Der wahre Wert von DeepSeek wird unterschätzt!
DeepSeek-R1 hat zweifellos eine neue Welle der Begeisterung auf den Markt gebracht. Nicht nur steigen die entsprechenden sogenannten Begünstigtenziele stark an, sondern einige Leute haben sogar DeepSeek-bezogene Kurse und Software entwickelt, um damit Geld zu verdienen.
Obwohl diese Phänomene ein gewisses chaotisches Element aufweisen und wir uns der damit verbundenen Risiken bewusst sein müssen, sind sie unserer Ansicht nach unbestreitbar Ausdruck der Neugier und Begeisterung der Öffentlichkeit für DeepSeek.
Zuvor habe ich die Bedeutung des Aufkommens von DeepSeek-R1 analysiert, aber heute möchte ich ausführlich auf die eigentliche Chance dahinter eingehen, nämlich die Popularisierung und den Erfolg von KI-Anwendungen zu fördern. Auf strategischer Ebene habe ich immer betont, dass kontinuierliche Investitionen zur Leistungssteigerung von entscheidender Bedeutung sind.
Wenn die Technologie ein bestimmtes Entwicklungsstadium erreicht hat, sollten Leistungsoptimierung und Energieeffizienz im Mittelpunkt stehen, um Kosten zu senken und die Wettbewerbsfähigkeit zu steigern. DeepSeek hat so viel Aufsehen erregt, weil es eine Modell DeepSeek-R1 mit einer Leistung, die mit dem OpenAI o1-Modell vergleichbar ist, zu weitaus geringeren Kosten als die der amerikanischen KI-Giganten wie OpenAI, Meta und Anthropic. Dies hat allen gezeigt, dass Chinas Technologiebranche möglicherweise die US-Eindämmung durchbrechen kann.
Darüber hinaus glaubten viele Experten vor einiger Zeit, dass das Skalierungsgesetz kurz vor dem Scheitern stehe. Mit zunehmender Größe der KI-Modelle werde es immer schwieriger, qualitativ hochwertige Daten zu erhalten, und der Grenzeffekt der Leistungsverbesserung werde allmählich nachlassen.
Darüber hinaus wird der starke Anstieg des Bedarfs an Rechenleistung für große KI-Modelle auch ernsthafte Probleme hinsichtlich Energieverbrauch und Umwelt mit sich bringen. Dies gibt den Menschen das Gefühl, dass der Ansatz von DeepSeek große Hoffnungen birgt, die Spitze der großen KI-Modelle zu erreichen.
Ich stimme jedoch weiterhin mit Huang Renxuns Ansicht überein, dass das Skalierungsgesetz weiterhin gültig ist. Durch eine Erhöhung der Investitionen in Kapital und Rechenleistung kann die Modellleistung immer noch kontinuierlich verbessert werden, und die Obergrenze für diese Art der Verbesserung ist definitiv viel höher als bei Leistungsoptimierung und Energieeffizienz. Mit anderen Worten: Wenn wir alle Details optimiert haben, die optimiert werden können, und dann die Leistung weiter verbessern möchten, können wir uns nur auf eine Erhöhung der Investitionen verlassen.
Wer sich ausschließlich auf die Leistungsoptimierung verlässt, kann daher auf lange Sicht möglicherweise nicht mit der Konkurrenz mithalten, die ständig Geld in die Leistungsverbesserung steckt.
Daher denke ich, dass wir die Spitzenwettbewerbsfähigkeit von DeepSeek immer noch nüchtern betrachten müssen. Andererseits könnte der tatsächliche Wert von DeepSeek unterschätzt worden sein.
Führende KI-Unternehmen wie OpenAI haben viele Ressourcen in das Trainieren und Optimieren von Modellen investiert, haben jedoch das Anwendungsproblem nicht gelöst und den Anwendungsmarkt zur Unterstützung der Entwicklung dieser Modelle nicht entwickelt.
Hohe Betriebskosten, komplexe Rechenprozesse sowie Probleme mit der Datensicherheit und dem Datenschutz führen zu einem anhaltend hohen Finanzierungsbedarf, was wiederum die weitere Expansion und Anwendung dieser Unternehmen im Bereich der künstlichen Intelligenz einschränkt.
Kann DeepSeek dieses Problem lösen? Dazu braucht man a sorgfältiger Einblick in das empfindliche Gleichgewicht zwischen Open Source und Closed Source, Leistungsverbesserung und Marktanwendung.
Einerseits unterscheidet sich der Open-Source-Ansatz von DeepSeek von anderen Modellen.
Im traditionellen Sinne bedeutet Open Source, dass der Code vollständig offen ist und jeder ihn frei verwenden, ändern und verteilen kann, während der Open-Source-Entwickler keinen Gewinn daraus ziehen kann. Im Bereich der KI geht es bei Open Source jedoch nicht nur um die Offenlegung des Codes, sondern vor allem um das Trainieren und Optimieren von Modellen.
DeepSeek macht die Modellstruktur öffentlich und stellt Open-Source-Modelle bereit, die vollständig trainiert und optimiert wurden, was nicht nur die Hemmschwelle für Benutzer senkt, sondern auch die Leistung des Modells sicherstellt. Gleichzeitig sammelt DeepSeek über Onlinedienste kontinuierlich Benutzerfeedback und -daten, um die Modellleistung kontinuierlich zu optimieren.
In Zukunft könnte es sogar möglich sein, Modellparameter basierend auf der Benutzernutzung in Echtzeit anzupassen und so effizientere und personalisierte Dienste bereitzustellen.
Ähnlich wie Meta wird die Open-Source-Strategie von DeepSeek in Zukunft auch Entwickler und Forscher aus der ganzen Welt zur Teilnahme anregen und so ein größeres kollaboratives Ökosystem bilden. Dieses Kooperationsmodell wird die Innovation und Anwendung der KI-Technologie erheblich fördern. Gleichzeitig wird DeepSeek durch diese Zusammenarbeit auch mehr technischen Support und Geschäftsmöglichkeiten erhalten, wodurch eine Win-Win-Situation entsteht.
Andererseits wird erwartet, dass DeepSeek das Problem der Inklusivität im aktuellen KI-Anwendungsprozess löst. Viele Unternehmen, die KI-Anwendungen entwickeln, erzielen bereits heute beträchtliche Umsätze. Dies zeigt, dass die KI-Technologie bereits ausgereift genug ist.
So hat beispielsweise Palantir, dessen Aktienkurs in letzter Zeit in die Höhe geschossen ist, seine Betriebseffizienz und damit seine Gewinnmargen durch den Aufbau einer eigenen KI-Plattform erheblich verbessert. Nicht nur erreichte sein Umsatz im vierten Quartal 800 Millionen US-Dollar, was die Markterwartungen weit übertraf und viele Leute schockierte, sondern auch die Zahl der Benutzer stieg deutlich um 43%.
Allerdings scheinen diese Erfolge immer noch nur großen Softwareunternehmen vorbehalten zu sein. Bei kleineren Unternehmen und Einzelpersonen sind die Möglichkeiten für Unternehmer und Startups immer noch begrenzt.
Mit der Einführung von DeepSeek wurde dieser Stillstand durchbrochen. Durch innovative Architektur und Trainingsmethoden konnte DeepSeek die Kosten für die Entwicklung und Nutzung von KI-Modellen erfolgreich senken und es so mehr Menschen ermöglichen, KI-Technologie auszuprobieren und zu nutzen. Dieser Ansatz wird nicht nur die Popularisierung der KI-Technologie fördern, sondern auch dazu beitragen, neue Anwendungsszenarien und -bedürfnisse zu entdecken.
Viele Unternehmen haben bereits kostengünstige Anwendungen mit den Open-Source-Modellen von DeepSeek entwickelt, was die Machbarkeit und den kommerziellen Wert des DeepSeek-Modells weiter beweist. Im Zuge der Weiterentwicklung von DeepSeek können weitere neue Entdeckungen oder Anwendungen entstehen, während das Open-Source-Modell mehr Benutzern die lokale Bereitstellung ermöglicht, was das Problem der Datensicherheit weiter angeht.
In Zukunft werden mit der Entstehung kostengünstiger und leistungsstarker KI-Lösungen immer mehr Menschen KI-Technologien nutzen. Auch werden sich ständig neue Anforderungen und Anwendungsszenarien ergeben, die die Entwicklung der gesamten KI-Branche vorantreiben.Ob es sich nun um den KI-Agenten oder den mehr Auch in ferner Zukunft wird die Entwicklung der KI niemals aufhören.
Zusammenfassend lässt sich sagen, dass DeepSeek die Entstehung einiger neuer Trends in der aktuellen KI-Branche fördern wird. Das heißt, dass die Entwicklung allgemeiner Technologien ausgereift ist und die Entwicklung unterstützender Technologien sowie die Anwendung und Kommerzialisierung von Technologien noch wichtiger werden.
In Zukunft wird die KI-Technologie mit der Entwicklung multimodaler Technologien und der kontinuierlichen Erweiterung der Anwendungsszenarien in mehr Bereichen eine wichtige Rolle spielen und auch aufstrebenden KI-Unternehmen wie DeepSeek mehr Entwicklungsmöglichkeiten und Raum bieten.
