DeepSeek Yapay Zeka Maliyeti ve Verimliliği Hakkında Bize Ne Öğretebilir?

Sevimli balina logosuyla DeepSeek'in yakın zamanda piyasaya sürülmesi, bir başka ChatGPT taklidinden başka bir şey olmayabilirdi. Onu bu kadar haber değeri taşıyan ve rakiplerin hisselerini düşüşe geçiren şey, yaratma maliyetinin ne kadar düşük olmasıydı. ABD'nin yüksek işlevli bir Büyük Dil Modeli (LLM) eğitmek için gereken yatırım kavramına etkili bir şekilde bir maymuncuk attı.

DeepSeek'in AI modelini eğitmek için yalnızca 6 milyon dolar harcadığı iddia ediliyor. Bunu OpenAI'nin Chat GPT-80'e harcadığı bildirilen 100-4 milyon dolar veya GPT-1 için ayırdıkları 5 milyar dolar ile karşılaştırın. DeepSeek bu yatırım seviyesini sorguluyor ve hisse senedi değeri bir günde 600 milyar dolar düşen Nvidia, TSMC ve Microsoft gibi büyük oyuncuları AI'nın uzun vadeli finansal uygulanabilirliği konusunda endişeli bırakıyor. AI modellerini daha önce varsayılandan önemli ölçüde daha düşük bir maliyetle eğitmek mümkünse, bu genel olarak AI harcamaları için ne anlama geliyor?

DeepSeek'in kesintiye uğraması önemli tartışmalara yol açmış olsa da, bazı temel noktalar karmaşada kayboluyor gibi görünüyor. Ancak, haberin ortaya çıkardığı şey, inovasyonun ne kadara mal olduğuna ve yapay zekanın olası ekonomik etkisine daha fazla odaklanılması. İşte bu haberden ortaya çıkan üç önemli içgörü:

1. DeepSeek'in 6 Milyon Dolarlık Fiyat Etiketi Yanıltıcı

Şirketlerin altyapılarının toplam sahip olma maliyetini (TCO) kavramaları gerekir. DeepSeek'in 6 milyon dolarlık fiyat etiketi çokça dile getirilmiş olsa da, bu muhtemelen tüm yatırımından ziyade sadece ön eğitim çalışmasının maliyetidir. Sadece çalıştırmanın değil, DeepSeek'i oluşturmanın ve eğitmenin toplam maliyeti muhtemelen çok daha yüksektir. Endüstri analisti firması YarıAnaliz DeepSeek'in arkasındaki şirketin LLM'sini gerçeğe dönüştürmek için donanıma 1.6 milyar dolar harcadığını ortaya çıkardı. Yani, muhtemel maliyet ortada bir yerdedir.

Gerçek maliyet ne olursa olsun, DeepSeek'in gelişi, dönüşümsel olabilecek maliyet açısından verimli inovasyona odaklanmayı yarattı. İnovasyon genellikle sınırlamalar tarafından teşvik edilir ve DeepSeek'in başarısı, mühendislik ekiplerinin gerçek dünya kısıtlamaları karşısında kaynaklarını optimize ettiklerinde inovasyonun nasıl gerçekleşebileceğinin altını çizer.

2. Yapay Zekayı Değerli Kılan Şey Eğitim Değil Çıkarımdır

Yapay zeka modeli eğitiminin maliyetine dikkat etmek önemlidir, ancak eğitim, bir yapay zeka modeli oluşturmanın ve çalıştırmanın toplam maliyetinin küçük bir kısmını oluşturur. sonuç — Yapay zekanın insanların çalışma, etkileşim ve yaşam biçimlerini değiştirmesinin çok çeşitli yolları — yapay zekanın gerçek anlamda değerli hale geldiği noktadır.

Bu, teknolojik ilerlemeler bir kaynağın kullanımını daha verimli hale getirdikçe, o kaynağın genel tüketiminin aslında artabileceğini öne süren bir ekonomik teori olan Jevons paradoksunu gündeme getirir. Başka bir deyişle, eğitim maliyetleri düştükçe, çıkarım ve aracı tüketim artacak ve genel harcama da buna uyacaktır.

Yapay zeka verimliliği, aslında, yalnızca Çinlileri değil, tüm gemileri kaldıracak olan yapay zeka harcamalarında yükselen bir dalgaya yol açabilir. Verimlilik dalgasına bindiklerini varsayarsak, OpenAI ve Nvidia gibi şirketler de bundan faydalanacaktır.

3. Gerçek olan şey, Birim Ekonomisinin En Önemli Olduğudur

Yapay zekayı daha verimli hale getirmek yalnızca maliyetleri düşürmekle ilgili değildir; aynı zamanda birim ekonomisini optimize etmekle de ilgilidir. Motley Fool, bu yılın Yapay zeka verimliliğinin yılı. Eğer haklılarsa, şirketlerin yapay zeka tüketim maliyetlerinin yanı sıra yapay zeka eğitim maliyetlerini de düşürmeye dikkat etmeleri gerekiyor.

Yapay zeka inşa eden veya kullanan kuruluşların, DeepSeek'in 6 milyon dolarlık eğitim maliyeti gibi etkileyici rakamları tek tek ele almak yerine, birim ekonomilerini bilmeleri gerekir. Gerçek verimlilik, tüm maliyetleri tahsis etmeyi, yapay zeka kaynaklı talebi izlemeyi ve maliyet-değer oranını sürekli olarak kontrol etmeyi gerektirir.

Bulut birim ekonomisi (CUE), bulut tarafından yönlendirilen kârı ölçmek ve maksimize etmekle ilgilidir. CUE, bulut maliyetlerinizi gelir ve talep ölçümleriyle karşılaştırır, bulut harcamalarınızın ne kadar verimli olduğunu, bunun zaman içinde nasıl değiştiğini ve (doğru platforma sahipseniz) bu verimliliği artırmanın en iyi yollarını ortaya koyar.

CUE'yi anlamak, hiper ölçekleyiciler tarafından satılan geleneksel bulut hizmetlerinden tüketimi doğal olarak daha pahalı olduğu için, bir AI bağlamında daha da büyük bir faydaya sahiptir. Aracı uygulamalar oluşturan şirketler, işlem başına maliyetlerini (örneğin fatura başına maliyet, teslimat başına maliyet, işlem başına maliyet, vb.) hesaplayabilir ve bunu belirli AI odaklı hizmetlerin, ürünlerin ve özelliklerin yatırım getirisini değerlendirmek için kullanabilirler. AI harcamaları arttıkça, şirketler bunu yapmak zorunda kalacaklar; hiçbir şirket deneysel inovasyona sonsuza dek sonsuz dolarlar harcayamaz. Sonunda, bunun iş açısından mantıklı olması gerekir.

Daha Büyük Verimliliğe Doğru

6 milyon dolarlık rakam ne kadar anlamlı olursa olsun, DeepSeek teknoloji sektörünü verimliliğin kaçınılmaz önemine uyandıran bir dönüm noktası sağlamış olabilir. Bunun, yapay zekanın gerçek potansiyelini ve yatırım getirisini ortaya çıkaran maliyet etkin eğitim, çıkarım ve aracı uygulamalar için kapıları açmasını umalım.