Những Điều DeepSeek Có Thể Dạy Chúng Ta Về Chi Phí và Hiệu Quả Của Trí Tuệ Nhân Tạo

Với biểu tượng cá voi dễ thương, việc phát hành gần đây của DeepSeek có thể chỉ là một bản sao khác của ChatGPT. Điều làm cho nó trở nên đáng chú ý – và làm cho cổ phiếu của các đối thủ cạnh tranh giảm mạnh – là chi phí thấp để tạo ra nó. Điều này đã tạo ra một cú hích vào quan niệm của Mỹ về khoản đầu tư cần thiết để đào tạo một mô hình ngôn ngữ lớn (LLM) có chức năng cao.

DeepSeek được cho là đã chi chỉ 6 triệu đô la để đào tạo mô hình AI của mình. So sánh điều này với 80-100 triệu đô la mà OpenAI đã chi cho Chat GPT-4 hoặc 1 tỷ đô la họ đã dành cho GPT-5. DeepSeek đã đặt câu hỏi về mức độ đầu tư này và khiến các công ty lớn như Nvidia (NVDA ) – giá trị cổ phiếu của họ đã giảm 600 tỷ đô la trong một ngày – TSMC và Microsoft (MSFT ) lo lắng về tính khả thi tài chính lâu dài của AI. Nếu có thể đào tạo mô hình AI với chi phí thấp hơn nhiều so với trước đây, điều này sẽ báo trước điều gì cho chi tiêu AI tổng thể?

Mặc dù sự gián đoạn của DeepSeek đã dẫn đến những cuộc thảo luận quan trọng, nhưng một số điểm chính dường như đang bị mất trong混乱. Tuy nhiên, tin tức này đã đưa ra một sự tập trung lớn hơn vào chi phí của sự đổi mới và tác động kinh tế có thể của AI. Dưới đây là ba nhận xét quan trọng phát sinh từ tin tức này:

1. Thẻ Giá 6 Triệu Đô La Của DeepSeek Là Sai Lầm

Các công ty cần phải hiểu tổng chi phí sở hữu (TCO) của cơ sở hạ tầng của họ. Mặc dù thẻ giá 6 triệu đô la của DeepSeek đã được nhắc đến nhiều, nhưng điều này có thể chỉ là chi phí của quá trình đào tạo trước chứ không phải toàn bộ khoản đầu tư. Chi phí tổng thể – không chỉ chạy, mà còn xây dựng và đào tạo DeepSeek – có thể cao hơn nhiều. Công ty phân tích ngành SemiAnalysis đã tiết lộ rằng công ty đứng sau DeepSeek đã chi 1,6 tỷ đô la cho phần cứng để làm cho LLM của họ trở thành hiện thực. Vì vậy, chi phí thực tế có thể nằm ở đâu đó ở giữa.

Bất kể chi phí thực sự là gì, sự ra đời của DeepSeek đã tạo ra một sự tập trung vào đổi mới hiệu quả về chi phí mà có thể là chuyển đổi. Đổi mới thường được thúc đẩy bởi những hạn chế, và thành công của DeepSeek nhấn mạnh cách đổi mới có thể xảy ra khi các đội ngũ kỹ sư tối ưu hóa tài nguyên của họ trong khuôn khổ của các hạn chế thực tế.

2. Sự Khả Dĩ Là Điều Làm Cho AI Có Giá Trị, Không Phải Là Đào Tạo

Điều quan trọng là phải chú ý đến chi phí đào tạo mô hình AI, nhưng đào tạo chỉ chiếm một phần nhỏ của tổng chi phí để xây dựng và chạy một mô hình AI. Sự khả dụng – những cách AI thay đổi cách con người làm việc, tương tác và sống – là nơi AI trở nên真正 có giá trị.

Điều này đưa ra nghịch lý Jevons, một lý thuyết kinh tế cho rằng khi tiến bộ công nghệ làm cho việc sử dụng một tài nguyên trở nên hiệu quả hơn, tổng tiêu thụ của tài nguyên đó có thể thực sự tăng lên. Nói cách khác, khi chi phí đào tạo giảm, khả dụng và tiêu thụ đại lý sẽ tăng, và tổng chi tiêu sẽ theo sát.

Hiệu quả của AI có thể thực sự dẫn đến một làn sóng chi tiêu AI tăng cao, điều này sẽ nâng cao tất cả các công ty, không chỉ các công ty Trung Quốc. Giả sử họ đi theo làn sóng hiệu quả, các công ty như OpenAI và Nvidia cũng sẽ được hưởng lợi.

3. Điều Còn Lại Là Kinh Tế Đơn Vị Là Điều Quan Trọng Nhất

Làm cho AI trở nên hiệu quả hơn không chỉ là về việc giảm chi phí; nó cũng là về tối ưu hóa kinh tế đơn vị. The Motley Fool dự báo rằng năm nay sẽ là năm của hiệu quả AI. Nếu họ đúng, các công ty nên chú ý đến việc giảm chi phí đào tạo AI cũng như chi phí tiêu thụ AI.

Các tổ chức xây dựng hoặc sử dụng AI cần phải biết kinh tế đơn vị của họ, chứ không phải chỉ tập trung vào các con số ấn tượng như chi phí đào tạo 6 triệu đô la của DeepSeek. Hiệu quả thực sự đòi hỏi phải phân bổ tất cả các chi phí, theo dõi nhu cầu được thúc đẩy bởi AI và liên tục theo dõi tỷ lệ chi phí-giá trị.

Kinh tế đơn vị đám mây (CUE) liên quan đến việc đo lường và tối đa hóa lợi nhuận được thúc đẩy bởi đám mây. CUE so sánh chi phí đám mây của bạn với các chỉ số doanh thu và nhu cầu, tiết lộ mức độ hiệu quả của chi tiêu đám mây của bạn, cách nó đã thay đổi theo thời gian và (nếu bạn có nền tảng phù hợp) cách tốt nhất để tăng hiệu quả đó.

Hiểu CUE có tính ứng dụng cao hơn trong bối cảnh AI, vì nó vốn đã đắt hơn để tiêu thụ so với các dịch vụ đám mây truyền thống được bán bởi các nhà cung cấp dịch vụ lớn. Các công ty xây dựng ứng dụng đại lý có thể tính toán chi phí mỗi giao dịch (ví dụ: chi phí mỗi hóa đơn, chi phí mỗi giao hàng, chi phí mỗi giao dịch, v.v.) và sử dụng điều này để đánh giá lợi nhuận của các dịch vụ, sản phẩm và tính năng cụ thể được thúc đẩy bởi AI. Khi chi tiêu AI tăng, các công ty sẽ buộc phải làm điều này; không có công ty nào có thể vứt bỏ vô hạn đô la vào đổi mới thử nghiệm mãi mãi. Cuối cùng, nó phải có ý nghĩa kinh doanh.

Hướng Đến Hiệu Quả Cao Hơn

Tuy nhiên ý nghĩa của con số 6 triệu đô la là gì, DeepSeek có thể đã cung cấp một khoảnh khắc then chốt giúp ngành công nghệ thức tỉnh về tầm quan trọng không thể tránh khỏi của hiệu quả. Hãy hy vọng điều này sẽ mở ra cánh cổng cho việc đào tạo, khả dụng và ứng dụng đại lý hiệu quả về chi phí, giúp mở khóa tiềm năng thực sự và ROI của AI.