Herdefiniëren van AI: DeepSeek's strategie doorbreekt het paradigma van hoge uitgaven en hoge rekenkracht

Toen DeepSeek in januari zijn R1-model lanceerde, was het niet zomaar een andere aankondiging op het gebied van AI. Het was een keerpunt dat schokgolven door de tech-industrie zond en leiders dwong hun fundamentele benaderingen van AI-ontwikkeling te heroverwegen.

Wat DeepSeek's prestatie opmerkelijk maakt, is niet dat het bedrijf nieuwe capaciteiten heeft ontwikkeld; het gaat eerder om de manier waarop het vergelijkbare resultaten behaalde als de grote technologiebedrijven, maar dan tegen een fractie van de kosten. In werkelijkheid deed DeepSeek niets wat nog niet eerder was gedaan; de innovatie kwam voort uit het nastreven van andere prioriteiten. Hierdoor ervaren we nu een snelle ontwikkeling langs twee parallelle sporen: efficiëntie en rekenkracht.

Een cybersecurity-eerste AI-model

Terwijl DeepSeek zich voorbereidt om zijn R2-model uit te brengen, en tegelijkertijd geconfronteerd wordt met de mogelijkheid van nog strengere chipbeperkingen vanuit de VS, is het belangrijk om te kijken naar hoe het zoveel aandacht heeft getrokken.

Engineeren rond beperkingen

De komst van DeepSeek, zo plotseling en dramatisch als het was, boeide ons allemaal omdat het de capaciteit toonde voor innovatie om te gedijen, zelfs onder significante beperkingen. Geconfronteerd met Amerikaanse exportcontroles die de toegang tot geavanceerde AI-chips beperkten, was DeepSeek gedwongen alternatieve wegen naar AI-vooruitgang te vinden.

Terwijl Amerikaanse bedrijven prestatieverbeteringen nastreefden door krachtigere hardware, grotere modellen en betere data, concentreerde DeepSeek zich op het optimaliseren van wat beschikbaar was. Het implementeerde bekende ideeën met opmerkelijke uitvoering — en daar zit de vernieuwing in het goed uitvoeren van wat bekend is.

Deze efficiëntie-gedreven mindset leverde ongelooflijk indrukwekkende resultaten op. Het R1-model van DeepSeek zou naar verluidt de capaciteiten van OpenAI evenaren tegen slechts 5 tot 10% van de operationele kosten. Volgens rapporten kostte de laatste trainingsronde voor de V3-voorganger van DeepSeek slechts 6 miljoen dollar — wat door de voormalige Tesla AI-wetenschapper Andrej Karpathy werd omschreven als “een budget van een grap” in vergelijking met de tientallen of honderden miljoenen die door Amerikaanse concurrenten werden besteed. Opmerkelijker is dat, terwijl OpenAI naar verluidt 500 miljoen dollar uitgaf aan de training van zijn recente 'Orion'-model, DeepSeek superieure benchmarkresultaten bereikte voor slechts 5,6 miljoen dollar — minder dan 1,2% van de investering van OpenAI.

De ware situatie rond chipbeperkingen

Als je denkt dat deze ongelooflijke resultaten zijn behaald terwijl DeepSeek zich in een ernstige nadeelpositie bevond vanwege de onmogelijkheid om toegang te krijgen tot geavanceerde AI-chips, moet ik je teleurstellen; dat verhaal is niet helemaal accuraat (hoewel het een goed verhaal is). De initiële Amerikaanse exportcontroles waren voornamelijk gericht op rekenkracht, niet op geheugen en netwerken — twee cruciale componenten voor AI-ontwikkeling.

Dat betekent dat de chips waartoe DeepSeek toegang had, geen slechte kwaliteit chips waren; hun netwerkmogelijkheden en geheugen maakten het mogelijk om operaties over veel eenheden te paralleliseren, een belangrijke strategie om hun grote model efficiënt te laten draaien.

Dit, gecombineerd met de nationale inzet van China om de gehele verticale keten van AI-infrastructuur te beheersen, resulteerde in versnelde innovatie die veel westerse waarnemers niet hadden voorzien. De vooruitgangen van DeepSeek waren een onvermijdelijk onderdeel van de AI-ontwikkeling, maar ze hebben bekende vooruitgangen enkele jaren eerder naar voren gebracht dan anders mogelijk zou zijn geweest, en dat is behoorlijk indrukwekkend.

Pragmatisme boven proces

In plaats van vast te houden aan rigide processen, omarmde DeepSeek pragmatisme. Dit betekende dat het bedrijf niet alleen afhankelijk was van de nieuwste technologieën, maar ook creatief omging met wat er beschikbaar was. Door zich te concentreren op de uitvoering van bestaande concepten en het optimaliseren van hun toepassingen, konden ze sneller en effectiever resultaten behalen. Dit pragmatische denken stelt bedrijven in staat om zich aan te passen aan de veranderende omstandigheden, wat cruciaal is in de snel evoluerende wereld van AI.

Het is duidelijk dat de benadering van DeepSeek niet alleen innovatief is, maar ook een nieuwe standaard kan zetten voor hoe AI-ontwikkeling in de toekomst benaderd moet worden. Hun vermogen om te innoveren binnen beperkingen biedt een blauwdruk voor andere bedrijven die met soortgelijke uitdagingen worden geconfronteerd. Dit benadrukt het belang van aanpassingsvermogen en creativiteit in de technologie-industrie, vooral in een tijd waarin de concurrentie steeds heviger wordt.

Vertaald met ChatGPT gpt-4o-mini