Kineski AI startup DeepSeek šokirao svijet, a najviše Silicijsku dolinu

Kada je Liang Wenfeng, osnivač kineskog startupa DeepSeek, počeo kupovati Nvidijine procesore, nitko ga nije shvaćao ozbiljno - svi su mislili da to radi za potrebe svog investicijskog fonda. A onda je došao s DeepSeekom i modelom R1

Kineski startup DeepSeek iz Hangzhoua šokirao je sektor umjetne inteligencije stvaranjem naprednog modela R1 i to koristeći značajno manje resursa nego što ih koristi konkurencija. Njihov jezični model DeepSeek V3, koji su razvili s vrlo skromnim sredstvima, pokazao se boljim od modela koje su stvorili tehnološki divovi poput Mete, OpenAI-ja i Anthropica.

Prvo iskustvo i novci od trgovanja dionicama
Liang Wenfeng, četerdesetogodišnji osnivač DeepSeeka, svoje je iskustvo s umjetnom inteligencijom stjecao na zanimljiv način - prvo je trgovao na financijskim tržištima, vodio je investicijski fond High-Flyer, gdje je naučio kako iskoristiti AI da bolje predviđa kretanja na tržištu. Uskoro je shvatio da i sam može krenuti u izgradnju svog LLM-a. Već 2021. godine počeo je kupovati grafičke procesore od Nvidije, i to na tisuće njih.

Nisu ga shvaćali ozbiljno
"Kad smo ga prvi put upoznali, bio je tipični štreberski tip s užasnom frizurom koji je pričao o tome kako želi složiti sustav od 10.000 čipova za treniranje svojih AI modela. Nismo ga shvaćali ozbiljno", prisjeća se jedan od Liangovih poslovnih partnera u razgovoru s novinarom FT-a.

"Nije baš znao objasniti svoju viziju - samo je ponavljao kako želi nešto izgraditi i kako će to sve promijeniti. Mislili smo da tako nešto mogu napraviti samo veliki igrači poput ByteDancea i Alibabe", dodao je.

No pokazalo se da je Liangova pozicija autsajdera u svijetu umjetne inteligencije zapravo bila njegova prednost. U svom investicijskom fondu High-Flyer stekao je bogatstvo koristeći umjetnu inteligenciju i algoritme. Njegov tim je postao posebno vješt u korištenju Nvidijinih čipova za zarađivanje na trgovanju dionicama i nije trebalo dugo da se krene u projekt.

Poveo je svoje najbolje ljude iz investicijskog fonda
Kad je u 2023. godini pokrenuo DeepSeek, najavio je da želi razviti umjetnu inteligenciju koja će se moći mjeriti s ljudskim sposobnostima. "Liang je okupio izvrstan tim stručnjaka koji stvarno razumiju kako čipovi rade", rekao je osnivač jedne konkurentske tvrtke. "Poveo je svoje najbolje ljude iz investicijskog fonda sa sobom u DeepSeek."

Međutim, početak je bio kontroverzan. Krajem prosinca 2023. godine DeepSeek se predstavljao kao ChatGPT, a njihova verzija V3 tvrdila je da je zapravo OpenAI-jev GPT-4 model. Ovo ponašanje vjerojatno proizlazi iz načina treniranja modela - postoji mogućnost da je DeepSeek tijekom učenja bio izložen tekstovima koje je generirao ChatGPT, što je dovelo do oponašanja.

Uložili samo 5,6 milijuna dolara
Tehničko dostignuće tvrtke posebno je impresivno. DeepSeek je uspješno istrenirao svoj R1 model, koji sadrži 671 milijardu parametara, koristeći samo 2.048 Nvidia H800 procesora i uloživši samo 5,6 milijuna dolara. Ovdje riječ "samo" nije suvišna, jer se obično piše o milijardama uloženih u druge slične platforme. Ova nevjerojatna učinkovitost resursa koje je skupio i uložila njegova ekipa značajno odudara od masivnih infrastrukturnih ulaganja koja obično zahtijevaju vodeće AI tvrtke.

Trebamo li brinuti?
Ključna, ali i šokantna sposobnost R1 modela leži u njegovim sposobnostima autonomnog učenja, što mu omogućuje napredak bez ljudskog nadzora. Može se reći da je stvorio nešto revolucionarno, ali u isto vrijeme i zastrašujuće - samorazvijajući LLM. Najbolje da nam na to pitanje odgovori sam DeepSeek R1 (vidi okvir). Odgovor koji smo dobili nije bio drugačiji od onog koji smo očekivali.

Koliko dugo može biti konkurentan
DeepSeek je stvorio novi model razvoja umjetne inteligencije koji bi mogle slijediti i druge tvrtke koje nemaju golema sredstva. Iako je teško natjecati se s američkim tvrtkama koje ulažu milijarde, DeepSeek je već promijenio način na koji gledamo razvoj AI-ja. Pokazali su da važna AI otkrića mogu nastati bilo gdje u svijetu, ne samo u velikim tehnološkim središtima.