в Америке падает технологический сектор
В дружественном Китае изобрели дешевый аналог CHat GPT, который не требует «ультра мощностей и триллионы киловатт мощностей» для работы. все скромно и со вкусом. Если надо доехать из Пекина до Шанхая сойдет и Omoda-как то так.
Deep Seek его зовут. Новый ИИ из Китая, к ужасу американцев на его строительство затратили 5 млн долл, что скорее всего полное вранье, но пугающее вранье, Микрософы и Мета уже тратят миллиарды для внедрения ИИ. Deep Seek показал весьма впечатляющие результаты работы.
Конкуренция. Давно пора
Альтман мне сразу не понравился. Он так хочет поскорее стать триллионером, что уже готов пойти на все
Прилагаю прогнозы аналитиков из США.
А что, если компаниям не придется тратить столько денег, сколько ожидается, на разработку моделей искусственного интеллекта?
Это главный вопрос, который волнует инвесторов в понедельник, учитывая вновь обретенное внимание к DeepSeek, китайскому приложению ИИ, которое поднялось на вершину американского App Store. Сообщается, что компания смогла построить модель, которая функционирует как ChatGPT от OpenAI, не тратя при этом столько же.
Уолл-стрит обеспокоена тем, что успех DeepSeek означает для таких компаний, как Nvidia Corp.
«Если инновации DeepSeek получат широкое распространение, можно утверждать, что затраты на обучение моделей могут существенно снизиться даже на гиперскейлерах в США, что может поставить под сомнение необходимость в 1 миллионе кластеров XPU/GPU, как прогнозируют некоторые», — написал аналитик Raymond James Шрини Паджури в записке для клиентов в минувшие выходные.
В статье под названием «Краткий обзор акций Nvidia» бывший количественный инвестор и нынешний предприниматель Web3 Джеффри Эмануэль сказал, что успех DeepSeek «свидетельствует о том, что вся отрасль чрезмерно выделяет вычислительные ресурсы».
Он добавил, что «рынки в конечном итоге находят способ обойти искусственные узкие места, которые генерируют сверхнормальную прибыль», а это означает, что Nvidia может столкнуться с «гораздо более сложным путем сохранения своей текущей траектории роста и маржи, чем предполагает ее оценка».
Но также стоит покопаться в цифрах, которые так беспокоят Уолл-стрит. В частности, вызывает смятение статья, в которой говорится, что создателю DeepSeek нужно было потратить 5,6 млн долларов на создание модели. Напротив, крупные технологические компании в США ежегодно тратят десятки миллиардов на капитальные затраты и выделяют большую часть этих средств на инфраструктуру ИИ.
Однако, по словам аналитика Bernstein Стейси Расгона, цифра в 5 миллионов долларов вводит в заблуждение. «Действительно ли DeepSeek «построил OpenAI за 5 миллионов долларов?» Конечно, нет», — написал он в записке для клиентов в минувшие выходные.
По словам Расгона, это число соответствует DeepSeek-V3, модели «смешанных экспертов», которая «благодаря ряду оптимизаций и умных методов может обеспечить аналогичную или лучшую производительность по сравнению с другими крупными фундаментальными моделями, но требует лишь небольшой доли вычислительных ресурсов для обучения».
Но цифра в 5 миллионов долларов «не включает все другие расходы, связанные с предыдущими исследованиями и экспериментами по архитектурам, алгоритмам или данным», продолжил он. И этот тип модели разработан «для значительного снижения затрат на обучение и запуск, учитывая, что только часть набора параметров активна в любой момент времени».
Между тем, по словам Расгона, у DeepSeek также есть модель R1, которая «кажется, вызывает большую часть беспокойства», учитывая ее сравнение с моделью o1 OpenAI. «В статье DeepSeek по R1 не были количественно оценены дополнительные ресурсы, которые потребовались для разработки модели R1 (вероятно, они также были существенными)», — написал Расгон.
Тем не менее, он считает, что «абсолютно верно, что цены DeepSeek опережают всех конкурентов: компания устанавливает цены на свои модели в 20–40 раз ниже, чем на эквивалентные модели OpenAI».
Но он не верит, что это «катастрофическая» ситуация для компаний, производящих полупроводники: «Нам по-прежнему понадобится и будет получено много чипов».
CJ Muse из Cantor Fitzgerald также увидел положительную сторону. «Инновации снижают стоимость внедрения и делают ИИ повсеместным», — написал он. «Мы рассматриваем этот прогресс как позитивный в потребности все большего и большего количества вычислений с течением времени (а не меньшего)».
Pajjuri из Raymond James высказал схожую точку зрения. «Более логичным выводом является то, что DeepSeek еще больше усилит необходимость среди американских гиперскейлеров использовать свое ключевое преимущество (доступ к графическим процессорам), чтобы дистанцироваться от более дешевых альтернатив», — написал он.
Кроме того, хотя опасения DeepSeek сосредоточены на стоимости обучения, он считает, что инвесторам следует также подумать о выводе. Обучение — это процесс демонстрации модели данных, которые научат ее делать выводы, а вывод — это процесс использования этой модели на основе новых данных.
Паджури утверждает, что «по мере снижения затрат на обучение может появиться больше вариантов использования ИИ, что приведет к значительному росту в области логического вывода», в том числе для таких моделей, как R1 от DeepSeek и o1 от OpenAI.
Однако Эмануэль написал, что DeepSeek, как говорят, «почти в 50 раз более эффективен в плане вычислений», чем популярные американские модели с точки зрения обучения, и, возможно, даже более эффективен, когда дело доходит до вывода.
Кажется, что этот день всегда должен был наступить — когда все имена искусственного интеллекта рухнут — но можно было бы подумать, что он придет, скажем, из предупреждения о прибыли от Nvidia. Вместо этого он исходит от того, что, по-видимому, является потребителем Nvidia, китайским поставщиком услуг ИИ DeepSeek.
В исследовательской работе DeepSeek дана количественная оценка затрат на обучение.
Он хорошо работает, поднявшись на первое место в американском магазине приложений Apple, но проблема не столько в производительности, сколько в обучении, стоящем за ним. Существуют разные утверждения о количестве чипов Nvidia, используемых компанией — 10 000 или 50 000, последнее примерно соответствует размеру кластера, на котором OpenAI обучает GPT-5, — но что потрясает рынки, так это то, насколько он был дешев. В собственной исследовательской работе DeepSeek указано, что затраты на обучение одной из его моделей составили менее 6 миллионов долларов. GPT-4 от OpenAI использовала для обучения вычислений примерно 78 миллионов долларов, в то время как Gemini Ultra от Google стоила 191 миллион долларов, согласно отчету Стэнфордского индекса искусственного интеллекта за 2024 год.
Не все в этом убеждены. Аналитик Citi Атиф Малик был среди скептиков, сомневающихся в бережливости DeepSeek. Реально то, что DeepSeek взимает с конечных пользователей значительно меньше — 14 центов за миллион входных токенов против 15 долларов за модель o1 OpenAI.
Итак, люди сначала продают, а потом задают вопросы.
, чей новый статус в клубе компаний с рыночной капитализацией в 1 триллион долларов внезапно оказался под угрозой. Президент Дональд Трамп только на прошлой неделе провел пресс-конференцию, на которой объявил о вложении до 500 миллиардов долларов в инфраструктуру искусственного интеллекта в рамках сделки с SoftBank
9984
Будет ли вся эта инфраструктура по-прежнему нужна?
Как бы сильно технологические акции ни падали, по крайней мере, в будущем, подпитываемом DeepSeek, им есть применение. А как насчет компаний, буквально питающих революцию ИИ, коммунальных предприятий и их поставщиков? В прошлом году Morgan Stanley прогнозировал, что энергопотребление ИИ может увеличиться с 3% потребления электроэнергии в США в 2023 году до 10% к концу десятилетия. Будет ли это по-прежнему так? Модель DeepSeek имеет открытый исходный код, поэтому, если их заявления выдержат критику, другие модели ИИ скопируют их методы и станут намного более энергоэффективными.
А в секторе энергетики группа акций, которая больше всего связана с революцией ИИ, — это акции ядерной отрасли. А
Джордж Саравелос, глобальный соруководитель отдела валютных исследований Deutsche Bank, рассматривает макроэкономическое влияние, если 1, и он подчеркивает, что это «если» — первоначальная интерпретация рынком R1 от DeepSeek как крупного и революционного технологического прорыва оказалась верной.
В долгосрочной перспективе это может позволить повысить производительность с меньшими затратами и быть полезным для глобального роста с более низкой инфляцией. Это в конечном итоге будет позитивно для рынков облигаций и акций.
Но краткосрочные и среднесрочные последствия могут быть проблематичными для инвесторов. «Самая ясная аналогия, которая приходит на ум, — это сворачивание [эры доткомов] 2000-х годов, когда внешний шок вызвал крупное секторальное сворачивание оценок и капитальных затрат в США с широкими макроэкономическими последствиями», — говорит Саравелос.
По его словам, это имело следующие последствия:
Распродажа акций, которая перекинулась на реальную экономику и привела к умеренной рецессии, вызванной сокращением капитальных расходов.
Как следствие, более мягкая политика ФРС и ралли на рынках облигаций.
Первоначально неоднозначная реакция на доллар США из-за неприятия риска, но в конечном итоге ослабление доллара из-за сокращения притока капитала и сокращения разницы в ставках по сравнению с остальным миром.
По словам Саравелоса, в связи с этим инвесторам следует также учитывать возросшую вероятность фискальных мер со стороны администрации Трампа, а также большую вероятность введения пошлин Китаем.
«В целом мы оцениваем входящий поток новостей как в конечном итоге работающий в отрицательном для доллара направлении, даже если первоначальная реакция рынка была положительной для доллара», — говорит он.
