянно увеличивающиеся модели и огромные центры обработки данных, DeepSeek оптимизировала архитектуру, обучение и применение для повышения эффективности. Модель R1 впечатляюще продемонстрировала эту стратегию. Она достигла результатов в математических задачах, сопоставимых с лучшими американскими моделями, но при этом потребовала архитектуры, потребляющей значительно меньше вычислительной мощности на один ответ.

Новое измерение цифровой трансформации с «Управляемым ИИ» (искусственным интеллектом) – платформа и решение B2B | Xpert Consulting - Изображение: Xpert.Digital

Здесь вы узнаете, как ваша компания может быстро, безопасно и без высоких барьеров для входа внедрять индивидуальные решения на основе ИИ.

Управляемая платформа ИИ — это ваш комплексный и простой в использовании пакет решений для искусственного интеллекта. Вместо того, чтобы разбираться со сложными технологиями, дорогостоящей инфраструктурой и длительными процессами разработки, вы получаете готовое решение, адаптированное под ваши потребности, от специализированного партнера — часто в течение нескольких дней.

Краткий обзор основных преимуществ:

⚡ Быстрое внедрение: от идеи до внедрения в эксплуатацию — всего за несколько дней, а не месяцев. Мы предлагаем практичные решения, которые приносят мгновенную пользу.

🔒 Максимальная безопасность данных: Ваши конфиденциальные данные остаются у вас. Мы гарантируем безопасную и соответствующую требованиям обработку данных без передачи третьим лицам.

💸 Отсутствие финансового риска: вы платите только за результат. Высокие первоначальные вложения в оборудование, программное обеспечение или персонал полностью исключены.

🎯 Сосредоточьтесь на своей основной деятельности: сосредоточьтесь на том, что у вас получается лучше всего. Мы возьмём на себя всю техническую реализацию, эксплуатацию и обслуживание вашего ИИ-решения.

📈 Перспективность и масштабируемость: ваш ИИ растёт вместе с вами. Мы обеспечиваем постоянную оптимизацию и масштабируемость, а также гибко адаптируем модели к новым требованиям.

Подробнее об этом здесь:

• Управляемое решение на основе ИИ — промышленные услуги ИИ: ключ к конкурентоспособности в секторах услуг, промышленности и машиностроения

Системные сбои и реакция рынка

Выпуск DeepSeek R1 в январе 2025 года вызвал шок далеко за пределами технических кругов. Фондовый рынок отреагировал убытками для компаний, которые вложили значительные средства в инфраструктуру искусственного интеллекта. Nvidia, чья стоимость в значительной степени основывалась на предположении о том, что спрос на ее дорогостоящие чипы будет продолжать расти, потеряла в цене за считанные дни. Инвесторы задались вопросом, были ли вообще необходимы объявленные затраты в сотни миллиардов долларов, если китайский стартап мог бы достичь сопоставимых результатов с гораздо меньшей суммой.

Реакция китайских технологических гигантов была незамедлительной и решительной. ByteDance, Tencent, Baidu и Alibaba резко снизили цены на свои услуги в области искусственного интеллекта. Модель Doubao от ByteDance стала почти на 99 процентов дешевле по сравнению с прошлым годом. Это снижение цен привело к резкому росту использования. Ежедневное количество запросов увеличилось со 120 миллиардов до более чем 500 миллиардов за несколько месяцев. Общий рынок услуг в области ИИ в Китае оценивался в относительно небольшие суммы, что говорит о крайне низкой рентабельности, учитывая огромный объем использования.

Эти цифры иллюстрируют проблему: конкуренция смещается от качества ИИ к эффективности инфраструктуры и цене. Тем не менее, Alibaba Cloud, лидер рынка в Китае, объявила о миллиардных инвестициях в инфраструктуру ИИ. ByteDance также планирует масштабные закупки чипов. Tencent, которая несколько отставала в закупках чипов, компенсирует это за счет аренды вычислительных мощностей и использования эффективной технологии DeepSeek.

Консолидация рынка ускоряется. Эксперты прогнозируют, что число китайских поставщиков решений в области искусственного интеллекта сузится до нескольких крупных игроков. Победителями станут те, кто сделает свою технологию стандартом, сочетая производительность с практическим применением. Этот процесс отражает тенденции в других технологических секторах, где за периодом быстрых инноваций следует консолидация, и выживают только компании, обладающие наилучшим сочетанием технологий, масштаба и рыночной власти.

Аналогичная тенденция наблюдается и на Западе. Доминирование OpenAI заметно ослабевает. Рыночная доля ChatGPT значительно сократилась, в то время как Google Gemini укрепила свои позиции. Этот сдвиг — не просто статистическое колебание. Он свидетельствует о том, что преимущество «первого выхода на рынок» уменьшается, в то время как конкуренты с устоявшимися платформами догоняют. Google может интегрировать свой ИИ непосредственно в Поиск и Android, что представляет собой структурное преимущество перед поставщиком, специализирующимся исключительно на ИИ.

Ценообразование отражает эту динамику. Западные поставщики, такие как Anthropic и OpenAI, также снизили цены и внедрили более эффективные варианты моделей. Цена за миллион обработанных слов резко упала за последние два года. Это развитие событий говорит о том, что ИИ становится товаром массового потребления. Как только несколько поставщиков начнут предлагать аналогичное качество, цена станет решающим фактором, что снизит прибыль и сделает масштаб еще более важным.

Подходит для:

• Что лучше: децентрализованная, федеративная, устойчивая к хрупкости инфраструктура ИИ, или ИИ Gigafactory, или гипермасштабный центр обработки данных ИИ?

Пределы революции рассуждений

Параллельно с повышением эффективности произошло развитие, которое поначалу казалось следующим крупным прорывом. Так называемые «модели рассуждений», которые тратят больше времени на обдумывание проблем и явный анализ их шагов, достигли впечатляющих результатов. Модели o1 от OpenAI, R1 от DeepSeek и аналогичные модели продемонстрировали впечатляющие возможности в математике и программировании. Идея проста: если дать модели больше времени на «размышление» и позволить ей сформулировать путь решения, то результаты должны улучшиться.

Однако в июне 2025 года Apple опубликовала исследование, выявившее ограничения. Исследователи протестировали передовые модели на логических головоломках, сложность которых можно было точно контролировать. Результаты оказались отрезвляющими: модели демонстрировали противоречивое поведение. Их вычислительные затраты первоначально возрастали с увеличением сложности, но затем снова снижались в определенный момент, даже при наличии достаточного времени, — и решения становились неверными.

В ходе исследования были выделены три фазы. Для простых задач модели на основе обычного языка часто оказывались лучше и экономичнее, чем «мыслительные» модели. Для задач средней сложности мыслительные процессы предлагали явные преимущества. Однако для очень сложных задач оба типа моделей полностью давали сбой. Они не только терпели неудачу с небольшим отрывом, но и были неспособны найти даже отдаленно правильные решения.

Особенно тревожно то, что даже предоставление правильной формулы решения практически не помогало. Модели по-прежнему терпели неудачу на аналогичном уровне сложности. Это говорит о том, что проблемы гораздо глубже: моделям трудно строго выполнять логические шаги и проверять собственные рассуждения.

Анализ «протоколов мышления» выявил закономерности. В случае простых задач модели находили решение на ранних этапах, но затем продолжали углубляться в ненужные детали. При высокой сложности они часто сбивались с пути. После достижения определенного уровня сложности они переставали генерировать правильные подходы. Они часто зацикливались на ранних, неверных идеях и тратили вычислительное время на их обоснование вместо исправления ошибки.

Другое исследование предупредило, что улучшение этих моделей вскоре может застопориться. Хотя они достигают лучших результатов в тестах благодаря огромным вычислительным затратам, это делает их медленными и дорогостоящими. Экономические последствия значительны: эксплуатация «мыслящих» моделей обходится во много раз дороже, чем стандартных версий. Если эти модели не принесут ожидаемых прорывов и достигнут своих пределов, возникает вопрос, оправданы ли такие высокие инвестиции. Вывод о том, что более простые модели часто более эффективны, предполагает, что в будущем потребуется более точно выбирать, какой инструмент лучше всего подходит для какой задачи.

Подходит для:

• Автономный физический ИИ (APAI): тихая революция децентрализованного интеллекта

Гонка за инфраструктурой и энергетическая нехватка

Несмотря на повышение эффективности программного обеспечения, потребление ресурсов в отрасли растет. Прогнозы указывают на то, что к концу десятилетия спрос на электроэнергию для центров обработки данных резко возрастет. Доля приложений искусственного интеллекта в мировом потреблении электроэнергии центрами обработки данных может удвоиться. Для удовлетворения этого спроса инвестируются колоссальные суммы — триллионы долларов по всему миру. Такие инициативы, как проект OpenAI «Stargate» и его партнеры, или европейские инвестиционные программы, отражают масштаб проблемы.

Региональное распределение меняется. Хотя в настоящее время лидируют Азия и Северная Америка, большая часть новых мощностей будет построена в США. Европа также планирует масштабное расширение, которое может значительно увеличить спрос на электроэнергию на континенте.

В то же время плотность энергопотребления в центрах обработки данных растет. Поскольку чипы для искусственного интеллекта выделяют огромное количество тепла в небольшом объеме, охлаждение становится все более сложной задачей. Традиционных систем кондиционирования воздуха часто уже недостаточно, поэтому необходимы сложные системы жидкостного охлаждения, которые, в свою очередь, являются дорогостоящими и трудоемкими.

Рынок демонстрирует признаки перегрева. Загрузка центров обработки данных растет, что приводит к росту цен. Ожидается, что ситуация не улучшится до завершения большего количества строительных проектов или замедления роста спроса на ИИ. Однако, если эффективные методы, подобные DeepSeek, получат широкое распространение, потребность в новых центрах обработки данных может оказаться ниже, чем предполагалось. Это поставит под сомнение запланированные масштабные инвестиции и приведет к избыточным мощностям — риску для всех, кто сделал ставку на неуклонный рост спроса на оборудование.

Национальные стратегии и технологический суверенитет

Разработка DeepSeek тесно связана со стремлением Китая к независимости. В пятилетних планах приоритет отдается полупроводникам, и цель самообеспечения достигается с огромными усилиями. Новые правила вынуждают китайских производителей микросхем использовать больше оборудования отечественного производства. Государственный фонд инвестирует в местную индустрию микросхем почти 50 миллиардов долларов, чтобы снизить зависимость от Запада.

Эта политика оказывает влияние, хотя в некоторых случаях и не так, как предполагалось. Ранее китайские заводы отдавали предпочтение американскому оборудованию. Однако из-за санкций США у них больше не было выбора, и им пришлось работать с отечественными поставщиками, что ускорило их развитие. Вскоре Китай может получить значительную долю мирового производства более простых микросхем, используемых в автомобилях и бытовой технике.

Однако разрыв остается значительным, когда речь идет о передовых технологиях искусственного интеллекта. Чипы Huawei не могут конкурировать с чипами Nvidia по производительности, а объемы производства слишком низки. Даже значительное увеличение производства не позволит сократить отставание в течение многих лет. Поскольку спрос на вычислительные мощности растет быстрее, чем китайское производство, дефицит, скорее всего, только усугубится.

Это требует нестандартных решений. Успех DeepSeek также основан на своевременном приобретении чипов Nvidia. Другие компании прибегают к контрабанде или косвенным методам. Правительство реагирует контрмерами, такими как экспортные ограничения на редкоземельные элементы и расследования в отношении западных технологических компаний. Давление на китайские корпорации с целью приобретения чипов отечественного производства растет, даже если эти чипы технически уступают отечественным.

Нормативно-правовая база и глобальное управление

В то время как США и Китай ведут технологическую гонку, ЕС сосредоточился на регулировании. «Закон об ИИ» — первый в мире всеобъемлющий закон об искусственном интеллекте. Он запрещает особо рискованные приложения и устанавливает строгие правила для мощных моделей ИИ. Нарушения караются крупными штрафами.

Европейский подход направлен на установление этических стандартов без подавления инноваций. Критики опасаются негативных последствий для европейских компаний, в то время как сторонники видят долгосрочные преимущества с точки зрения доверия и безопасности. Однако в глобальном масштабе регулирование остается фрагментарным. США полагаются на добровольные обязательства, в то время как Китай отдает приоритет государственному контролю. Эта фрагментация затрудняет установление общих стандартов.

Вопрос безопасности ИИ выходит на первый план. Эксперты предупреждают о рисках, связанных со сверхчеловеческим интеллектом. Сроки достижения такого «искусственного общего интеллекта» (AGI) сократились. Ведущие разработчики говорят уже не о десятилетиях, а всего о нескольких годах. Реалистично ли это или всего лишь маркетинговый ход, покажет время, но индустрия к этому готовится.

Неудачные модели и стратегическая перестройка

Задержка выпуска преемника DeepSeek, модели R2, показывает, что успех не гарантирован. Первоначально планировалось выпустить её раньше, но возникли проблемы. Попытки обучить модель на китайских чипах Huawei, по всей видимости, провалились, несмотря на помощь инженеров Huawei.

Таким образом, компания продолжает использовать имеющиеся у нее ресурсы Nvidia для обучения, но все чаще вынуждена полагаться на Huawei для применения моделей — компромисс, продиктованный политическими соображениями. Задержки привели к временному падению интереса пользователей, поскольку конкуренция не бездействовала.

Ещё одна проблема — данные. Для достижения следующего уровня требуется больше и лучше обучающих данных. В англоязычных странах они легко доступны в интернете. В Китае доступ к высококачественным данным затруднен, отчасти из-за цензуры, а отчасти потому, что большая часть контента не находится в открытом доступе. В сочетании с устаревшим оборудованием это замедляет разработку. Если обучение занимает больше времени и становится более сложным, преимущество в стоимости уменьшается.

Структурные изменения в индустрии искусственного интеллекта

Отрасль переживает трансформацию. Прежний девиз «чем больше, тем лучше» — больше данных, больше чипов, больше денег — достигает своих пределов или становится непомерно дорогим. DeepSeek продемонстрировал, что интеллектуальная архитектура может быть важнее, чем просто вычислительная мощность.

Это имеет последствия для инвесторов. Те, кто вложил миллиарды в аппаратное обеспечение, могут столкнуться с проблемами, если более эффективное программное обеспечение снизит спрос. В то же время у новых игроков появляется шанс, поскольку для участия в этом процессе больше не обязательно иметь целое состояние.

По мере того, как производительность ИИ становится все дешевле и более схожей, сама модель перестает быть единственным фактором; важно то, насколько хорошо она интегрирована в продукты. У Google и Microsoft здесь есть преимущество, поскольку у них уже есть пользователи. Стартапы, занимающиеся исключительно ИИ, сталкиваются с большими проблемами. Открытый исходный код, или свободно доступное программное обеспечение, играет все более важную роль. Модели, подобные тем, что используют DeepSeek или Meta, доступны каждому, что ускоряет инновации.

В то же время инвесторы задаются вопросом, когда же начнут поступать деньги обратно. У ChatGPT много пользователей, но он обходится очень дорого. До получения большой прибыли еще далеко. На рынке труда появляются новые рабочие места для специалистов по искусственному интеллекту, а простые офисные задачи автоматизируются — это социальная проблема, для которой пока нет простых решений.

После ажиотажа вокруг ИИ: теперь начинается настоящая битва за монетизацию

Инновации DeepSeek знаменуют собой поворотный момент. Они доказывают, что технологии мирового класса можно создавать даже с ограниченными ресурсами. Это опровергает предположение о том, что победить могут только самые богатые американские корпорации. Конкуренция смещается с вопроса «У кого больше денег?» на вопрос «У кого лучшие инженеры?».

В геополитическом плане очевидно, что санкции могут замедлить прогресс, но они также могут подтолкнуть к инновациям. Китай под давлением строит собственную промышленность. В экономическом плане мы только в начале пути. Цены падают, и модели становятся обычным товаром повседневного спроса. Те, кто хочет победить в будущем, должны не только создавать качественный ИИ, но и уметь на нем зарабатывать деньги.

Технические препятствия сохраняются. Существующие методы достигают своих пределов, и неизвестно, увидим ли мы в ближайшее время действительно человекоподобный интеллект. Следующие несколько лет покажут, преодолеет ли индустрия эти препятствия или же ажиотаж утихнет. Возможно, самый важный урок DeepSeek вовсе не технический, а стратегический: всегда есть другой способ, если вас вынуждают его искать.

☑️ Наш деловой язык — английский или немецкий.

☑️ НОВИНКА: Переписка на вашем национальном языке!

Konrad Wolfenstein

Я был бы рад служить вам и моей команде в качестве личного консультанта.

Вы можете связаться со мной, заполнив контактную форму или просто позвоните мне по телефону +49 89 89 674 804 (Мюнхен) . Мой адрес электронной почты: wolfenstein ∂ xpert.digital

Я с нетерпением жду нашего совместного проекта.

☑️ Поддержка МСП в разработке стратегии, консультировании, планировании и реализации.

☑️ Создание или корректировка цифровой стратегии и цифровизации.

☑️ Расширение и оптимизация процессов международных продаж.

☑️ Глобальные и цифровые торговые платформы B2B

☑️ Пионерское развитие бизнеса/маркетинг/PR/выставки.

Воспользуйтесь преимуществами обширного пятистороннего опыта Xpert.Digital в комплексном пакете услуг | НИОКР, XR, PR и оптимизация цифровой видимости — Изображение: Xpert.Digital

Xpert.Digital обладает глубокими знаниями различных отраслей. Это позволяет нам разрабатывать индивидуальные стратегии, которые точно соответствуют требованиям и задачам вашего конкретного сегмента рынка. Постоянно анализируя тенденции рынка и следя за развитием отрасли, мы можем действовать дальновидно и предлагать инновационные решения. Благодаря сочетанию опыта и знаний мы создаем добавленную стоимость и даем нашим клиентам решающее конкурентное преимущество.

Подробнее об этом здесь:

• Используйте 5-кратный опыт Xpert.Digital в одном пакете — всего от 500 евро в месяц