Путь DeepSeek к 10 триллионам долларов: Используя открытый код, чтобы затронуть триллионные аппаратные экосистемы
Статья анализирует стратегию компании DeepSeek, предполагая, что её конечная цель выходит за рамки прямой монетизации моделей через подписки или API. Вместо этого, DeepSeek, по мнению автора, стремится радикально изменить экономику искусственного интеллекта за счёт фундаментальных инноваций в архитектуре моделей, что позволит снизить зависимость от дорогих и дефицитных компонентов, таких как HBM и мощные GPU.
Ключевые технические достижения DeepSeek — это модели смешанных экспертов (MoE), механизмы MLA, DSA, CSA и Engram, которые значительно сокращают объём KV Cache и потребность в вычислительных ресурсах. Это открывает возможность эффективного использования более доступных аппаратных компонентов: NAND/SSD для длительного хранения кэша и LPDDR для потоковой загрузки весов моделей и хранения Engram. Такие инновации могут стимулировать развитие нового, более доступного аппаратного экосистемы для ИИ, в частности, в Китае, где есть сильные производители памяти, но отставание в передовых чипах.
Таким образом, стратегия DeepSeek видится как игра на создание экосистемы стоимостью в триллионы долларов. Делая обучение и вывод ИИ-моделей значительно дешевле и менее зависимым от западных технологий, компания может претендовать на долю в этом будущем рынке, достигая собственной оценки в $1 трлн. Её открытый подход и сотрудничество с производителями оборудования (по аналогии со сделками OpenAI и AMD) могут стать основой для долгосрочного успеха, а не просто сиюминутной прибыли.
marsbit05/25 13:15
