의 진정한 가치 DeepSeek 과소평가돼요!
DeepSeek-R1은 의심할 여지 없이 시장에 새로운 열광의 물결을 가져왔습니다. 관련된 소위 수혜자 타겟이 급격히 상승하고 있을 뿐만 아니라, 어떤 사람들은 그것으로 돈을 벌려고 DeepSeek 관련 과정과 소프트웨어를 개발하기도 했습니다.
이러한 현상은 어느 정도 혼란스러운 요소를 내포하고 있으며, 그에 따른 위험성을 인지해야 하지만, DeepSeek에 대한 대중의 호기심과 열정을 반영한다는 점은 부인할 수 없습니다.
이전에 저는 DeepSeek-R1의 등장의 중요성을 분석했지만, 오늘은 그 뒤에 있는 진정한 기회, 즉 AI 애플리케이션의 대중화와 번영을 촉진하는 것에 대해 심도 있게 논의하고 싶습니다. 전략적 수준에서 저는 항상 성과를 개선하기 위한 지속적인 투자가 중요하다고 강조해 왔습니다.
기술이 어느 정도 개발 단계에 도달하면 비용 절감과 경쟁력 강화를 위해 성능 튜닝과 에너지 효율성이 초점이 되어야 합니다. DeepSeek는 다음과 같은 파문을 일으켰습니다. DeepSeek-R1 모델 OpenAI o1 모델과 비슷한 성능을 보이는 반면 OpenAI, Meta, Anthropic과 같은 미국의 AI 거대 기업보다 훨씬 낮은 비용을 자랑합니다. 이는 모든 사람에게 중국의 기술 산업이 미국의 봉쇄를 돌파할 가능성을 보여주었습니다.
게다가 얼마 전 많은 전문가들은 스케일링 법칙이 곧 실패할 것이라고 믿었습니다. AI 모델의 크기가 커짐에 따라 고품질 데이터를 얻는 것이 점점 더 어려워지고 성능 개선의 한계 효과가 점차 약해질 것입니다.
또한, 대형 AI 모델에 대한 컴퓨팅 파워에 대한 수요가 급격히 증가함에 따라 심각한 에너지 소비와 환경 문제도 발생할 것입니다. 이로 인해 사람들은 DeepSeek의 접근 방식이 대형 AI 모델의 정상에 도달할 수 있는 큰 희망이 있다고 느낍니다.
그러나 나는 여전히 황런쉰의 스케일링 법칙이 여전히 유효하다는 견해에 동의합니다.. 자본과 컴퓨팅 파워에 대한 투자를 늘리면 모델 성능을 지속적으로 개선할 수 있으며, 이런 종류의 개선에 대한 한계는 성능 튜닝과 에너지 효율성보다 확실히 훨씬 높습니다. 다시 말해, 최적화할 수 있는 모든 세부 사항을 최적화한 다음 성능을 더욱 개선하고 싶을 때 투자를 늘리는 것에만 의존할 수 있습니다.
따라서 장기적으로 성능 튜닝에만 의존하면 성능 개선에 끊임없이 돈을 쏟아붓는 경쟁사를 따라잡는 데 실패할 수 있습니다.
따라서 저는 우리가 여전히 DeepSeek의 최첨단 경쟁력을 냉정하게 바라볼 필요가 있다고 생각합니다. 하지만 반면에 DeepSeek의 실제 가치는 과소평가되었을 수도 있다.
OpenAI 등 선도적인 AI 기업은 모델의 훈련과 최적화에 많은 리소스를 투자했지만, 응용 프로그램 문제를 해결하지 못하고 이러한 모델 개발을 지원하는 응용 프로그램 시장을 개발하지 못했습니다.
높은 운영 비용, 복잡한 컴퓨팅 프로세스, 데이터 보안 및 개인정보 보호 문제로 인해 자금 조달에 대한 수요가 지속적으로 높아졌고, 이로 인해 이들 기업이 AI 분야에서 더 이상 확장하고 응용하는 데 제약이 있습니다.
DeepSeek가 이 문제를 해결할 수 있을까요? 여기에는 다음이 필요합니다. a 오픈 소스와 클로즈드 소스, 성능 개선 및 시장 적용 간의 섬세한 균형에 대한 신중한 통찰력.
반면에 DeepSeek의 오픈 소스 접근 방식은 다른 모델과 다릅니다.
전통적인 의미에서 오픈 소스는 코드가 완전히 공개되어 누구나 자유롭게 사용, 수정, 배포할 수 있는 반면 오픈 소스 개발자는 수익을 얻을 수 없다는 것을 의미합니다. 그러나 AI 분야에서 오픈 소스는 단순히 코드를 공개하는 것이 아니라 더 중요하게는 모델 학습 및 최적화에 관한 것입니다.
DeepSeek는 모델 구조를 공개하고 완전히 훈련되고 최적화된 오픈 소스 모델을 제공하여 사용자의 임계값을 낮출 뿐만 아니라 모델의 성능을 보장합니다. 동시에 DeepSeek는 온라인 서비스를 통해 사용자 피드백과 데이터를 지속적으로 수집하여 모델 성능을 지속적으로 최적화합니다.
미래에는 사용자 사용에 따라 모델 매개변수를 실시간으로 조정하여 더욱 효율적이고 개인화된 서비스를 제공하는 것이 가능해질 수도 있습니다.
앞으로 DeepSeek의 오픈 소스 전략은 Meta와 마찬가지로 전 세계의 개발자와 연구자를 끌어 모아 더 큰 협업 생태계를 형성할 것입니다. 이러한 협력 모델은 AI 기술의 혁신과 응용을 크게 촉진할 것입니다. 동시에 DeepSeek는 이 협력을 통해 더 많은 기술 지원과 사업 기회를 얻어 윈윈 상황을 달성할 것입니다.
반면 DeepSeek는 현재 AI 적용 프로세스의 포괄성 문제를 해결할 것으로 기대된다. 현재 AI 응용 프로그램을 개발하는 많은 회사가 이미 상당한 수익을 달성했는데, 이는 AI 기술이 이미 충분히 성숙했다는 것을 보여줍니다.
예를 들어, 최근 주가가 급등한 Palantir는 자체 AI 플랫폼을 구축하여 운영 효율성과 이익 마진을 크게 개선했습니다. 4분기 매출이 8억 달러에 달해 시장 기대치를 크게 상회하고 많은 사람들을 놀라게 했을 뿐만 아니라 사용자 수도 43%로 크게 증가했습니다.
그러나 이러한 성공은 여전히 대형 소프트웨어 회사에만 속하는 듯합니다. 소규모 회사와 개인을 살펴보면 기업가와 스타트업의 기회는 여전히 제한적입니다.
DeepSeek의 등장으로 이러한 교착 상태가 깨졌습니다. 혁신적인 아키텍처와 교육 방법을 통해 DeepSeek는 AI 모델을 개발하고 사용하는 비용을 성공적으로 줄여 더 많은 사람들이 AI 기술을 시도하고 사용할 수 있게 했습니다. 이러한 접근 방식은 AI 기술의 대중화를 촉진할 뿐만 아니라 새로운 응용 시나리오와 요구 사항을 발견하는 데 도움이 될 것입니다.
많은 회사가 이미 DeepSeek의 오픈 소스 모델을 사용하여 저비용 애플리케이션을 개발했으며, 이는 DeepSeek 모델의 실행 가능성과 상업적 가치를 더욱 입증합니다. DeepSeek가 개발됨에 따라 더 많은 새로운 발견이나 애플리케이션이 계속 등장할 수 있으며, 오픈 소스 모델은 더 많은 사용자가 로컬 배포를 구현할 수 있도록 하여 데이터 보안 문제를 더욱 해결합니다.
앞으로는 저비용, 고성능 AI 솔루션이 등장함에 따라 점점 더 많은 사람들이 AI 기술을 사용하게 될 것이며, 새로운 요구와 응용 시나리오가 계속 등장하여 전체 AI 산업의 발전을 촉진할 것입니다.AI 에이전트이든 심지어 더 먼 미래에도 AI의 발전은 멈추지 않을 것이다.
요약하자면, DeepSeek는 현재 AI 산업에서 몇몇 새로운 추세가 출현하는 것을 촉진하는 데 도움이 될 것입니다. 즉, 범용 기술의 발전이 성숙해지고, 지원 기술의 개발과 기술의 응용 및 상용화가 더욱 중요해질 것입니다.
앞으로 멀티모달 기술이 발전하고 응용 시나리오가 지속적으로 확대됨에 따라 AI 기술은 더 많은 분야에서 중요한 역할을 하게 될 것이며, DeepSeek와 같은 신흥 AI 기업에 더 많은 개발 기회와 공간을 제공할 것입니다.
