DeepSeek فناوری ۱۰۰ میلیون دلاری را با ۵.۵ میلیون عرضه کرد

به گزارش تسنیم ، وال‌استریت با شوک بزرگی روبه‌رو شد! انتشار خبری از شرکت چینی DeepSeek درباره کاهش چشمگیر هزینه‌های آموزش هوش مصنوعی، موجب سقوط سنگین سهام NVIDIA و کاهش 600 میلیارد دلاری ارزش بازار این غول فناوری شد. تحلیلگران دو عامل کلیدی را دلیل این اتفاق می‌دانند:  

• کاهش هزینه آموزش مدل‌های هوش مصنوعی
• خودآموزی مدل‌ها و حذف وابستگی به بازخورد انسانی

اگرچه این ایده‌ها کاملاً جدید نیستند، اما کاهش هزینه‌ها به نقطه عطف اقتصادی منجر شده است. هوش مصنوعی در حال تبدیل شدن به یک بحث همگانی است. این تحول، پیامدهای عمیقی برای رهبران کسب‌وکارها و دولت‌ها خواهد داشت:  

•  محافظت از مدل‌های هوش مصنوعی در برابر رقبا یا کشورها تقریباً غیرممکن می‌شود.  
•  مزیت رقابتی مدل‌های پیشرو (Foundation Models) مانند GPT-4 به‌سرعت کمرنگ می‌شود.  
• دسترسی به فناوری هوش مصنوعی برای همه آسانتر و ارزانتر خواهد شد.  

کارشناسان پیش‌بینی می‌کنند کاربران نهایی برندگان اصلی این تغییر خواهند بود، اما شرکت‌ها و دولت‌ها باید استراتژ‌ی‌های خود را بازتعریف کنند.  

DeepSeek چیست؟ انقلابی در آموزش هوش مصنوعی

مدل DeepSeek-R1-Zero به‌عنوان اولین هوش مصنوعی در مقیاس بزرگ، تنها با استفاده از یادگیری تقویتی RL و بدون نیاز به بازخورد انسانی آموزش دید. این یعنی هوش مصنوعی اکنون می‌تواند به‌صورت خودمختار استدلال خود را بهبود بخشد. اگرچه نمونه‌های پیشینی مانند AlphaZero گوگل یا معماری‌های GAN نیز از مفاهیم مشابهی استفاده می‌کردند، DeepSeek نشان داد این فناوری در مقیاس صنعتی نیز کاربرد دارد.  

هزینه آموزش آخرین نسخه این مدل (DeepSeek-V3) تنها 5.576 میلیون دلار بود؛ رقمی که در مقایسه با هزینه حدود 100 میلیون دلاری آموزش GPT-4، کاهشی 18 برابری را نشان می‌دهد.  

فروریختن دیواره‌های انحصار در هوش مصنوعی

کارشناسان هشدار می‌دهند ایجاد «خندق رقابتی» در حوزه هوش مصنوعی دشوار است، چراکه مدل‌ها برپایه ریاضیات و داده‌های عمومی ساخته می‌شوند. منابعی که به‌راحتی در دسترس همه قرار می‌گیرند. حتی داده‌های اختصاصی نیز با ظهور الگوریتم‌های هوشمندانه، ارزش انحصاری خود را از دست می‌دهند. به‌عنوان مثال، مدل آلپاکای استنفورد با هزینه کمتر از 100 دلار و با استفاده از GPT-3 آموزش داده شد، در حالی که هزینه اولیه GPT-3 بیش از 4.6 میلیون دلار بود.  

تنها مزیت پایدار در این رقابت، برتری مهندسی است. DeepSeek با بهینه‌سازی مصرف منابع سخت‌افزاری، آموزش انتخابی بخش‌های خاص مدل و فشرده‌سازی حافظه در فرایند استنتاج، نشان داد چگونه می‌توان با سخت‌افزارهای سطح‌ پایین‌تر نیز به نتایج برتر دست یافت.  

پیامدهای اقتصادی؛ بازگشت به عصر کالاهای عمومی

کاهش هزینه‌ها و افزایش دسترسی به هوش مصنوعی، صنعت را به سمت «کالایی شدن» سوق می‌دهد. این تحول دو پیامد کلیدی دارد:  

• سرمایه‌گذاری‌های کلان بازدهی گذشته را نخواهند داشت: پروژه‌های میلیاردی مانند Stargate با سرمایه‌گذاری 500 میلیارد دلاری، ممکن است تنها با هزینه‌ای 27 میلیارد دلاری (با احتساب کاهش 18 برابری) یا حتی 11 میلیون دلاری (با الگوی آلپاکا) کپی شوند.  
• تحقیقات پیشرفته سودآوری خود را از دست می‌دهند: مدل‌های جدید میت‌وانند از دانش مدل‌های موجود برای آموزش خود استفاده کنند.  

محدودیت‌های فناوری نتیجه معکوس دارند؟

دولت ایالات متحده با اعمال ممنوعیت صادرات تراشه‌های پیشرفته به چین، قصد داشت توسعه هوش مصنوعی این کشور را کند کند. اما DeepSeek ثابت کرد محدودیت‌های سخت‌افزاری می‌تواند خلاقیت نرم‌افزاری را تقویت کند. این شرکت چینی با استفاده از سخت‌افزارهای سطح پایین‌تر و الگوریتم‌های بهینه‌شده، گوی سبقت را از رقبای آمریکایی ربود.  

چالش آینده؛ دموکراتیزه شدن هوش مصنوعی

پرسش اصلی اینجاست که چگونه می‌توان بازاری را مدیریت کرد که موانع ورود آن تقریباً از بین رفته است؟ هوش مصنوعی با سرعتی چشمگیر در حال تبدیل شدن به یک «فانوس دریایی» است؛ فناوری‌ای که هزینه توسعه آن توسط یک شرکت یا فرد، به نفع تمام جامعه تمام می‌شود. این دموکراتیزه شدن، فرصتی بی‌نظیر برای کاربران و کسب‌وکارها ایجاد می‌کند، اما در عین حال، دولت‌ها و شرکت‌ها را با چالش‌های جدیدی در زمینه رقابت و نظارت روبه‌رو خواهد کرد.