شرکت DeepSeek AI با سرعتی شگفت‌انگیز در حال دگرگون کردن افق‌های هوش مصنوعی می‌باشد. این شرکت با ابتکارات خود، به ویژه در زمینه افزایش بهره‌وری و کاهش هزینه‌ها، توانسته جایگاه قابل توجهی در رده‌بندی جهانی را از آن خود کند. موفقیت‌های اخیر دیپ‌سیک نشان می‌دهد که چگونه شرکت‌های نوپا می‌توانند با اتخاذ رویکردهای متفاوت، موازنه‌های قدرت در این حوزه را به چالش بکشند. این تحولات درها را به روی افق‌های جدید برای هوش مصنوعی چین و کاربردهای آن در سطح بین‌المللی می‌گشاید.
دیپ‌سیک؛ ظهور یک غول چینی در عرصه هوش مصنوعی
آزمایشگاه هوش مصنوعی دیپ‌سیک (DeepSeek AI) با معرفی مدل R1 در سال ۲۰۲۵، با اتکا به مفهوم معماری MoE (Mixture of Experts)، توانست پاسخ‌های هوش مصنوعی را با صرف هزینه‌ای بسیار پایین‌تر نسبت به رقبای خود تولید کند و به‌سرعت در عرصه صنعت هوش مصنوعی جایگاه ویژه‌ای به دست آورد. معرفی مدل R1 موجب افت محسوس قیمت سهام در فناوری جهانی گردید و به شرکت‌های غربی هوش مصنوعی نشان داد که چین در حوزه رقابت هوش مصنوعی عقب‌نشینی نکرده است.
این شرکت به‌تازگی مدل V4-Flash را معرفی کرده که هزینه اجرای آن بیش از ۹۰ درصد از مدل‌های مشابهی همچون Kimi K3، GPT-5.6 Sol و Claude Fable 5 به صرفه‌تر است. با این حال، مدل‌های مقرون‌به‌صرفه دیپ‌سیک تحت تأثیر محدودیت‌های اعمال شده توسط قوانین محلی چین قرار دارند که می‌تواند آینده‌ی رو به رشد شرکت را تحت تاثیر قرار دهد.
دیپ‌سیک به‌دست مهندس الکترونیک دانشگاه ژجیانگ، لیانگ ونفنگ (Liang Wenfeng)، بنیان‌گذاری شده که در سال ۲۰۲۳ با استفاده از سود حاصل از صندوق پوشش ریسک خود به نام High-Flyer، راه‌اندازی آن را تأمین مالی کرده است. این صندوق از علم ریاضیات و هوش مصنوعی در تصمیم‌گیری‌های سرمایه‌گذاری بهره می‌برد. در دور دوم جذب سرمایه دیپ‌سیک، این شرکت موفق به جذب حدود ۱۵ میلیارد دلار از سرمایه‌گذاران بزرگی نظیر Tencent Holdings و CATL گردید. ۲۷ درصد از این سرمایه دولتی است و صندوق ملی سرمایه‌گذاری در صنعت هوش مصنوعی چین نیز به اندازه ۱۵۰ میلیون دلار به این پروژه کمک کرده است.
لیانگ ونفنگ یکی از چهار کارآفرین نام‌آور چینی است که رسانه‌ها او را به‌عنوان «چهار شگفت‌انگیز چین» معرفی کرده‌اند که فرانک وانگ از DJI نیز در این جمع به چشم می‌خورد. گزارش‌ها حاکی از آن است که وانگ در مراحل اولیه تأسیس DJI از لیانگ خواسته بود به همکاری بپردازد. دیپ‌سیک در حال بررسی امکان عرضه اولیه سهام در بازار STAR بورس شانگهای است که معادل بورس نزدک آمریکا محسوب می‌شود.
معماری هوشمند و بهره‌وری دیپ‌سیک: تحول در بازار جهانی
با دستاوردهای دیپ‌سیک در زمینه بهره‌وری، لیانگ ونفنگ موفق به دستیابی به یک تمایز کلیدی در بازار پررقابت شده است که آینده شرکت‌های چند تریلیون دلاری را شکل می‌دهد. هنگام معرفی مدل R1، بازار جهانی، عملکرد محاسباتی هوش مصنوعی دیپ‌سیک را به‌عنوان یک چالش برای مدل‌های هوش مصنوعی که نیازمند منابع سنگین هستند، ساخته شده توسط شرکت‌هایی همچون OpenAI، تفسیر کرد. اگر هوش مصنوعی قدرتمندتر با نیازهای کمتری به تراشه‌های تولیدی شرکت‌هایی مانند انویدیا ایجاد شود، تقاضا برای این تراشه‌ها به‌طور قابل توجهی کاهش می‌یابد.
این تحولات در نتیجه، منجر به فروش گسترده سهام و کاهش ۵۸۹ میلیارد دلاری ارزش بازار انویدیا در یک روز شد که رکورد بزرگترین افت یک‌روزه در تاریخ بازار بورس ایالات متحده را به‌همراه داشت. پیش از اجرایی شدن کنترل‌های صادراتی آمریکا در سال ۲۰۲۲، صندوق پوشش ریسک High-Flyer تحت مدیریت لیانگ به همراه دیگر نهادهای چینی، اقدام به ذخیره‌سازی پردازنده‌های گرافیکی انویدیا برای کلاستر Fire-Flyer 2 خود کرده بود که بعدها در دیپ‌سیک به کار گرفته شد. این اقدام در راستای پیش‌بینی تحریم‌های بیشتر آمریکا انجام پذیرفت، چرا که عرضه تراشه‌ها به چین را مختل کرده بود. ایالات متحده در تلاش است تا با محدود کردن دسترسی چین به تراشه‌های GPU، از پیشرفت بی‌وقفه این کشور در زمینه فناوری جلوگیری کند. در واکنش به این محدودیت‌ها، چین به تولید تراشه‌های بومی خود روی آورده تا وابستگی به تراشه‌ها و ابزارهای تولید غربی را به حداقل برساند.
پیشرفت‌های دیپ‌سیک در زمینه کارایی محاسباتی هوش مصنوعی می‌تواند به‌کل صنعت هوش مصنوعی سود برساند؛ زیرا این امکان را فراهم می‌آورد که نیازهای سنگین مراکز داده که اکثر مدل‌های هوش مصنوعی را تامین می‌کنند، کاهش یابد. دیپ‌سیک به‌واسطه ترکیبی از معماری MoE، بهینه‌سازی سخت‌افزاری، تقطیر مدل و یادگیری تقویتی موفق به دستیابی به پیشرو بودن در بهره‌وری صنعت گردیده و به‌طور کلی هزینه‌های مربوط به آموزش مدل‌ها را تقلیل داده است.
معماری MoE این شرکت تنها از اجزای ضروری مدل برای انجام وظایف مشخص استفاده می‌کند که به‌طرز چشمگیری نیاز به منابع محاسباتی را کاهش می‌دهد. همچنین، دیپ‌سیک مدل‌های هوش مصنوعی خود را به نوعی بهینه‌سازی کرده است که به‌طور موثری بر روی GPUهای کم‌قدرت‌تر کار کنند؛ این پردازنده‌ها مقرون‌به‌صرفه‌تر و در دسترس‌تر هستند. دیپ‌سیک همچنین از تقطیر مدل استفاده می‌کند، به این صورت که مدل‌های بزرگتر و پیچیده‌تر، مدل‌های کوچک‌تر را آموزش می‌دهند و در عین حال بخش عمده‌ای از هوش مدل بزرگ را حفظ می‌کنند. این امر باعث کاهش تقاضای محاسباتی می‌شود. همچنین، روش‌های یادگیری تقویتی برای خودکارسازی فرآیند آموزش مدل‌ها به کار گرفته شده است که به‌این ترتیب وابستگی به داده‌های گران‌قیمت و دارای برچسب انسانی به حداقل می‌رسد.
نظرات کاربران