Den sande værdi af DeepSeek er undervurderet!
DeepSeek-R1 har uden tvivl bragt en ny bølge af entusiasme til markedet. Ikke alene stiger de relevante såkaldte modtagermål kraftigt, men nogle mennesker har endda udviklet DeepSeek-relaterede kurser og software i et forsøg på at tjene penge på det.
Vi mener, at selvom disse fænomener har et vist kaotisk element, og vi skal være opmærksomme på de involverede risici, er det ubestrideligt, at de afspejler offentlighedens nysgerrighed og entusiasme for DeepSeek.
Tidligere analyserede jeg betydningen af fremkomsten af DeepSeek-R1, men i dag vil jeg gerne diskutere i dybden den reelle mulighed bag det, som er at fremme populariseringen og velstanden af AI-applikationer. På det strategiske niveau har jeg altid understreget, at kontinuerlig investering for at forbedre ydeevnen er afgørende.
Når teknologien har nået et vist udviklingstrin, bør præstationsjustering og energieffektivitet være i fokus for at reducere omkostningerne og øge konkurrenceevnen. DeepSeek har skabt sådan en opsigt, fordi den har trænet en DeepSeek-R1 model med ydeevne, der kan sammenlignes med OpenAI o1-modellen til en pris, der er langt lavere end amerikanske AI-giganter som OpenAI, Meta og Anthropic. Dette har vist alle muligheden for, at Kinas teknologiindustri bryder igennem USA's indeslutning.
Desuden mente mange eksperter for noget tid siden, at skaleringsloven var ved at mislykkes. Efterhånden som størrelsen af AI-modeller øges, vil det blive sværere og sværere at opnå data af høj kvalitet, og den marginale effekt af præstationsforbedringer vil gradvist blive svækket.
Derudover vil den kraftige stigning i efterspørgslen efter computerkraft til store AI-modeller også medføre alvorlige energiforbrug og miljøproblemer. Dette får folk til at føle, at DeepSeeks tilgang har et stort håb om at nå toppen af store AI-modeller.
Jeg er dog stadig enig i Huang Renxuns opfattelse af, at skaleringsloven stadig er gyldig. Øgede investeringer i kapital og computerkraft kan stadig forbedre modellens ydeevne kontinuerligt, og loftet for denne form for forbedring er bestemt meget højere end justering af ydeevne og energieffektivitet. Med andre ord, når vi har optimeret alle de detaljer, der kan optimeres, og derefter ønsker at forbedre ydeevnen yderligere, kan vi kun stole på at øge investeringerne.
Derfor vil det i det lange løb muligvis ikke være i stand til at holde trit med konkurrenter, der bliver ved med at hælde penge ind i at forbedre ydeevnen, hvis man udelukkende stoler på ydelsesjustering.
Derfor mener jeg, at vi stadig skal tage et koldt blik på DeepSeek's banebrydende konkurrenceevne. Men på den anden side kan den faktiske værdi af DeepSeek være undervurderet.
Førende AI-virksomheder som OpenAI har investeret mange ressourcer i træning og optimering af modeller, men har ikke løst applikationsproblemet og udviklet applikationsmarkedet til at understøtte udviklingen af disse modeller.
Høje driftsomkostninger, komplekse computerprocesser og problemer med datasikkerhed og privatliv har resulteret i en konstant høj efterspørgsel efter finansiering, hvilket også begrænser den videre udvidelse og anvendelse af disse virksomheder inden for kunstig intelligens.
Kan DeepSeek løse dette problem? Dette kræver a omhyggelig indsigt i den delikate balance mellem open source og lukket kilde, præstationsforbedring og markedsapplikation.
På den ene side er DeepSeeks open source-tilgang anderledes end andre modeller.
I traditionel forstand betyder open source, at koden er fuldstændig åben, og enhver kan frit bruge, ændre og distribuere den, mens open source-udvikleren ikke kan drage fordel af det. Men inden for AI handler open source ikke kun om at åbne koden, men endnu vigtigere om modeltræning og optimering.
DeepSeek gør modelstrukturen offentlig og leverer open source-modeller, der er fuldt trænet og optimeret, hvilket ikke kun sænker tærsklen for brugerne, men også sikrer modellens ydeevne. Samtidig indsamler DeepSeek også løbende brugerfeedback og data gennem onlinetjenester for løbende at optimere modellens ydeevne.
I fremtiden kan det endda være muligt at justere modelparametre i realtid baseret på brugerbrug, og derved give mere effektive og personlige tjenester.
I fremtiden, i lighed med Meta, vil DeepSeeks open source-strategi også tiltrække udviklere og forskere fra hele verden til at deltage og danne et større kollaborativt økosystem. Denne samarbejdsmodel vil i høj grad fremme innovationen og anvendelsen af AI-teknologi. Samtidig vil DeepSeek også få mere teknisk support og forretningsmuligheder fra dette samarbejde, hvilket vil opnå en win-win situation.
På den anden side forventes DeepSeek at løse problemet med rummelighed i den nuværende AI-ansøgningsproces. På nuværende tidspunkt har mange virksomheder, der laver AI-applikationer, allerede opnået betydelige indtægter, hvilket viser, at AI-teknologien allerede er moden nok.
For eksempel har Palantir, hvis aktiekurs er steget i vejret på det seneste, i vid udstrækning forbedret sin operationelle effektivitet og dermed sine avancer ved at bygge sin egen AI-platform. Ikke alene nåede dens omsætning i fjerde kvartal 800 millioner amerikanske dollars, hvilket langt oversteg markedets forventninger og chokerede mange mennesker, men antallet af brugere steg også markant med 43%.
Disse succeser synes dog stadig kun at tilhøre store softwarevirksomheder. Når vi ser på mindre virksomheder og enkeltpersoner, er mulighederne for iværksættere og startups stadig begrænsede.
Fremkomsten af DeepSeek har brudt denne dødvande. Gennem innovativ arkitektur og træningsmetoder har DeepSeek med succes reduceret omkostningerne ved at udvikle og bruge AI-modeller, hvilket gør det muligt for flere mennesker at prøve at bruge AI-teknologi. Denne tilgang vil ikke kun fremme populariseringen af AI-teknologi, men også hjælpe med at opdage nye applikationsscenarier og behov.
Mange virksomheder har allerede udviklet billige applikationer ved hjælp af DeepSeeks open source-modeller, hvilket yderligere beviser gennemførligheden og den kommercielle værdi af DeepSeek-modellen. Flere nye opdagelser eller applikationer kan fortsætte med at dukke op, efterhånden som DeepSeek udvikler sig, mens open source-modellen giver flere brugere mulighed for at implementere lokal implementering, hvilket yderligere adresserer spørgsmålet om datasikkerhed.
I fremtiden, med fremkomsten af billige, højtydende AI-løsninger, vil flere og flere mennesker begynde at bruge AI-teknologi, og nye behov og applikationsscenarier vil fortsætte med at dukke op, hvilket fremmer udviklingen af hele AI-industrien.Uanset om det er AI-agenten eller lige mere fjern fremtid, vil udviklingen af kunstig intelligens aldrig stoppe.
For at opsummere vil DeepSeek hjælpe med at fremme fremkomsten af nogle nye tendenser i den nuværende AI-industri, det vil sige, at udviklingen af generelle teknologier er modnet, og udviklingen af understøttende teknologier og anvendelsen og kommercialiseringen af teknologier vil blive endnu vigtigere.
I fremtiden, med udviklingen af multimodale teknologier og den fortsatte udvidelse af applikationsscenarier, vil AI-teknologi spille en vigtig rolle på flere områder, og den vil også give flere udviklingsmuligheder og plads til nye AI-virksomheder som DeepSeek.
