DeepSeek: Η startup που αλλάζει τον χάρτη της τεχνητής νοημοσύνης

Ο περισσότερος κόσμος έμαθε την ύπαρξη της DeepSeek κατά τη διάρκεια του προχθεσινού τεχνολογικού sell off στα χρηματιστήρια, την βύθιση δηλαδή ουσιαστικά των μετοχών του τεχνολογικού κλάδου, ειδικά των εταιρειών που σχετίζονται με ημιαγωγούς, τεχνητή νοημοσύνη και κέντρα δεδομένων.

Στην πραγματικότητα τα στελέχη που είναι επιφορτισμένα με τη λήψη αποφάσεων, ιδιαίτερα σε εταιρείες που έχουν καθιερώσει την τεχνολογική πρωτοκαθεδρία των Ηνωμένων Πολιτειών, είχαν αρχίσει να κάθονται λίγο λιγότερο αναπαυτικά στις πολυθρόνες τους από τη στιγμή που η DeepSeek έκανε τις ανακοινώσεις της. Λίγο αργότερα, όταν η κινεζική εταιρεία όντως λάνσαρε το πρώτο της μοντέλο τεχνητής νοημοσύνης είναι βέβαιο ότι άρχισε να επικρατεί ανησυχία.

Το «χτύπημα» του 1 τρισ. και η «Μαύρη Δευτέρα» της Nvidia

Η αιτία είναι πολύ απλή. Τα τελευταία δύο και κάτι χρόνια έχουμε μάθει ότι η τεχνητή νοημοσύνη για να λειτουργήσει απαιτεί μεγάλη επεξεργαστική ισχύ (άρα προηγμένα και πανάκριβα τσιπ) και μεγάλο όγκο δεδομένων (άρα data centers). Τα οποία data centers χρειάζονται… άφθονη ενέργεια. Με αυτά τα δεδομένα είδαμε ράλι στις μετοχές των εταιρειών κατασκευής μικροτσίπ, ειδικά της Nvidia, τεράστια ζήτηση για νέα data centers μαζί με «δρόμους» για τη μεταφορά δεδομένων.

Επιπλέον, η δυνητική ανάγκη για νέα data centers, αποκλειστικά για την εξυπηρέτηση των αναγκών της τεχνητής νοημοσύνης, δημιούργησε με τη σειρά της άνοιγμα εκ νέου της συζήτησης για περαιτέρω χρήση της πυρηνικής ενέργειας.

DeepSeek: Και εγένετο… φθηνή AI

Έρχεται σε αυτό το σκηνικό μια κινεζική εταιρεία, η DeepSeek, και δηλώνει το επίσης πολύ απλό: φέρνω στην αγορά ένα γλωσσικό μοντέλο ανοιχτού κώδικα (το οποίο παρουσιάστηκε τον Δεκέμβριο), το οποίο χρειάστηκα δύο μήνες και λιγότερο από 6 εκατομμύρια δολάρια για να το κατασκευάσω. Μάλιστα, κερασάκι στην τούρτα είναι το γεγονός ότι το επίτευγμα της DeepSeek έγινε με τη χρήση τσιπ μειωμένης ικανότητας της Nvidia, συγκεκριμένα το μοντέλο H800.

Άρα, η DeepSeek είτε βρήκε έναν τρόπο να παρακάμψει τους αμερικανικούς εμπορικούς περιορισμούς στις εξαγωγές τεχνολογίας προς την Κίνα είτε ότι οι έλεγχοι των εξαγωγών δεν επιτυγχάνουν τους στόχους της Ουάσιγκτον.

Σε ένα σύνολο δοκιμών αναφοράς τρίτων, το μοντέλο της DeepSeek ξεπέρασε το Llama 3.1 της Meta Platforms, το GPT-4o της OpenAI και το Claude Sonnet 3.5 της Anthropic με ακρίβεια που κυμάνθηκε από επίλυση σύνθετων προβλημάτων έως μαθηματικά και κωδικοποίηση. Μάλιστα, την προηγούμενη Δευτέρα, πριν το sell off, η κινεζική εταιρεία κυκλοφόρησε το r1, ένα μοντέλο συλλογισμού που ξεπέρασε επίσης το τελευταίο o1 της OpenAI σε πολλές από αυτές τις δοκιμές τρίτων.

Ο πρώτος που απέδωσε τα εύσημα στην DeepSeek και στη δουλειά της ήταν την περασμένη Τετάρτη ο διευθύνων σύμβουλος της Μicrosoft, Σάτια Ναντέλα, λέγοντας ότι «το νέο μοντέλο της DeepSeek, είναι εξαιρετικά εντυπωσιακό από την άποψη του πώς έχουν κάνει πραγματικά αποτελεσματικό ένα μοντέλο ανοιχτού κώδικα που κάνει αυτόν τον υπολογισμό». «Θα πρέπει να πάρουμε πολύ, πολύ σοβαρά τις εξελίξεις από την Κίνα», είχε δηλώσει από το Παγκόσμιο Οικονομικό Φόρουμ στο Νταβός.

Τεχνολογικά, πολιτικά και οικονομικά… θέματα

Το θέμα είναι ότι μία κινεζική startup, εργαστήριο επί της ουσίας, που φέρεται να δημιουργήθηκε από ένα κινεζικό hedge fund που ονομάζεται High-Flyer Quant και διαχειρίζεται περίπου 8 δισεκατομμύρια δολάρια σε περιουσιακά στοιχεία, κατορθώνει να επιτύχει καλύτερα αποτελέσματα από τα πολυδιαφημισμένα μοντέλα AI της Δύσης.

Στην πολιτική διάσταση του θέματος, πώς κατάφερε η συγκεκριμένη εταιρεία και πέτυχε τα συγκεκριμένα αποτελέσματα εν μέσω αυστηρών περιορισμών στη χρήση προηγμένης αμερικανικής τεχνολογίας.

Στην οικονομική διάσταση του θέματος, μόλις προχθες είδαμε σε μία μόλις ημέρα να κλονίζεται ένα οικοδόμημα που είχε χτιστεί πάνω σε ένα πολύ συγκεκριμένο αφήγημα: ότι η τεχνητή νοημοσύνη είναι προνομιακός χώρος δράσης των αμερικανικών εταιρειών τεχνολογίας.

Αυτή η τελευταία διάσταση γεννά ένα πολύ σοβαρό ερώτημα: τα εκατοντάδες δισεκατομμύρια σε επενδύσεις τεχνητής νοημοσύνης θα οδηγήσουν ποτέ σε κέρδη αρκετά μεγάλα ώστε να δικαιολογήσουν τις πλούσιες αποτιμήσεις που παρέχονται στις μετοχές; Αυτό το ερώτημα δεν προέκυψε μετά το χθεσινό sell off, αντίθετα είναι κάτι που απασχολεί τον επενδυτικό κόσμο.

Τέλος, φαίνεται ότι η Δύση υποτίμησε κάτι που είναι ευρέως γνωστό. Το γεγονός ότι οι Κινέζοι έχουν την ικανότητα να αποκτούν πρόσβαση, να μελετούν, να αντιγράφουν και τελικά να προσφέρουν ένα φθηνότερο και κάποιες φορές πιο προηγμένο αντίγραφο προϊοντος. Οποιουδήποτε προϊόντος…