הערך האמיתי של DeepSeek לא מוערכת!
DeepSeek-R1 ללא ספק הביא גל חדש של התלהבות לשוק. לא רק שהיעדי המוטבים הרלוונטיים כביכול עולים בחדות, אלא שחלק מהאנשים אפילו פיתחו קורסים ותוכנה הקשורים ל-DeepSeek בניסיון להרוויח מזה כסף.
אנו מאמינים שלמרות שלתופעות הללו יש אלמנט כאוטי מסוים, ועלינו להיות מודעים לסיכונים הכרוכים בכך, אין להכחיש שהן משקפות את הסקרנות וההתלהבות של הציבור מ-DeepSeek.
בעבר ניתחתי את המשמעות של הופעתו של DeepSeek-R1, אבל היום הייתי רוצה לדון לעומק בהזדמנות האמיתית מאחוריה, שהיא לקדם את הפופולריות והשגשוג של יישומי AI. ברמה האסטרטגית, תמיד הדגשתי שהשקעה מתמשכת לשיפור הביצועים היא קריטית.
כאשר הטכנולוגיה הגיעה לשלב מסוים של פיתוח, כוונון ביצועים ויעילות אנרגטית צריכים להפוך למוקד על מנת להפחית עלויות ולשפר את התחרותיות. DeepSeek עורר סערה כזו מכיוון שהוא אימן א דגם DeepSeek-R1 עם ביצועים דומים לדגם OpenAI o1 בעלות נמוכה בהרבה מזו של ענקיות AI אמריקאיות כמו OpenAI, Meta ו-Anthropic. זה הראה לכולם את האפשרות שתעשיית הטכנולוגיה של סין תפרוץ את הבלימה האמריקאית.
יתרה מכך, לפני זמן מה סברו מומחים רבים כי חוק קנה המידה עומד להיכשל. ככל שגודל דגמי הבינה המלאכותית יגדל, יהפוך קשה יותר ויותר להשיג נתונים באיכות גבוהה, והאפקט השולי של שיפור הביצועים ייחלש בהדרגה.
בנוסף, העלייה החדה בביקוש לכוח מחשוב עבור דגמי AI גדולים תביא גם לצריכת אנרגיה רצינית ולבעיות סביבתיות. זה גורם לאנשים להרגיש שלגישה של DeepSeek יש תקווה גדולה להגיע לטופ של דגמי AI גדולים.
עם זאת, אני עדיין מסכים עם השקפתו של Huang Renxun לפיה חוק קנה המידה עדיין תקף. הגדלת ההשקעה בהון ובכוח המחשוב יכולה עדיין לשפר באופן מתמיד את ביצועי המודל, והתקרה לשיפור מסוג זה היא בהחלט גבוהה בהרבה מכוונון ביצועים ויעילות אנרגטית. במילים אחרות, כאשר ביצענו אופטימיזציה של כל הפרטים שניתן לבצע אופטימיזציה, ואז נרצה לשפר עוד יותר את הביצועים, אנחנו יכולים רק לסמוך על הגדלת ההשקעה.
לכן, בטווח הארוך, ייתכן שהסתמכות על כוונון ביצועים בלבד לא תוכל לעמוד בקצב של מתחרים שממשיכים להזרים כסף לשיפור הביצועים.
לכן, אני חושב שאנחנו עדיין צריכים להסתכל בקור רוח על התחרותיות המתקדמת של DeepSeek. אבל מצד שני, יתכן שהערך האמיתי של DeepSeek הוזלת.
חברות AI מובילות כמו OpenAI השקיעו משאבים רבים בהכשרה ואופטימיזציה של מודלים, אך לא פתרו את בעיית האפליקציה ופיתחו את שוק האפליקציות כדי לתמוך בפיתוח המודלים הללו.
עלויות תפעול גבוהות, תהליכי מחשוב מורכבים ובעיות אבטחת מידע ופרטיות הביאו לביקוש גבוה מתמשך למימון, מה שמגביל גם את המשך ההתרחבות והיישום של חברות אלו בתחום הבינה המלאכותית.
האם DeepSeek יכול לפתור בעיה זו? זה מחייב א תובנה מדוקדקת לגבי האיזון העדין בין קוד פתוח לקוד סגור, שיפור ביצועים ויישום שוק.
מצד אחד, גישת הקוד הפתוח של DeepSeek שונה מדגמים אחרים.
במובן המסורתי, קוד פתוח פירושו שהקוד פתוח לחלוטין, וכל אחד יכול להשתמש בו, לשנות ולהפיץ אותו באופן חופשי, בעוד שמפתח הקוד הפתוח לא יכול להרוויח ממנו. עם זאת, בתחום ה-AI, קוד פתוח הוא לא רק פתיחת הקוד, אלא חשוב מכך, הדרכה ואופטימיזציה של מודלים.
DeepSeek הופך את מבנה המודל לציבורי ומספק דגמי קוד פתוח שעברו הכשרה מלאה ואופטימיזציה, מה שלא רק מוריד את הסף למשתמשים, אלא גם מבטיח את הביצועים של המודל. במקביל, DeepSeek גם אוסף ברציפות משוב ונתונים של משתמשים באמצעות שירותים מקוונים כדי לייעל באופן רציף את ביצועי המודל.
בעתיד, ייתכן שאפילו ניתן יהיה להתאים את פרמטרי המודל בזמן אמת על סמך שימוש המשתמש, ובכך לספק שירותים יעילים ומותאמים יותר.
בעתיד, בדומה ל-Meta, אסטרטגיית הקוד הפתוח של DeepSeek תמשוך גם מפתחים וחוקרים מכל העולם להשתתף, ותיצור מערכת אקולוגית שיתופית גדולה יותר. מודל זה של שיתוף פעולה יקדם מאוד את החדשנות והיישום של טכנולוגיית AI. במקביל, DeepSeek גם יזכה לתמיכה טכנית יותר והזדמנויות עסקיות משיתוף הפעולה הזה, תוך השגת מצב של win-win.
מצד שני, DeepSeek צפוי לפתור את בעיית ההכללה בתהליך היישום הנוכחי של AI. כיום, חברות רבות העוסקות ביישומי AI כבר השיגו הכנסות ניכרות, מה שמראה שטכנולוגיית AI כבר בשלה מספיק.
לדוגמה, פלנטיר, שמחיר המניה שלה זינק לאחרונה, שיפרה במידה רבה את היעילות התפעולית שלה ובכך את שולי הרווח שלה על ידי בניית פלטפורמת AI משלה. לא רק שההכנסות שלה ברבעון הרביעי הגיעו ל-800 מיליון דולר אמריקאי, עלו בהרבה על ציפיות השוק וזעזעו אנשים רבים, אלא שמספר המשתמשים גם גדל משמעותית ב-43%.
עם זאת, נראה שההצלחות הללו עדיין שייכות רק לחברות תוכנה גדולות. כשאנחנו מסתכלים על חברות ויחידים קטנים יותר, ההזדמנויות ליזמים וסטארטאפים עדיין מוגבלות.
הופעתו של DeepSeek שברה את המבוי הסתום הזה. באמצעות ארכיטקטורה ושיטות הדרכה חדשניות, DeepSeek הפחיתה בהצלחה את עלות הפיתוח והשימוש במודלים של AI, מה שמאפשר ליותר אנשים לנסות ולהשתמש בטכנולוגיית AI. גישה זו לא רק תקדם את הפופולריות של טכנולוגיית AI, אלא גם תעזור לגלות תרחישים וצרכים חדשים של יישומים.
חברות רבות כבר פיתחו אפליקציות בעלות נמוכה תוך שימוש במודלים של קוד פתוח של DeepSeek, מה שמוכיח עוד יותר את ההיתכנות והערך המסחרי של מודל DeepSeek. תגליות או יישומים חדשים נוספים עשויים להמשיך להופיע עם התפתחות DeepSeek, בעוד שמודל הקוד הפתוח מאפשר ליותר משתמשים ליישם פריסה מקומית, תוך התייחסות נוספת לנושא אבטחת הנתונים.
בעתיד, עם הופעת פתרונות בינה מלאכותית בעלות נמוכה ובעלי ביצועים גבוהים, יותר ויותר אנשים יתחילו להשתמש בטכנולוגיית בינה מלאכותית, וצרכים חדשים ותרחישי יישומים ימשיכו לצוץ, ובכך יקדמו את הפיתוח של תעשיית הבינה המלאכותית כולה.בין אם זה סוכן ה-AI או הזוגי יוֹתֵר בעתיד הרחוק, הפיתוח של AI לעולם לא ייפסק.
לסיכום, DeepSeek יעזור לקדם את הופעתן של כמה מגמות חדשות בתעשיית הבינה המלאכותית הנוכחית, כלומר, פיתוח טכנולוגיות למטרות כלליות הבשיל, ופיתוח טכנולוגיות תומכות ויישום ומסחור של טכנולוגיות יהפכו חשובים עוד יותר.
בעתיד, עם פיתוח טכנולוגיות מולטי-מודאליות והרחבה מתמשכת של תרחישי יישומים, טכנולוגיית AI תמלא תפקיד חשוב ביותר תחומים, והיא גם תספק יותר הזדמנויות פיתוח ומרחב לחברות בינה מלאכותית מתעוררות כמו DeepSeek.
