Исключительное воздействие ИИ на рынок криптоактивов

В последнее время в сфере ИИ наблюдается неожиданный тренд, который влияет на рынок неожиданным образом. Этот тренд не является слиянием ИИ и криптоактивов, а представляет собой цепной удар ИИ по традиционным капиталовложениям и рынку криптоактивов.

27 января загрузки китайской AI модели DeepSeek впервые превысили ChatGPT и стали лидером в американском App Store. Эта новость вызвала широкий интерес в глобальных технологических, инвестиционных и медийных кругах.

Это событие не только заставляет задуматься о возможных изменениях в будущем технологическом ландшафте США и Китая, но и вызвало кратковременное состояние паники на американском фондовом рынке. В результате этого акции нескольких технологических гигантов значительно упали в цене, среди них акции NVIDIA упали на 5,3%, ARM на 5,5%, Broadcom на 4,9%, а TSMC на 4,5%. Кроме того, акции таких компаний, как Micron, AMD и Intel, также снизились. Фьючерсы на Nasdaq 100 расширили падение до 400 пунктов, что может стать самым большим однодневным падением в последнее время. По оценкам, рыночная капитализация американского фондового рынка в этот день могла сократиться более чем на 1 триллион долларов.

Криптоактивы, следуя за тенденциями американского фондового рынка, также показали значительное снижение. Цена биткойна упала ниже 40500 долларов, за 24 часа снижение составило 4,48%. Эфириум упал ниже 3200 долларов, за 24 часа снижение составило 3,83%. Многие инвесторы испытывают замешательство из-за этого быстрого падения криптоактивов, некоторые предполагают, что это может быть связано с понижением ожиданий по снижению процентной ставки Федеральной резервной системы или другими макроэкономическими факторами.

Кажется, источник панических настроений на рынке связан с прорывными достижениями DeepSeek. В отличие от других известных компаний в области ИИ, DeepSeek не полагается на большие капиталы и аппаратные ресурсы. В сравнении, OpenAI была основана десять лет назад, имеет 4500 сотрудников и собрала 6,6 миллиарда долларов; один крупный социальный медиа-гигант вложил 60 миллиардов долларов в разработку крупного центра данных для ИИ. В то время как DeepSeek существует менее двух лет, имеет всего 200 сотрудников, расходы на разработку составили менее 10 миллионов долларов, и не использует в больших объемах высококачественные графические процессоры.

Успех DeepSeek не только разрушил барьеры затрат на уровне капитала и технологий, но и бросил вызов укоренившимся убеждениям и моделям мышления людей.

Вице-президент по продуктам известной компании облачного хранения данных заявил в социальных сетях, что история DeepSeek иллюстрирует типичное разрушительное инновационное решение. Традиционные компании сосредотачиваются на оптимизации существующих процессов, в то время как разрушители переосмысляют основные подходы. DeepSeek предложил новую идею: как решить проблему более умным способом, а не просто увеличивая вложения в оборудование?

В настоящее время затраты на обучение крупнейших AI-моделей очень высоки. Некоторые крупные AI-компании потратили более 100 миллионов долларов только на вычислительные ресурсы. Им необходимо оснащение крупных дата-центров с тысячами GPU стоимостью 40 000 долларов, а потребляемая энергия сопоставима с работой электростанции.

Однако, DeepSeek предложила совершенно новый подход: как достичь той же цели с 5 миллионами долларов? Они не только представили эту идею, но и успешно реализовали её. Их модель по многим задачам сопоставима, а иногда даже превосходит лучшие AI модели в отрасли. Их секрет заключается в фундаментальном переосмыслении всего процесса. Традиционные AI модели используют 32-битные десятичные дроби для представления каждого числа, в то время как DeepSeek попыталась использовать 8-битные дроби и обнаружила, что точности по-прежнему достаточно, при этом требования к памяти уменьшились на 75%.

Результаты удивительные: стоимость обучения снизилась с 100 миллионов долларов до 5 миллионов долларов, количество необходимых GPU уменьшилось с 100 тысяч до 2000, а стоимость API снизилась на 95%. Более того, их модель может работать на обычных игровых GPU, без необходимости в специализированном оборудовании дата-центров. Кроме того, они выбрали стратегию открытого исходного кода.

Успех DeepSeek бросает вызов множеству традиционных представлений в области ИИ, включая стереотипы о модели развития технологий в Китае, лидирующие позиции Кремниевой долины в области ИИ, технологические барьеры некоторых компаний ИИ, огромные инвестиции, необходимые для разработки топовых моделей ИИ, теорию накопления стоимости моделей, а также линейную связь между производительностью модели и затратами.

Некоторые известные инвестиционные учреждения США в своем брифинге оценили DeepSeek и отметили, что это представляет собой важную победу для открытого кода по сравнению с закрытым. Вклад сообщества с открытым исходным кодом быстро продвинет развитие всей области. Тем не менее, они также указали, что некоторые компании, использующие стратегии масштабных вложений ресурсов, могут в будущем достичь новых прорывов. Судя по истории развития ИИ, вычислительная мощность все еще может быть ключевым фактором.

Успех DeepSeek привел к тому, что открытые модели по производительности сравнялись или даже превзошли некоторые закрытые модели, при этом эффективность стала выше, что снизило необходимость для компаний в покупке коммерческих API ИИ. Частное развертывание и самостоятельная настройка предоставят больше возможностей для развития downstream-приложений. Ожидается, что в ближайшие один-два года мы можем увидеть более разнообразные продукты для инференс-микросхем и более процветающую экосистему приложений больших языковых моделей.

Тем не менее, ожидается, что потребность в вычислительной мощности не снизится. Это может привести к явлению, подобному "парадоксу Джевонса": хотя эффективность на единицу увеличивается, из-за расширения области применения общий спрос может, наоборот, возрасти. Это похоже на траекторию развития от ранних мобильных телефонов до эпохи распространения телефонов Nokia: именно снижение затрат сделало их доступными, а доступность, в свою очередь, привела к увеличению общего потребления на рынке.