DeepSeek Apocalypse: Raksasa AI membakar miliaran dolar, banyak yang terbuang

Pada bulan Januari tahun ini, startup kecerdasan buatan DeepSeek merilis dua terobosan melalui model baru R1, dengan diam-diam mendefinisikan kembali ekonomi kecerdasan buatan.Model ini mencapai kinerja tertinggi pada 1/40 dari biaya model sebelumnyaPada bulan Desember 2024, model bahasa besar V3 DeepSeek telah mengurangi biaya pelatihan lebih dari 90%.

Dua terobosan DeepSeek menarik perhatian luas: Pertama,DeepSeek mengungkapkan bahwa meminta model AI untuk menguraikan proses penalaran mereka - pendekatan penelitian yang dikenal sebagai rantai pemikiran mendorong - meningkatkan akurasi dan efisiensiKedua, DeepSeek menggunakan kecerdasan buatan untuk menghasilkan set datanya sendiri, sepenuhnya independen dari pelabelan manual data.Sementara ada argumen bahwa DeepSeek tidak murah seperti yang diklaim, terobosan-terobosan ini pasti telah membuka era ekonomi AI yang baru.

Struktur biaya kecerdasan buatan berubah secara dramatis. setiap dolar peningkatan kinerja telah berdampak mendalam pada startup, aplikasi perusahaan,dan investasi infrastrukturPergeseran ini dapat membalikkan kekuatan pasar, akhirnya membantu startup yang lincah mengejar raksasa teknologi dalam jangka pendek sambil meningkatkan margin keuntungan.

Raksasa teknologi telah menginvestasikan lebih dari $100 miliar dalam pengembangan infrastruktur AI, dan terus meningkat.Sekarang mereka harus mempertimbangkan bagaimana menghasilkan laba atas investasi besar ini dan mempertahankan keunggulan atas algoritma terhadap yang lebih lincah, pesaing pasar yang lebih kecil. Di hadapan lingkungan yang berubah dengan cepat, raksasa teknologi dan perusahaan baru menghadapi sinyal yang jelas: memanfaatkan peluang kemajuan teknologi dengan cepat,atau dihilangkan.

Lanskap pasar AI sebelum dan setelah DeepSeek

Sebelum munculnya DeepSeek, startup berjuang untuk bersaing dengan pengeluaran infrastruktur oleh raksasa teknologi,yang mencurahkan miliaran dolar untuk membangun pusat data besar setiap kuartal dan mendapatkan keuntungan besar dari kemajuan teknologi kecerdasan buatanRaksasa ini tidak hanya memiliki sumber daya data yang besar, tetapi juga mengumpulkan sejumlah besar bakat doktor, dan kemajuan algoritma juga tergantung pada kekuatan teknis yang kuat.Jaringan distribusi yang sudah lama didirikan memungkinkan mereka untuk memindahkan produk dengan cepat ke pelanggan yang ada dan mempercepat kemajuan teknologi melalui loop umpan balik.

Hari ini, bagaimanapun, startup cukup besar untuk bersaing dengan raksasa teknologi.secara signifikan mengurangi keuntungan infrastruktur dari raksasa teknologiBiaya penalaran telah turun hampir seribu kali lipat dalam tiga tahun terakhir dan diperkirakan akan terus turun di masa depan.Durasi keuntungan algoritmik telah dikurangi menjadi 45-100 hari dan mungkin terus berkurang.

Ketika biaya pelatihan tidak lagi menjadi hambatan utama, kinerja inferensi (yaitu seberapa baik kinerja model AI dalam aplikasi real-time) menjadi fokus baru.model yang lebih murah yang menawarkan daya yang sebanding dengan model yang lebih besar dan dapat berjalan pada GPU kinerja yang lebih rendahJika produk AI yang lebih cerdas dapat dikirimkan dengan biaya yang sangat rendah, maka startup akhirnya memiliki kesempatan untuk mengalahkan raksasa teknologi sambil meningkatkan keuntungan.

Dengan tidak lagi perlu mempekerjakan sejumlah besar bakat tingkat PhD untuk mengumpulkan tim AI yang kompetitif, startup dapat berkembang,mengoptimalkan, dan mendistribusikan model dengan biaya yang jauh lebih rendah daripada raksasa teknologi.penantang dapat menikmati margin keuntungan yang lebih tinggi dengan cara yang sama seperti cloud startup mendapatkan keuntungan dengan meningkatkan unit ekonomi 15 tahun yang lalu.

Tren ini tidak hanya baik untuk startup. Hal ini juga menempatkan perusahaan seperti Nvidia pada risiko yang lebih besar. Setelah pengumuman DeepSeek, harga saham Nvidia turun 12%, meskipun sejak itu telah bangkit kembali.Risiko bagi pembuat chip meningkat karena permintaan beralih dari perangkat keras yang berfokus pada pelatihan ke solusi kesimpulan yang lebih efisienMunculnya unit pemrosesan saraf kelas konsumen (Npus) dapat mempercepat pergeseran ini, memungkinkan model AI untuk berjalan secara asli pada perangkat seperti smartphone dan laptop.

Belanja Kecerdasan Buatan

Apa yang baik untuk penantang adalah buruk untuk raksasa teknologi.Raksasa AI hampir secara naluriah mengikat dominasi DeepSeek dengan implikasi keamanan nasional dalam upaya untuk mengumpulkan dukungan untuk pengembangan teknologi serupa, mengabaikan fakta bahwa peneliti AS, termasuk di Universitas Stanford, telah mampu mereplikasi dan bahkan melampaui teknologi DeepSeek.perusahaan yang menginvestasikan sejumlah besar dalam proyek infrastruktur data mungkin bertanya: Apakah pengeluaran besar untuk penelitian dan pengembangan model AI sia-sia? Jika teknologi murah bekerja sama baiknya dengan teknologi mahal, mengapa menghabiskan begitu banyak uang?

Tren historis menunjukkan bahwa sebagian besar kemajuan AI memang bergantung pada investasi modal yang berlebihan dalam skala.melebihi apa yang dianggap optimal secara algoritmik pada saat itu. kemajuan teknologi baru membuktikan bahwa kita dapat mencapai kinerja yang sama dengan biaya yang lebih rendah. meskipun solusi yang efisien seperti DeepSeek telah secara signifikan meningkatkan efisiensi, meskipunEkspansi penyedia cloud hyperscale masih membutuhkan pusat data yang lebih besar dan harus menanggung biaya inferensi yang meningkat.

Namun, raksasa teknologi tidak duduk diam. kita sudah melihat perlombaan senjata untuk pencapaian DeepSeek, dengan orang-orang seperti model Gemini Google,Microsoft Azure AI Foundry dan Meta open source LLaMA semua bersaing untuk dominasi. Model open source dapat memainkan peran kunci. Mark Zuckerberg, CEO Meta, menekankan pentingnya AI yang dipersonalisasi - yaitu model yang disesuaikan dengan kebutuhan, budaya dan preferensi pengguna individu.Visi ini selaras dengan tren yang lebih luas dalam pengembangan AI: model yang lebih kecil dan lebih khusus yang mampu memberikan kinerja tinggi tanpa perlu infrastruktur cloud besar.

Startup memenangkan chip baru

Pada saat yang sama, raksasa open source dan closed source memiliki tujuan yang berbeda, semakin meningkatkan keunggulan pesaing.Model open source yang dibuat oleh perusahaan seperti Meta akan terus bersaing dan mengurangi biaya di seluruh ekosistem, sementara model sumber tertutup mencoba mengenakan biaya yang lebih tinggi melalui teknologi yang lebih baik.sambil meningkatkan margin keuntungan.

Terlepas dari ukuran bisnis, pesannya jelas: Manfaatkan keuntungan khusus yang tersedia untuk mereka - dinamika pasar, kekuatan komputasi dan bakat - dengan cepat atau menghadapi kegagalan.Siklus kemajuan teknologi semakin singkat, dari berbulan-bulan atau bahkan bertahun-tahun yang digunakan untuk menetapkan standar kinerja baru, untuk terobosan teknologi DeepSeek menunjukkan sekarang bisa mengambil hanya 41 hari.Inovasi berkembang dengan kecepatan yang belum pernah terjadi sebelumnya, dan ruang toleransi kesalahan cepat menyusut.