El modelo de IA sorprendentemente económico de Deepseek desafía las normas de la industria. La compañía afirma haber capacitado a su poderosa red neuronal Deepseek V3 por solo $ 6 millones utilizando 2048 GPU, competidores significativamente socavadores. Sin embargo, esta cifra solo refleja los costos de GPU previos al entrenamiento, omitiendo la investigación sustancial, el refinamiento, el procesamiento de datos y los gastos de infraestructura.
Imagen: Ensigame.com
La arquitectura innovadora de Deepseek V3 es clave para su eficiencia. Utiliza:
- Predicción de múltiples token (MTP): Predecir múltiples palabras simultáneamente para mejorar la precisión y la velocidad.
- Mezcla de expertos (MOE): Empleando 256 redes neuronales, activando ocho para cada token, acelerando la capacitación y mejorando el rendimiento.
- Atención latente de múltiples cabezas (MLA): Extraiga repetidamente detalles clave para minimizar la pérdida de información y capturar matices cruciales.
Imagen: Ensigame.com
A pesar del bajo reclamo de costos de capacitación, el semianálisis reveló la infraestructura sustancial de Deepseek: aproximadamente 50,000 GPU de la tolva NVIDIA (incluidas 10,000 H800, 10,000 H100 y GPU H20 adicionales) se extienden en múltiples centros de datos. Esto representa una inversión de servidor total de aproximadamente $ 1.6 mil millones, con costos operativos estimados en $ 944 millones. Esto contrasta fuertemente con el costo de pre-entrenamiento publicitado de $ 6 millones.
Imagen: Ensigame.com
Deepseek, una subsidiaria de High-Flyer, un fondo de cobertura chino, posee sus centros de datos, proporcionando control e implementación de innovación más rápida. Su naturaleza autofinanciada mejora la agilidad. La compañía atrae a los mejores talentos chinos, y algunos investigadores ganan más de $ 1.3 millones anuales. Si bien la rentabilidad de Deepseek es relativa, su éxito proviene de una inversión sustancial, avances tecnológicos y un equipo altamente calificado.
Imagen: Ensigame.com
La inversión general de la compañía en desarrollo de IA supera los $ 500 millones. Su estructura simplificada facilita la innovación eficiente en comparación con las organizaciones más grandes y burocráticas. Si bien la narrativa del "presupuesto revolucionario" está posiblemente inflada, los costos de capacitación modelo de Deepseek ($ 5 millones para R1) todavía socavan significativamente a los competidores como ChatGPT4O ($ 100 millones). En última instancia, Deepseek demuestra el potencial de una compañía de IA independiente bien financiada para competir de manera efectiva con los gigantes establecidos.
