O surgimento da Deepseek é uma "enorme oportunidade" para eles, não uma ameaça.
Código aberto significa que o código fonte do software pode ser disponibilizado gratuitamente na Web para modificação e redistribuição. Ao contrário dos concorrentes como o OpenAI, o modelo de Deepseek é de código aberto.
O R1 mostra que o crescimento não será dominado por uma empresa - não há hardware e software 'fosso' no modelo de código aberto.
O modelo de inferência R1 de código aberto da Deepseek, lançado no final do mês passado, é comparável à melhor tecnologia nos Estados Unidos e alcançou um desempenho de ponta a baixo custo, chocando o mercado global.
Assim como nos mercados de PC e da Internet, os preços da queda estão ajudando a impulsionar a adoção global. O mercado de IA está em um caminho de crescimento semelhante a longo prazo.
Chip de inferência 'explosão'
Ao acelerar o ciclo da IA da "fase de treinamento" para a "fase de inferência", é provável que o DeepSeek aumente a adoção da nova tecnologia de chip de inferência.
A inferência refere -se ao ato de usar a IA para tomar previsões ou decisões com base em novas informações, em vez da "fase de treinamento" dos modelos de construção ou treinamento.
O treinamento de IA é sobre a construção de uma ferramenta ou algoritmo, e o raciocínio é sobre colocar essa ferramenta em uso prático ".
O treinamento de IA requer muita computação, mas o raciocínio pode ser feito com chips menos poderosos que são programados para executar uma gama estreita de tarefas.
Muitos no setor acreditam que, à medida que os clientes adotam e criam o modelo de código aberto da Deepseek, eles vêem a crescente demanda por chips de inferência e computação.
A Deepseek demonstrou que modelos menores de código aberto podem ser treinados para serem tão poderosos, se não mais poderosos, do que grandes modelos proprietários por uma fração do custo. Com o uso generalizado de pequenos modelos funcionais, eles catalisavam uma era de raciocínio.
Ele também observou que a empresa viu recentemente uma duplicação de interesses de clientes em todo o mundo na aceleração de suas iniciativas de inferência.
Agora, as empresas estão mudando de gastos de clusters de treinamento para clusters de raciocínio. Só precisamos de mais e mais poder de computação para escalar esses modelos para milhões de usuários.
À medida que a demanda geral por IA cresce, as empresas menores terão mais espaço para crescer e, como o mundo precisará de mais tokens (unidades de dados processados pelos modelos de IA), a Nvidia não será capaz de fornecer chips suficientes para todos, para que nos dê a oportunidade de vender mais agressivamente ao mercado.