Ce ne poate învăța DeepSeek despre costul și eficiența inteligenței artificiale

Cu sigla sa drăguță de balenă, lansarea recentă a DeepSeek ar fi putut fi doar o copie a ChatGPT. Ceea ce a făcut-o atât de comentată – și ceea ce a trimis acțiunile concurenților într-o spirală descendentă – a fost cât de puțin a costat să o creeze. A aruncat, în esență, o cheie engleză în mecanismul investițiilor necesare pentru a antrena un model de limbaj mare (LLM) cu funcționare ridicată.

DeepSeek ar fi cheltuit doar 6 milioane de dolari pentru a-și antrena modelul de inteligență artificială. Compară asta cu cei 80-100 de milioane de dolari pe care OpenAI i-a cheltuit pe Chat GPT-4 sau cu 1 miliardul de dolari pe care l-au alocat pentru GPT-5. DeepSeek pune la îndoială nivelul de investiții și lasă jucători importanți precum Nvidia (NVDA ) – a cărui valoare a acțiunilor a scăzut cu 600 de miliarde de dolari într-o singură zi – TSMC și Microsoft (MSFT ) îngrijorați cu privire la viabilitatea financiară pe termen lung a inteligenței artificiale. Dacă este posibil să se antreneze modele de inteligență artificială cu mult mai puțin decât se presupunea anterior, ce implicații are acest lucru pentru cheltuielile totale cu inteligența artificială?

Deși perturbarea creată de DeepSeek a condus la discuții importante, unele puncte cheie par a fi pierdute în haos. Cu toate acestea, știrile aduc în prim-plan o atenție mai mare asupra costurilor inovației și impactului economic posibil al inteligenței artificiale. Iată trei insight-uri importante care apar din această știre:

1. Eticheta de preț de 6 milioane de dolari a DeepSeek este înșelătoare

Companiile trebuie să înțeleagă costul total de proprietate al infrastructurii lor. Deși eticheta de preț de 6 milioane de dolari a DeepSeek a fost folosită mult, aceasta este probabil costul doar al rulării sale de pre-antrenare și nu al întregii investiții. Costul total – nu doar al rulării, ci și al construirii și antrenării DeepSeek – este probabil mult mai mare. Firma de analiză industrială SemiAnalysis a dezvăluit că compania din spatele DeepSeek a cheltuit 1,6 miliarde de dolari pentru hardware pentru a face modelul său de limbaj mare o realitate. Deci, costul real este probabil undeva la mijloc.

Oricare ar fi costul real, apariția DeepSeek a creat o atenție asupra inovației eficiente din punct de vedere al costurilor, care ar putea fi transformatoare. Inovația este adesea stimulată de limitări, iar succesul DeepSeek subliniază modul în care inovația poate apărea atunci când echipele de ingineri optimizează resursele în fața constrângerilor din lumea reală.

2. Inferența este ceea ce inteligența artificială valoroasă, nu antrenamentul

Este important să se acorde atenție costurilor de antrenament ale modelului de inteligență artificială, dar antrenamentul reprezintă doar o mică parte a costului total de a construi și a rula un model de inteligență artificială. Inferența — modurile multiple în care inteligența artificială schimbă modul în care oamenii lucrează, interacționează și trăiesc — este unde inteligența artificială devine cu adevărat valoroasă.

Acest lucru ridică paradoxul Jevons, o teorie economică care sugerează că pe măsură ce progresele tehnologice fac utilizarea unei resurse mai eficientă, consumul total al resursei respective poate, de fapt, să crească. Cu alte cuvinte, pe măsură ce costurile de antrenament scad, inferența și consumul agenților vor crește, iar cheltuielile totale vor urma această tendință.

Eficiența inteligenței artificiale poate, de fapt, duce la o creștere a cheltuielilor cu inteligența artificială, ceea ce ar trebui să ridice toate bărcile, nu doar pe cele chinezești. Presupunând că vor naviga pe valul eficienței, companii precum OpenAI și Nvidia vor beneficia și ele.

3. Ceea ce rămâne adevărat este că economia pe unitate este cea mai importantă

A face inteligența artificială mai eficientă nu este doar despre reducerea costurilor; este și despre optimizarea economiei pe unitate. The Motley Fool prezice că acest an va fi anul eficienței inteligenței artificiale. Dacă au dreptate, companiile ar trebui să acorde atenție reducerii costurilor de antrenament a inteligenței artificiale, precum și costurilor de consum a inteligenței artificiale.

Organizațiile care construiesc sau folosesc inteligență artificială trebuie să cunoască economia lor pe unitate, mai degrabă decât să se concentreze asupra unor cifre impresionante, cum ar fi costul de antrenament de 6 milioane de dolari al DeepSeek. Eficiența reală implică alocarea tuturor costurilor, urmărirea cererii conduse de inteligența artificială și menținerea unui control constant asupra raportului cost-valoare.

Economia pe unitate a cloud-ului (CUE) are de-a face cu măsurarea și maximizarea profitului generat de cloud. CUE compară costurile dvs. de cloud cu metricile de venit și cerere, arătând cât de eficientă este cheltuiala dvs. de cloud, cum s-a schimbat aceasta în timp și (dacă aveți platforma potrivită) cele mai bune moduri de a crește această eficiență.

Înțelegerea CUE are o utilitate și mai mare în contextul inteligenței artificiale, dat fiind că este în mod inerent mai scump să se consume decât serviciile cloud tradiționale vândute de hyperscalers. Companiile care construiesc aplicații agențiale ar putea calcula costul pe tranzacție (de exemplu, cost pe factură, cost pe livrare, cost pe tranzacție, etc.) și să folosească acest lucru pentru a evalua rentabilitatea serviciilor, produselor și funcțiilor conduse de inteligența artificială. Pe măsură ce cheltuielile cu inteligența artificială cresc, companiile vor fi nevoite să facă acest lucru; nicio companie nu poate arunca banii pe inovația experimentală la infinit. În cele din urmă, trebuie să aibă sens din punct de vedere comercial.

Spre o mai mare eficiență

Oricât de semnificativă ar fi cifra de 6 milioane de dolari, DeepSeek poate fi oferit un moment decisiv care trezește industria tehnologică la importanța inevitabilă a eficienței. Sperăm că acest lucru deschide porțile pentru antrenamentul eficient din punct de vedere al costurilor, inferență și aplicații agențiale care deblochează potențialul real și randamentul investiției în inteligența artificială.