DeepSeek vill inte längre bara konkurrera med modeller. Dess nya front riktar sig direkt mot NVIDIAs verksamhet, enligt Reuters

På drygt ett år har DeepSeek slutat låta som en raritet i den kinesiska industrin för att bli ett av de namn som redan dyker upp varje gång vi pratar om den globala rasen inom artificiell intelligens. Vi tittade först på den för dess modeller, för dess effektivitet och för den chock den orsakade utanför Kina. Nu börjar frågan flytta till en annan terräng: vad händer när ett företag som konkurrerar inom mjukvara förstår att nästa fördel kan ligga i chipsen som gör det möjligt att exekvera den där AI:n i stor skala.

Hoppet till hårdvara. Informationen som öppnar denna nya front kommer från Reuters. Byrån försäkrar, med hänvisning till tre personer som är bekanta med saken, att DeepSeek utvecklar sitt eget artificiella intelligenschip, som syftar till slutledningsuppgifter och inte utbildning av nya modeller.

Vi kommer att se den tekniska nyansen omedelbart, eftersom det ändrar läsningen av rörelsen ganska mycket. För närvarande är försiktighet obligatorisk: DeepSeek har inte offentligt bekräftat att projektet skulle vara i en tidig fas och företaget svarade inte på byråns begäran om kommentarer.

Nyckeln är slutsatsen. Det enklaste sättet att förstå detta är att tänka på vad som händer efter träningen.

När modellen väl är byggd kräver varje fråga vi ställer och varje svar vi får att den ska fungera igen. Det är inte en isolerad operation, utan en rutin som upprepas miljontals gånger om produkten fungerar. Det är därför ett chip designat för den fasen inte syftar så mycket till teknisk prestige som på något mer jordiskt: att göra användningen av AI billigare, snabbare och mindre beroende av tredje part.

Flytten förstås bäst om vi tittar på vad DeepSeek har varit beroende av hittills. Företaget har använt chips från NVIDIA och Huawei för att träna och köra sina modeller, inklusive basen som rymde R1, tränad på NVIDIA H800, ett chip designat för den kinesiska marknaden vars export till Kina förbjöds av Washington i slutet av 2023. Sedan dess har DeepSeek alltmer lutat sig mot Huawei: i april lanserades sin V4-modell som var anpassad till sin del av processorer och Huawei användes i Ascends-processorer och Huawei använde sin del av processorer.

DeepSeek är inte längre en fotnot: tills för inte så länge sedan verkade den globala debatten om AI nästan helt kretsa kring amerikanska företag som OpenAI, Google, Microsoft, Meta eller Anthropic. DeepSeek ändrade en del av den konversationen genom att visa att Kina också kunde tillverka modeller som kan cirkulera utanför sin inhemska marknad och tvinga industrin att vända sig till Hangzhou. Kom ihåg att företaget hyllades allmänt i Kina som en nationell AI-mästare.

I Xataka "Now we are SpaceXAI": Elon Musks två företag går samman eftersom Wall Street älskar enkelhet. Trenden syns redan i en bra del av sektorn. Google har utvecklat sina TPU:er i flera år, Amazon har Inferentia för slutledningsbelastningar, Microsoft har Maia och Meta fungerar på MTIA.

Reuters citerar också två senaste rörelser som är särskilt nära fallet: OpenAI tillkännagav sitt Jalapeño-chip i juni med Broadcom, också inriktat på slutledning, och Anthropic övervägde att designa sina egna chips. Mönstret är ganska tydligt: ​​stora AI-företag vill lita mindre på tredjepartsleverantörer och bättre kontrollera kostnaden, prestandan och tillgängligheten för den dator som driver deras tjänster. Det stora hindret är att tillverka den.

Att designa ett konkurrenskraftigt chip är inte detsamma som att vilja ha det. Att utveckla en AI-accelerator kräver vanligtvis år, mycket kapital och ett nätverk av design-, gjuteri- och minnespartners. För ett kinesiskt företag slutar inte heller problemet på den tekniska nivån: USA:s exportkontroller begränsar tillgången till de mest avancerade utländska fabrikerna och även till högbandsminne, en nyckelkomponent för denna typ av chips.

Tiderna förändras. NVIDIA kom fram till AI-boomen med en fördel byggd över årtionden: 1999 lanserade man GeForce 256, presenterad av företaget självt som branschens första GPU, och 2006 lanserade man CUDA, arkitekturen som hjälpte till att ta den parallella bearbetningen av dess chips bortom grafik. När modellerna började kräva enorma mängder beräkning hade jag redan hårdvaran och ekosystemet på plats.

I flera år, för stora delar av branschen, innebar det att konkurrera i AI att gå igenom dess marker. Vad DeepSeek-fallet antyder, med all försiktighet, är att detta beroende börjar få sprickor. Bilder | Xataka med nanobanan i Xataka | Samsung tjänar 19 gånger mer än för ett år sedan.

Investerare har reagerat genom att sänka aktien 7% (instagramScript) Nyheten DeepSeek vill inte längre konkurrera med modeller.