O modelo de IA surpreendentemente barato de Deepseek desafia os gigantes da indústria. O Deepseek V3 da startup chinês, com tecnologias inovadoras como previsão com vários toques (MTP), mistura de especialistas (MOE) utilizando 256 redes neurais e atenção latente de várias cabeças (MLA), reivindicou inicialmente um custo de treinamento de apenas US $ 6 milhões usando 2048 GPUs. Essa figura aparentemente baixa, no entanto, contrasta fortemente com os achados da semiânica, revelando uma infraestrutura maciça de aproximadamente 50.000 GPUs Nvidia (incluindo H800, H100 e H20) em vários data centers, representando um investimento total do servidor de aproximadamente US $ 1,6 bilhão e as despesas operacionais próximas US $ 944 milhões.
imagem: ensigame.com
imagem: ensigame.com
A Deepseek, uma subsidiária do High-Flyer Hedge Fund, possui seus data centers, promovendo a rápida inovação e otimização. Sua natureza autofinanciada e altos salários (alguns pesquisadores ganham mais de US $ 1,3 milhão por ano) atraem os principais talentos chineses, contribuindo para o seu sucesso. O número inicial de US $ 6 milhões reflete apenas custos de GPU pré-treinamento, omitindo pesquisas, refinamento, processamento de dados e despesas de infraestrutura. O investimento real da Deepseek no desenvolvimento da IA excede US $ 500 milhões. Apesar desse investimento significativo, sua estrutura enxuta permite inovação eficiente em comparação com concorrentes maiores e mais burocráticos.
imagem: ensigame.com
imagem: ensigame.com
Embora a reivindicação de "orçamento revolucionário" da Deepseek seja inflada, seu sucesso destaca o potencial competitivo de uma empresa de IA independente e bem financiada. O contraste é acentuado ao comparar os custos de treinamento: o R1 da Deepseek custou US $ 5 milhões, enquanto o ChatGPT-4 custou US $ 100 milhões, destacando o custo-efetividade relativa da Deepseek, mesmo com seu investimento geral substancial.
