Может ли DeepSeek сэкономить Китаю 1 триллион долларов?
Статья анализирует, как DeepSeek может радикально снизить затраты на инфраструктуру искусственного интеллекта в Китае за счет повышения эффективности оборудования, а не за счет снижения цен на чипы. Основная проблема современного ИИ — высокая зависимость от дорогих и дефицитных компонентов, особенно памяти HBM. В статье на примере будущей платформы Nvidia Vera Rubin (стоимостью около $7,8 млн) показано, как быстро растут расходы на память.
DeepSeek атакует эту проблему с помощью трех ключевых технологий в своей модели V4:
1. **Сжатие «памяти» (контекста):** Технология Multi-head Latent Attention (MLA) кардинально сокращает объем кэша KV, необходимого для длинных контекстов, без потери качества, что высвобождает дорогую память HBM.
2. **Эффективное использование «тела» модели:** Применяя архитектуру Mixture of Experts (MoE) и интеллектуальное распределение параметров, модель активирует только небольшую часть своих «экспертов» для каждой задачи, уменьшая нагрузку на высокоскоростную память.
3. **Повторное использование вычислений:** Система кэширования позволяет повторно использовать ранее вычисленные результаты (например, при многократном чтении одного документа), заменяя дорогие вычисления дешевым чтением из памяти.
В совокупности эти инновации позволяют, согласно автору, увеличить эффективную пропускную способность (производство токенов) на одном аппаратном обеспечении в 4 раза. Это эквивалентно экономии 75% капитальных затрат на оборудование для достижения того же уровня производительности.
В перспективе, с ростом ежедневного потребления токенов в Китае до триллионов, такая эффективность может привести к колоссальной экономии на строительстве дата-центров. Автор приводит расчет: если технология DeepSeek позволит избежать необходимости построить эквивалент 3,5 тыс. вычислительных центров (примерная стоимость — 2 млрд юаней каждый), общая экономия может приблизиться к 1 трлн долларов.
Таким образом, стратегическая цель DeepSeek — не просто сделать API дешевле, а изменить саму экономику ИИ-инфраструктуры. Это смещает фокус стоимости с самых дефицитных и уязвимых компонентов (передовые GPU и HBM) в сторону более доступных областей (оптимизация ПО, системная инженерия, стандартная память), где Китай имеет больше возможностей для развития. В итоге это может сделать передовые возможности ИИ более доступными для китайской промышленности.
marsbit06/03 00:49
