Todellinen arvo DeepSeek on aliarvioitu!
DeepSeek-R1 on epäilemättä tuonut markkinoille uuden innostuksen aallon. Sen lisäksi, että asiaankuuluvat ns. edunsaajatavoitteet nousevat jyrkästi, jotkut ihmiset ovat jopa kehittäneet DeepSeek:hen liittyviä kursseja ja ohjelmistoja yrittääkseen ansaita siitä rahaa.
Uskomme, että vaikka näissä ilmiöissä on tietty kaoottinen elementti, ja meidän on oltava tietoisia niihin liittyvistä riskeistä, on kiistatonta, että ne heijastavat yleisön uteliaisuutta ja innostusta DeepSeek:tä kohtaan.
Aiemmin analysoin DeepSeek-R1:n syntymisen merkitystä, mutta tänään haluan keskustella perusteellisesti sen takana olevasta todellisesta mahdollisuudesta, joka on AI-sovellusten popularisoinnin ja vaurauden edistäminen. Strategisella tasolla olen aina korostanut, että jatkuva panostaminen suorituskyvyn parantamiseen on ratkaisevan tärkeää.
Kun teknologia on saavuttanut tietyn kehitysvaiheen, suorituskyvyn virittämiseen ja energiatehokkuuteen tulisi keskittyä kustannusten alentamiseksi ja kilpailukyvyn parantamiseksi. DeepSeek on aiheuttanut tällaista kohua, koska se on kouluttanut a DeepSeek-R1 malli suorituskyky on verrattavissa OpenAI o1 -malliin huomattavasti halvemmalla kuin amerikkalaisten tekoälyjättien, kuten OpenAI, Meta ja Anthropic, hinta. Tämä on osoittanut kaikille Kiinan teknologiateollisuuden mahdollisuuden murtautua Yhdysvaltojen rajoituksen läpi.
Lisäksi jokin aika sitten monet asiantuntijat uskoivat, että skaalauslaki oli epäonnistumassa. Tekoälymallien koon kasvaessa korkealaatuisen datan saaminen vaikeutuu ja suorituskyvyn parantamisen marginaalinen vaikutus heikkenee vähitellen.
Lisäksi suurten tekoälymallien laskentatehon kysynnän voimakas kasvu tuo mukanaan myös vakavia energiankulutus- ja ympäristöongelmia. Tämä saa ihmiset tuntemaan, että DeepSeek:n lähestymistavalla on suuri toivo päästä suurten tekoälymallien huipulle.
Olen kuitenkin edelleen samaa mieltä Huang Renxunin kanssa siitä, että skaalauslaki on edelleen voimassa. Pääoma- ja laskentatehoinvestointien lisääminen voi silti parantaa mallien suorituskykyä jatkuvasti, ja tällaisen parannuksen katto on ehdottomasti paljon korkeampi kuin suorituskyvyn viritys ja energiatehokkuus. Toisin sanoen, kun olemme optimoineet kaikki optimoitavissa olevat yksityiskohdat ja haluamme parantaa suorituskykyä entisestään, voimme luottaa vain kasvaviin investointeihin.
Siksi pitkällä aikavälillä pelkkä suorituskyvyn säätämiseen luottaminen ei välttämättä pysty pysymään kilpailijoiden tahdissa, jotka jatkuvasti kaatavat rahaa suorituskyvyn parantamiseen.
Siksi mielestäni meidän on vielä tarkasteltava kylmäpäisesti DeepSeek:n huippuluokan kilpailukykyä. Mutta toisaalta, DeepSeek:n todellinen arvo on saatettu aliarvioida.
Johtavat tekoälyyritykset, kuten OpenAI, ovat investoineet paljon resursseja koulutukseen ja mallien optimointiin, mutta eivät ole ratkaisseet sovellusongelmaa ja kehittäneet sovellusmarkkinoita tukemaan näiden mallien kehitystä.
Korkeat käyttökustannukset, monimutkaiset laskentaprosessit sekä tietoturva- ja yksityisyysongelmat ovat johtaneet jatkuvaan korkeaan rahoituksen kysyntään, mikä rajoittaa myös näiden yritysten laajenemista ja soveltamista tekoälyn alalla.
Voiko DeepSeek ratkaista tämän ongelman? Tämä vaatii a huolellinen käsitys avoimen lähdekoodin ja suljetun lähdekoodin herkästä tasapainosta, suorituskyvyn parantamisesta ja markkinasovelluksesta.
Toisaalta DeepSeek:n avoimen lähdekoodin lähestymistapa eroaa muista malleista.
Perinteisessä mielessä avoin lähdekoodi tarkoittaa, että koodi on täysin avoin ja kuka tahansa voi vapaasti käyttää, muokata ja levittää sitä, kun taas avoimen lähdekoodin kehittäjä ei voi hyötyä siitä. Tekoälyn alalla avoin lähdekoodi ei kuitenkaan tarkoita vain koodin avaamista, vaan mikä tärkeintä, mallin koulutusta ja optimointia.
DeepSeek tekee mallirakenteesta julkisen ja tarjoaa avoimen lähdekoodin malleja, jotka on täysin koulutettu ja optimoitu, mikä paitsi alentaa käyttäjien kynnystä, myös varmistaa mallin suorituskyvyn. Samalla DeepSeek kerää jatkuvasti käyttäjäpalautetta ja dataa verkkopalveluiden kautta mallin suorituskyvyn jatkuvaa optimointia varten.
Jatkossa malliparametreja voi olla jopa mahdollista säätää reaaliajassa käyttäjien käytön perusteella, jolloin saadaan tehokkaampia ja yksilöllisempiä palveluita.
Tulevaisuudessa Metan tapaan DeepSeek:n avoimen lähdekoodin strategia houkuttelee myös kehittäjiä ja tutkijoita eri puolilta maailmaa osallistumaan ja muodostamaan suuremman yhteistyön ekosysteemin. Tämä yhteistyömalli edistää suuresti tekoälyteknologian innovointia ja soveltamista. Samaan aikaan DeepSeek saa myös enemmän teknistä tukea ja liiketoimintamahdollisuuksia tästä yhteistyöstä, mikä saavuttaa win-win-tilanteen.
Toisaalta DeepSeek:n odotetaan ratkaisevan osallisuutta koskevan ongelman nykyisessä tekoälyhakemusprosessissa. Tällä hetkellä monet tekoälysovelluksia valmistavat yritykset ovat jo saavuttaneet huomattavia tuloja, mikä osoittaa, että tekoälyteknologia on jo tarpeeksi kypsä.
Esimerkiksi Palantir, jonka osakekurssi on noussut viime aikoina pilviin, on suurelta osin parantanut toimintansa tehokkuutta ja siten myös voittomarginaaleja rakentamalla oman tekoälyalustan. Sen lisäksi, että sen liikevaihto neljännellä vuosineljänneksellä nousi 800 miljoonaan Yhdysvaltain dollariin, mikä ylitti selvästi markkinoiden odotukset ja järkytti monia ihmisiä, vaan myös käyttäjien määrä kasvoi merkittävästi 43%:llä.
Nämä onnistumiset näyttävät kuitenkin edelleen kuuluvan vain suurille ohjelmistoyrityksille. Kun tarkastellaan pienempiä yrityksiä ja yksityishenkilöitä, yrittäjien ja startup-yritysten mahdollisuudet ovat edelleen rajalliset.
DeepSeek:n ilmestyminen on rikkonut tämän umpikujan. Innovatiivisten arkkitehtuurien ja koulutusmenetelmien avulla DeepSeek on onnistuneesti vähentänyt tekoälymallien kehittämisen ja käytön kustannuksia, mikä mahdollistaa useamman ihmisen kokeilevan tekoälyteknologiaa. Tämä lähestymistapa ei ainoastaan edistä tekoälytekniikan popularisointia, vaan auttaa myös löytämään uusia sovellusskenaarioita ja tarpeita.
Monet yritykset ovat jo kehittäneet edullisia sovelluksia käyttämällä DeepSeek:n avoimen lähdekoodin malleja, mikä edelleen todistaa DeepSeek-mallin toteutettavuuden ja kaupallisen arvon. Lisää uusia löytöjä tai sovelluksia saattaa ilmaantua DeepSeek:n kehittyessä, kun taas avoimen lähdekoodin malli antaa useammalle käyttäjälle mahdollisuuden ottaa käyttöön paikallista käyttöönottoa, mikä lisää tietoturvaongelmaa.
Tulevaisuudessa edullisien ja tehokkaiden tekoälyratkaisujen ilmaantumisen myötä yhä useammat ihmiset alkavat käyttää tekoälyteknologiaa, ja uusia tarpeita ja sovellusskenaarioita ilmaantuu jatkuvasti, mikä edistää koko tekoälyteollisuuden kehitystä.Olipa kyseessä tekoälyagentti tai jopa lisää kaukaisessa tulevaisuudessa, tekoälyn kehitys ei pysähdy koskaan.
Yhteenvetona voidaan todeta, että DeepSeek auttaa edistämään joidenkin uusien trendien syntymistä nykyisellä tekoälyteollisuudella, eli yleiskäyttöisten teknologioiden kehitys on kypsynyt ja tukitekniikoiden kehittäminen sekä teknologioiden soveltaminen ja kaupallistaminen tulevat entistä tärkeämmiksi.
Tulevaisuudessa multimodaalisten teknologioiden kehittymisen ja sovellusskenaarioiden jatkuvan laajentumisen myötä tekoälyteknologia tulee olemaan tärkeässä roolissa useammilla aloilla, ja se tarjoaa myös lisää kehitysmahdollisuuksia ja tilaa nouseville tekoälyyrityksille, kuten DeepSeek:lle.
