Кина и DeepSeek | Вештачка интелигенција: Како нова архитектура потреса тржиште чипова

294.000 долара уместо 100 милиона долара: Истина о ценовном рату компаније DeepSeek

Најновије саопштење кинеске фирме за вештачку интелигенцију DeepSeek покреће фундаментална питања о будућности вештачке интелигенције. Крајем децембра 2025. године, компанија је представила нову методу обуке (названу Manifold-Constrained Hyper-Connections) која има потенцијал да преобликује целу индустрију. Док западни технолошки гиганти улажу стотине милијарди долара у огромне центре података и специјализоване чипове, DeepSeek демонстрира алтернативни пут заснован на архитектонској софистицираности, а не на пуким капиталним улагањима. Овај развој догађаја могао би да пољуља економске темеље индустрије вештачке интелигенције и да уведе трансформацију у којој успех или неуспех није одређен пуком доступношћу ресурса, већ инжењерском стручношћу.

Кинески приступ није проистекао из избора, већ из нужности. Извозна ограничења која су наметнуле Сједињене Државе спречила су кинеске компаније да приступе најмоћнијим Нвидијиним вештачким чиповима. Оно што се у почетку чинило као стратешки недостатак постало је акцелератор за алтернативне развојне путеве. DeepSeek је морао да постигне максималне перформансе са ограниченим хардвером, стварајући методе које сада доводе у питање структуру трошкова целе индустрије. Објављивање модела R1 у јануару 2025. године, који је парирао врхунским америчким моделима, али је развијен по знатно нижој цени, послало је ударне таласе кроз берзе и приморало аналитичаре широм света да преиспитају своје моделе вредновања.

У вези са овим:

• DeepSeek V3.2: Конкурент на нивоу GPT-5 и Gemini-3 И локално применљив на вашим сопственим системима! Крај гигабитних AI дата центара?

Од хипер-веза до математичке стабилности

Техничка основа нове DeepSeek методе лежи у даљем развоју умрежавања унутар вештачке интелигенције. Традиционалне неуронске мреже користе такозване резидуалне везе – неку врсту „пречице“ кроз коју се информације преносе између слојева мреже. Ови мостови омогућавају тренирање дубљих мрежа спречавајући да сигнали учења бледе током пута. DeepSeek-ове „хипер-везе“ проширују овај концепт проширивањем тока информација између слојева и омогућавањем флексибилнијих образаца. Ово доводи до побољшања перформанси, али има кључни недостатак: додатна сложеност угрожава стабилност, јер се информације више не преносе тако поуздано као код класичних веза.

Са традиционалним пречицама, информације остају углавном непромењене док путују кроз мрежу, што резултира стабилним обучавањем. Нове хипер-конекције жртвују ову карактеристику за већу могућност учења, али то доводи до значајних флуктуација приликом обучавања великих модела. DeepSeek је у експериментима приметио да се стопе грешака неочекивано повећавају након приближно 12.000 корака обуке – јасан знак нестабилности. Контролни сигнали за процес учења понашали су се хаотично, што је скалирање на моћније моделе чинило практично немогућим. Истовремено, шире везе су повећале промет података, јер је више информација морало да се премешта између меморије и процесора.

Решење које је развио DeepSeek пројектује ове сложене везе у контролисани математички простор („многострукост“) са фиксним правилима. Овај математички трик обнавља стабилност уз очување предности богатије размене информација. Овај простор је дефинисан посебним матрицама где се вредности балансирају како би се одржала укупна стабилност. Ово ограничење може звучати технички, али има далекосежне практичне последице: гарантује да се сигнали не губе нити неконтролисано расту док теку кроз мрежу.

Практична испитивања са моделом од 27 милијарди параметара потврдила су његову ефикасност. И стандардне и стабилизоване хипер-везе су надмашиле основни модел, али је стабилизована верзија константно постизала најбоље резултате. Стабилност обуке се драматично побољшала. Док је стандардни модел показивао значајне падове након 12.000 корака, обука са новом методом се одвијала глатко и пажљиво је пратила понашање стабилног основног модела. Сигнали учења су остали у нормалном опсегу током целог процеса, што указује на фундаментално решење проблема стабилности.

Побољшања у перформансама не долазе без цене, али су трошкови изненађујуће умерени. Метод повећава рачунарски напор за око 6,7 процената у поређењу са стандардом. Овај скромни додатни напор је занемарљив у поређењу са масивним побољшањима перформанси, што метод чини једном од најефикаснијих стратегија у тренутним истраживањима. DeepSeek је такође имплементирао ригорозне оптимизације инфраструктуре како би смањио оптерећење путева преноса података. Ове оптимизације су кључне јер, код великих модела, уско грло често није сама рачунарска снага, већ брзина преноса података између меморије и процесора.

У вези са овим:

• НОВО! DeepSeek OCR је тихи тријумф Кине: Како вештачка интелигенција отвореног кода поткопава доминацију САД у свету чипова

Економска реалност која се крије иза наслова

Јавна дискусија о трошковима компаније DeepSeek била је од самог почетка пуна неспоразума. Када је компанија представила свој модел R1 у јануару 2025. године, бројке које су кружиле указивале су на трошкове обуке мање од шест милиона долара за основни модел V3. Ово је често упоређивано са процењених сто милиона долара за OpenAI-јев GPT-4, стварајући утисак да је DeepSeek постигао двадесетпетоструку предност у трошковима. У септембру 2025. године, DeepSeek је објавио чланак у часопису Nature у којем се наводи да су трошкови обуке за R1 износили само 294.000 долара. Ова бројка је још једном доминирала медијским извештавањем и појачала перцепцију фундаменталне предности у трошковима.

Међутим, детаљнија анализа открива сложенију слику. Износ од 294.000 долара односи се искључиво на такозвану фазу након обуке, у којој се већ интелигентан модел усавршава кроз праксу и повратне информације. Стварни укупни трошкови прелазе 5,87 милиона долара само за време израчунавања, поред инвестиција у хардвер од приближно 51 милион долара. Ове бројке и даље не укључују трошкове за истраживање, припрему података, особље и неуспеле експерименте. Када се ови фактори узму у обзир, стварни трошкови развоја су у распону који, иако нижи од упоредивих бројки на Западу, не достиже драматичну величину често наведених бројки.

Структура трошкова развоја вештачке интелигенције је сама по себи тешка за разумевање. OpenAI никада није објавио прецизне бројке за GPT-4. Често цитирана процена од 100 милиона долара долази од Сема Алтмана, који је 2023. године говорио о трошковима обуке основних модела који су били знатно виши. Аналогне процене за новије моделе попут GPT-4o сугеришу да су трошкови знатно смањени захваљујући модерним техникама као што су специјализоване мреже стручњака, ефикасније методе и оптимизована инфраструктура. Неке анализе стављају трошкове обуке за GPT-4o између 5 и 16 милиона долара, што би значило да је разлика у трошковима у односу на DeepSeek знатно мања него што се јавно сматра.

Ипак, достигнуће компаније DeepSeek остаје изванредно. Компанија је тренирала свој V3 модел са скоро 2,8 милиона сати рада GPU-а на 2.048 H800 чипова током периода од два месеца. H800 је смањена верзија Nvidia-иног H100 за кинеско тржиште, са драстично смањеном брзином преноса података како би се испунили амерички извозни прописи. Ови чипови су знатно мање снажни од оригинала који се користе у западним центрима података или чак новијих Blackwell процесора. Чињеница да је DeepSeek био у стању да развије конкурентне моделе са овим ограниченим хардвером је прави пробој.

Архитектура „мешавине стручњака“ игра централну улогу. DeepSeek V3 има укупно 671 милијарду параметара, али активира само 37 милијарди израчунавања по речи. То значи да само део модела заправо ради на сваком упиту. Модел се састоји од многих специјализованих „стручњака“ и заједничког базе знања, са само неколико стручњака изабраних за сваки корак. Овај дизајн омогућава масовно повећање знања модела без пропорционалног повећања рачунарских трошкова. Сваки стручњак може се специјализовати за одређене теме, што резултира бољим перформансама и већом ефикасношћу.

Изазов са овим експертским приступом лежи у балансирању оптерећења. Ако су неки стручњаци стално тражени док други остају неактивни, јављају се проблеми са ефикасношћу. Традиционални приступи користе такозване „казнене функције“ које приморавају модел да подједнако користи све стручњаке. Међутим, ова метода често доводи до лошијих одговора, јер се не бира увек најбољи стручњак. DeepSeek је имплементирао паметну стратегију балансирања оптерећења без таквих вештачких казни, осигуравајући уравнотежено коришћење стручњака без угрожавања квалитета. Ова иновација је била кључна за успешно скалирање модела.

Кинески стратешки императив за иновације

Развој DeepSeek-а не може се разумети изоловано од геополитичког контекста. У октобру 2022. године, Сједињене Државе су драматично пооштриле контролу извоза AI чипова и производне опреме у Кину. Ове мере су имале за циљ да ограниче способност Кине да развија напредне AI системе и њихове војне примене. Nvidia је била приморана да развије чипове посебно модификоване за кинеско тржиште. A800 и H800 су се појавили као умањене верзије врхунских модела, са смањеним брзинама довољно да се испуне америчка извозна ограничења.

Године 2023, САД су поново пооштриле контроле, блокирајући чак и ова привремена решења. Истовремено, уведена су ограничења извоза високоперформансне меморије, кључне компоненте модерних вештачких интелигенцијских чипова. Ове мере су приморале кинеске компаније да развију алтернативе или да прибегну старијем, мање ефикасном хардверу. Хуавеј, некада глобални гигант у телекомуникацијама, био је ефикасно одсечен од приступа западној технологији чипова и приморан да развија сопствена решења. Иако Хуавејеви Ascend процесори постижу само делић перформанси по чипу у поређењу са Nvidia, они то могу делимично надокнадити кроз саму количину производње.

Подаци о производњи илуструју изазов. Очекује се да ће Хуавеј произвести око 200.000 вештачких интелигенцијских чипова у 2025. години, док је Кина била у могућности да легално увезе отприлике милион модификованих Нвидијиних чипова током истог периода. Штавише, разлика у перформансама се повећава. Анализе показују да су најбољи амерички чипови тренутно око пет пута снажнији од најбољих Хуавејевих понуда, а очекује се да ће се ова разлика драматично повећати до 2027. године. Чак и ако би Хуавеј масовно повећао своју производњу, компанија се и даље не би приближила рачунарској снази коју Нвидија испоручује широм света до 2027. године.

Ова ограничења су приморала кинеске програмере да постану радикално ефикасни. Оснивач компаније DeepSeek, Лианг Венфенг, рано је препознао ову потребу и, већ 2021. године, пре пооштравања контрола, купио је десет хиљада Nvidia A100 графичких процесора. Ова визионарска инвестиција дала је DeepSeek-у кључну предност у односу на конкуренте који су касније имали приступ само инфериорном хардверу. Бивши менаџер хеџ фонда применио је исто стратешко предвиђање које га је учинило успешним у финансијском сектору. Његов фонд, High-Flyer, управљао је милијардама и био је међу технолошки најнапреднијим финансијским компанијама у Кини.

Оснивање компаније DeepSeek у јулу 2023. године било је више од пуког експеримента. Лианг је развој вештачке опште интелигенције видео као кључни технолошки пројекат века и желео је да позиционира Кину на челу тога. У једном интервјуу је објаснио да су млади стартапови за вештачку интелигенцију добро позиционирани да се такмиче са етаблираним корпорацијама јер тржиште пролази кроз фундаменталну трансформацију. Одлучујући фактор, тврдио је, није било праћење старих правила, већ способност флексибилног прилагођавања и реаговања на промене.

Ова филозофија се одразила у развојном приступу компаније DeepSeek. Од самог почетка, компанија се фокусирала на постизање максималних резултата са ограниченим ресурсима. Док су западне компаније попут OpenAI и Anthropic улагале милијарде у све веће моделе и масивне центре података, DeepSeek је оптимизовао архитектуру, обуку и апликације ради ефикасности. Модел R1 је импресивно демонстрирао ову стратегију. Постигао је резултате на математичким задацима упоредиве са најбољим америчким моделима, али је захтевао архитектуру која је трошила знатно мање рачунарске снаге по одговору.

Нова димензија дигиталне трансформације са „Управљаном вештачком интелигенцијом“ – платформа и B2B решење | Xpert Consulting - Слика: Xpert.Digital

Овде ћете сазнати како ваша компанија може брзо, безбедно и без високих баријера за улазак имплементирати прилагођена решења за вештачку интелигенцију.

Управљана AI платформа је ваше свеобухватно и безбрижно решење за вештачку интелигенцију. Уместо да се бавите сложеном технологијом, скупом инфраструктуром и дуготрајним процесима развоја, добијате готово решење прилагођено вашим потребама од специјализованог партнера – често у року од само неколико дана.

Кључне предности на први поглед:

⚡ Брза имплементација: Од идеје до апликације спремне за употребу за дане, а не месеци. Нудимо практична решења која стварају тренутну додату вредност.

🔒 Максимална безбедност података: Ваши осетљиви подаци остају код вас. Гарантујемо безбедну и усклађену обраду без дељења података са трећим лицима.

💸 Без финансијског ризика: Плаћате само за резултате. Велика почетна улагања у хардвер, софтвер или особље су потпуно елиминисана.

🎯 Фокусирајте се на свој основни посао: Концентришите се на оно што најбоље радите. Ми се бринемо о целокупној техничкој имплементацији, раду и одржавању вашег вештачке интелигенције.

📈 Спремно за будућност и скалабилно: Ваша вештачка интелигенција расте са вама. Обезбеђујемо континуирану оптимизацију и скалабилност и флексибилно прилагођавамо моделе новим захтевима.

Више информација овде:

• Решење за управљану вештачку интелигенцију - Индустријске услуге вештачке интелигенције: Кључ конкурентности у секторима услуга, индустрије и машинства

Системски поремећаји и реакције тржишта

Објављивање DeepSeek R1 у јануару 2025. године послало је ударне таласе далеко изван техничких кругова. Берза је реаговала губицима за компаније које су значајно инвестирале у инфраструктуру вештачке интелигенције. Nvidia, чија је вредност у великој мери била заснована на претпоставци да ће потражња за њеним скупим чиповима наставити да расте, изгубила је вредност у року од неколико дана. Инвеститори су довели у питање да ли је најављена потрошња од стотина милијарди долара уопште неопходна ако кинески стартап може да постигне упоредиве резултате са делићем тог износа.

Реакција кинеских технолошких гиганата била је тренутна и одлучна. ByteDance, Tencent, Baidu и Alibaba драстично су смањили цене својих AI услуга. ByteDance-ов Doubao модел постао је скоро 99 процената јефтинији у односу на претходну годину. Ова снижења цена довела су до огромног пораста коришћења. Дневни упити су скочили са 120 милијарди на преко 500 милијарди у року од неколико месеци. Укупно тржиште AI услуга у Кини процењено је на релативно мале износе, што указује на изузетно ниске марже с обзиром на огромну количину коришћења.

Ове бројке илуструју проблем: Конкуренција се помера са квалитета вештачке интелигенције на ефикасност инфраструктуре и цену. Alibaba Cloud, лидер на тржишту у Кини, ипак је најавио милијарде инвестиција у инфраструктуру вештачке интелигенције. ByteDance такође планира масовне куповине чипова. Tencent, који је донекле заостајао у набавци чипова, надокнађује ово закупом рачунарских капацитета и коришћењем ефикасне технологије DeepSeek-а.

Консолидација тржишта се убрзава. Стручњаци предвиђају да ће се поље кинеских добављача вештачке интелигенције сузити на неколико главних играча. Победници ће бити они који своју технологију учине стандардом комбинујући перформансе са практичним применама. Овај процес одражава развој у другим технолошким секторима, где период брзих иновација прати консолидација, при чему опстају само компаније које поседују најбољу комбинацију технологије, обима и тржишне моћи.

Сличан тренд се одвија и на Западу. Доминација OpenAI-ја мерљиво опада. Тржишни удео ChatGPT-а је значајно опао, док је Google Gemini добио на значају. Ова промена је више од пуке статистичке флуктуације. Она сигнализира да се предност „првог на тржишту“ смањује, док конкуренти са успостављеним платформама сустижу. Google може да интегрише своју вештачку интелигенцију директно у Претрагу и Андроид, што представља структурну предност у односу на чистог добављача вештачке интелигенције.

Цене одражавају ову динамику. Западни добављачи попут Anthropic и OpenAI такође су снизили своје цене и увели ефикасније варијанте модела. Цена по милиону обрађених речи драматично је пала у последње две године. Овај развој догађаја сугерише да вештачка интелигенција постаје роба масовног тржишта. Када неколико добављача понуди сличан квалитет, цена ће постати одлучујући фактор, смањујући профит и чинећи обим још важнијим.

У вези са овим:

• Шта је боље: Децентрализована, федеративна, антифрагилна вештачка интелигенција инфраструктура или вештачка интелигенција гигафабрика или хиперскалирани вештачки дата центар?

Границе револуције расуђивања

Паралелно са повећањем ефикасности, десио се развој који је у почетку изгледао као следећи велики пробој. Такозвани „модели резоновања“, којима је потребно више времена за размишљање о проблемима и експлицитно обрађивање њихових корака, постигли су спектакуларне резултате. OpenAI-јев o1, DeepSeek-ов R1 и слични модели показали су импресивне могућности у математици и програмирању. Идеја је једноставна: ако моделу дате више времена да „размисли“ и дозволите му да формулише пут решења, одговори би требало да се побољшају.

Међутим, у јуну 2025. године, компанија Apple је објавила студију која је открила ограничења. Истраживачи су тестирали најсавременије моделе са логичким загонеткама чија се тежина могла прецизно контролисати. Резултати су били забрињавајући: модели су показали контрадикторно понашање. Њихов напор обраде се у почетку повећавао са сложеношћу, али се затим поново смањивао у одређеном тренутку, иако су имали довољно времена – и решења су постајала нетачна.

Студија је идентификовала три фазе. За једноставне проблеме, модели нормалног језика су често били бољи и економичнији од модела „мишљења“. За умерено тешке проблеме, процеси размишљања су нудили јасне предности. Међутим, за веома сложене проблеме, обе врсте модела су потпуно отказале. Не само да су заказале са малом разликом, већ су биле неспособне да пронађу чак ни приближно тачна решења.

Оно што је било посебно забрињавајуће јесте то што чак ни пружање исправне формуле за решење једва да је помогло. Модели су и даље отказивали на сличним нивоима тежине. То указује на то да проблеми леже дубље: Модели се муче да строго изврше логичке кораке и да провере сопствено резоновање.

Анализа „протокола размишљања“ открила је обрасце. За једноставне проблеме, модели су рано проналазили решење, али су затим настављали да се упуштају у непотребне детаље. Са високом сложеношћу, често су се губили на погрешном путу. Преко одређеног нивоа тежине, више нису били у стању да генеришу исправне приступе. Често су се фиксирали на ране, погрешне идеје и губили своје рачунарско време оправдавајући их уместо да исправљају грешку.

Једна друга студија упозорила је да би побољшање ових модела ускоро могло да стагнира. Иако постижу боље резултате на тестовима због огромног рачунарског напора, то их чини спорим и скупим. Економске последице су значајне: „Размишљајући“ модели коштају много пута више за рад од стандардних верзија. Ако ови модели не успеју да остваре очекиване продоре и достигну своје границе, поставља се питање да ли су велика улагања оправдана. Откриће да су једноставнији модели често ефикаснији сугерише да ће у будућности бити потребно прецизније бирати који је алат најпогоднији за који задатак.

У вези са овим:

• Аутономна физичка вештачка интелигенција (APAI): Тиха револуција децентрализоване интелигенције

Трка за инфраструктуру и енергетска глад

Упркос ефикаснијем софтверу, потрошња ресурса у индустрији расте. Прогнозе указују да ће потражња за електричном енергијом у центрима података драматично порасти до краја деценије. Удео апликација вештачке интелигенције у глобалној потрошњи електричне енергије у центрима података могао би се удвостручити. Огромне суме се улажу да би се задовољила ова потражња - трилиони долара широм света. Иницијативе попут „Звездане капије“ компаније OpenAI и њених партнера, или европски инвестициони програми, одражавају саме размере изазова.

Регионална дистрибуција се мења. Док Азија и Северна Америка тренутно предњаче, већина нових капацитета биће изграђена у САД. Европа такође планира масовна проширења, што би могло значајно повећати потражњу за електричном енергијом на континенту.

Истовремено, густина снаге у дата центрима се повећава. Пошто чипови вештачке интелигенције генеришу огромну количину топлоте у малом простору, хлађење постаје све већи изазов. Конвенционални системи климатизације често више нису довољни, због чега су потребни софистицирани системи за течно хлађење, који су заузврат скупи и сложени.

Тржиште показује знаке прегревања. Искоришћеност дата центара расте, што доводи до раста цена. Не очекује се да ће се ово смирити док се не заврши више грађевинских пројеката или док се раст потражње за вештачком интелигенцијом не успори. Међутим, ако ефикасне методе попут DeepSeek-ових постану широко распрострањене, потреба за новим дата центрима могла би бити мања него што се очекивало. То би довело у питање планирана огромна улагања и довело до прекомерног капацитета – ризика за свакога ко се кладио на стално растућу потражњу за хардвером.

Националне стратегије и технолошки суверенитет

Развој компаније DeepSeek је уско повезан са тежњом Кине ка независности. Петогодишњи планови су дали приоритет полупроводницима, а циљ самодовољности се остварује огромним напором. Нови прописи приморавају кинеске произвођаче чипова да користе више машина домаће производње. Државни фонд улаже еквивалент од скоро 50 милијарди долара у локалну индустрију чипова како би смањио зависност од Запада.

Ова политика има ефекат, у неким случајевима не онакав какав је био предвиђен. Раније су кинеске фабрике фаворизовале америчку опрему. Међутим, због америчких санкција, више нису имале избора и морале су да сарађују са домаћим добављачима, што је убрзало њихов развој. Кина би ускоро могла да контролише велики део глобалне производње једноставнијих чипова који се користе у аутомобилима и кућним апаратима.

Међутим, јаз остаје значајан када је у питању врхунска вештачка интелигенција. Хуавејеви чипови не могу да се такмиче са Нвидијиним по питању перформанси, а обим производње је пренизак. Чак ни масовно повећање производње не би годинама смањило јаз. Пошто потражња за рачунарском снагом расте брже од кинеске производње, недостатак ће се вероватно само погоршати.

Ово захтева креативна решења. Успех компаније DeepSeek се такође заснива на благовременој аквизицији Nvidia чипова. Други прибегавају шверцерским рутама или индиректним методама. Влада одговара контрамерама, као што су ограничења извоза ретких земних елемената и истраге западних технолошких компанија. Притисак на кинеске корпорације да купују домаће чипове расте, чак и ако су они технички инфериорни.

Регулаторни пејзаж и глобално управљање

Док су САД и Кина укључене у технолошку трку, ЕУ се фокусира на регулацију. „Закон о вештачкој интелигенцији“ је први свеобухватни закон о вештачкој интелигенцији на свету. Он забрањује посебно ризичне апликације и успоставља строга правила за моћне моделе вештачке интелигенције. Кршење закона подлеже великим казнама.

Европски приступ покушава да постави етичке стандарде без гушења иновација. Критичари се плаше неповољности за европске компаније, док заговорници виде дугорочну предност у погледу поверења и безбедности. Међутим, глобално, регулација остаје неуједначена. САД се ослањају на добровољне обавезе, док Кина даје приоритет државној контроли. Ова фрагментација отежава успостављање заједничких стандарда.

Питање безбедности вештачке интелигенције долази у фокус. Стручњаци упозоравају на ризике које представља надљудска интелигенција. Рокови за постизање такве „вештачке опште интелигенције“ (AGI) су се скратили. Водећи програмери више не говоре о деценијама, већ само о неколико година. Остаје да се види да ли је ово реално или је само маркетиншка помама, али индустрија се за то спрема.

Неуспели модели и стратешко преусмеравање

Кашњење наследног модела компаније DeepSeek, модела R2, показује да успех није загарантован. Првобитно планирано за раније издање, наишло је на проблеме. Покушаји да се модел обучи на кинеским Huawei чиповима очигледно су пропали упркос помоћи Huawei инжењера.

Компанија стога наставља да користи своје постојеће Nvidia залихе за обуку, али се све више мора ослањати на Huawei за примену модела – политички наложен компромис. Кашњења су довела до привременог пада интересовања корисника, јер конкуренција није мировала.

Још један проблем су подаци. Достизање следећег нивоа захтева више и боље податке за обуку. У земљама енглеског говорног подручја, ови подаци су лако доступни онлајн. У Кини је приступ висококвалитетним подацима тежи, делом због цензуре, а делом зато што велики део садржаја није јавно доступан. У комбинацији са инфериорним хардвером, ово успорава развој. Ако обука траје дуже и постаје изазовнија, предност у трошковима се смањује.

Структурне промене у индустрији вештачке интелигенције

Индустрија се суочава са трансформацијом. Претходни мото „више је боље“ – више података, више чипова, више новца – достиже своје границе или постаје претерано скуп. DeepSeek је показао да интелигентна архитектура може бити важнија од сирове снаге.

Ово има последице по инвеститоре. Они који су уложили милијарде у хардвер могли би се суочити са проблемима ако ефикаснији софтвер смањи потражњу. Истовремено, нови играчи имају шансу јер вам више није нужно потребно богатство да бисте учествовали.

Како перформансе вештачке интелигенције постају све јефтиније и сличније, сам модел више није једини фактор; важно је колико је добро интегрисан у производе. Гугл и Мајкрософт овде имају предност јер већ имају кориснике. Стартапи који се баве чистом вештачком интелигенцијом суочавају се са већим изазовима. Отворени код, или слободно доступан софтвер, игра све важнију улогу. Модели попут оних од DeepSeek-а или Meta-е су доступни свима, што убрзава иновације.

Истовремено, инвеститори се питају када ће новац почети да се враћа. ChatGPT има много корисника, али кошта богатство. Велики профити су још увек далеко. На тржишту рада појављују се нови послови за стручњаке за вештачку интелигенцију, док се једноставни канцеларијски задаци аутоматизују – друштвени изазов за који још увек нема лаких решења.

После хајпа око вештачке интелигенције: Сада почиње права битка за монетизацију

ДипСикове иновације означавају прекретницу. Оне доказују да се светска технологија може изградити чак и са ограниченим ресурсима. Ово доводи у питање претпоставку да само најбогатије америчке корпорације могу победити. Помера конкуренцију са „Ко има највише новца?“ на „Ко има најбоље инжењере?“.

Геополитички, јасно је да санкције могу успорити напредак, али могу и наметнути иновације. Кина гради сопствену индустрију под притиском. Економски смо тек на почетку. Цене падају, а модели постају свакодневна роба. Они који желе да победе у будућности морају не само да изграде добру вештачку интелигенцију, већ и да буду у стању да зараде новац помоћу ње.

Техничке препреке остају. Тренутне методе достижу своје границе, а да ли ћемо заиста ускоро видети интелигенцију сличну људској је неизвесно. Наредних неколико година ће показати да ли ће индустрија превазићи ове препреке или ће се хајпа угасити. Можда најважнија лекција DeepSeek-а уопште није техничке природе, већ стратешке: увек постоји други начин ако сте приморани да га пронађете.

☑️ Наш пословни језик је енглески или немачки

☑️ НОВО: Преписка на вашем матерњем језику!

Konrad Wolfenstein

Ја и мој тим смо срећни што вам можемо бити на располагању као ваш лични саветник.

Можете ме контактирати попуњавањем контакт форме овде или једноставно позовите на +49 89 89 674 804 ( Минхен) . Моја имејл адреса је: [email protected]

Радујем се нашем заједничком пројекту.

☑️ Подршка малим и средњим предузећима у стратегији, консултацијама, планирању и имплементацији

☑️ Креирање или реорганизација дигиталне стратегије и дигитализације

☑️ Проширење и оптимизација међународних продајних процеса

☑️ Глобалне и дигиталне B2B платформе за трговање

☑️ Пионирски развој пословања / Маркетинг / Односи с јавношћу / Сајмови

Искористите предности Xpert.Digital-овог опсежног, петоструког стручног знања у свеобухватном пакету услуга | Истраживање и развој, XR, односи с јавношћу и оптимизација дигиталне видљивости - Слика: Xpert.Digital

Xpert.Digital поседује дубинско знање у различитим индустријама. То нам омогућава да развијемо прилагођене стратегије прецизно усклађене са захтевима и изазовима вашег специфичног тржишног сегмента. Континуираном анализом тржишних трендова и праћењем развоја у индустрији, можемо деловати проактивно и понудити иновативна решења. Комбинација искуства и стручности ствара додатну вредност и пружа нашим клијентима одлучујућу конкурентску предност.

Више информација овде:

• Искористите предности 5 области стручности компаније Xpert.Digital у једном пакету – већ од 500 евра месечно