DeepSeek؛ استارتاپی که هزینه‌های میلیاردی را پشت پرده پنهان کرده است؟

جهان صنعت نیوز، استارتاپ DeepSeek که از سوی یک صندوق سرمایه‌گذاری چینی تأسیس شده، مدعی است مدل هوش مصنوعی خود، R1 را تنها با ۶ میلیون دلار آموزش داده است. اما گزارش SemiAnalysis نشان می‌دهد که این ادعا واقعیت ندارد و این شرکت در واقع بیش از ۱.۶ میلیارد دلار روی سخت‌افزار و ۹۴۴ میلیون دلار روی عملیات خود سرمایه‌گذاری کرده است. این استارتاپ به‌جای استفاده از خدمات ابری، دیتاسنترهای اختصاصی خود را توسعه داده و استعدادهای داخلی را از دانشگاه‌های برتر چین جذب کرده است.

DeepSeek؛ استارتاپی که ادعاهای بزرگ دارد، اما آیا واقعیت دارد؟

استارتاپ چینی DeepSeek در هفته‌های اخیر توجه زیادی را به خود جلب کرده است. این شرکت ادعا می‌کند که مدل هوش مصنوعی پیشرفته R1 خود را تنها با ۶ میلیون دلار و با استفاده از ۲,۰۴۸ واحد پردازنده گرافیکی (GPU) آموزش داده است. اما گزارش جدید SemiAnalysis نشان می‌دهد که این ادعا گمراه‌کننده است.

بر اساس این گزارش، DeepSeek در واقع بیش از ۵۰,۰۰۰ واحد پردازشی انویدیا (Hopper GPUs) در اختیار دارد و تا به امروز ۱.۶ میلیارد دلار برای سخت‌افزار و ۹۴۴ میلیون دلار برای هزینه‌های عملیاتی صرف کرده است. این یافته‌ها نشان می‌دهد که برخلاف ادعای این استارتاپ، توسعه مدل R1 بدون سرمایه‌گذاری هنگفت امکان‌پذیر نبوده است.

DeepSeek چگونه شکل گرفت؟

DeepSeek از دل صندوق سرمایه‌گذاری چینی High-Flyer بیرون آمد. این صندوق که سرمایه‌گذاری زودهنگامی در هوش مصنوعی داشت، در سال ۲۰۲۳ تصمیم گرفت بخشی از فعالیت‌های خود را به یک شرکت مستقل تبدیل کند. به همین دلیل، DeepSeek به‌عنوان یک واحد تخصصی برای توسعه و تحقیقات در زمینه مدل‌های هوش مصنوعی تأسیس شد.

برخلاف بسیاری از استارتاپ‌های مشابه که از زیرساخت‌های ابری شرکت‌هایی مانند آمازون یا مایکروسافت استفاده می‌کنند، DeepSeek دیتاسنترهای اختصاصی خود را توسعه داده است. این اقدام به آن‌ها اجازه داده کنترل کاملی بر فرایندهای آموزش و بهینه‌سازی مدل‌های خود داشته باشند.

ادعای هزینه کم آموزش مدل R1؛ واقعیت یا تبلیغات؟

یکی از مهم‌ترین ادعاهای DeepSeek این بود که توانسته است مدل R1 را با هزینه‌ای بسیار پایین، یعنی ۶ میلیون دلار، آموزش دهد. اما گزارش SemiAnalysis نشان می‌دهد که این مبلغ صرفاً هزینه پردازش اولیه پردازنده‌های گرافیکی بوده و هزینه‌های دیگر مانند تحقیق و توسعه، پردازش داده‌ها و ایجاد زیرساخت در آن لحاظ نشده است.
در واقع، DeepSeek تاکنون بیش از ۵۰۰ میلیون دلار روی توسعه مدل‌های هوش مصنوعی خود سرمایه‌گذاری کرده است. بنابراین، برخلاف تصور اولیه، موفقیت این شرکت به لطف سرمایه‌گذاری کلان بوده است، نه یک مدل اقتصادی جدید یا نوآوری در هزینه‌ها.

نقاط قوت DeepSeek در رقابت با بزرگان صنعت

۱. زیرساخت مستقل: برخلاف شرکت‌هایی که به سرویس‌های ابری وابسته هستند، DeepSeek دیتاسنترهای اختصاصی خود را راه‌اندازی کرده است. این کار امکان مدیریت بهتر هزینه‌ها و افزایش بهره‌وری را فراهم می‌کند.

۲. استخدام استعدادهای داخلی: در حالی که بسیاری از شرکت‌های فناوری چین از تایوان و آمریکا نیرو جذب می‌کنند، DeepSeek تنها از دانشگاه‌های برتر چین مانند دانشگاه پکن و ژجیانگ متخصصان خود را انتخاب می‌کند. برخی از این محققان حقوقی بیش از ۱.۳ میلیون دلار در سال دریافت می‌کنند، رقمی که حتی از بسیاری از رقبای چینی مانند Moonshot بالاتر است.

۳. تمرکز بر بهینه‌سازی الگوریتم‌ها: DeepSeek به‌جای گسترش سخت‌افزار، روی بهینه سازی الگوریتم‌های پردازشی متمرکز شده است. یکی از فناوری‌های کلیدی این شرکت، Multi-Head Latent Attention (MLA) است که باعث کاهش نیاز به توان پردازشی بالا می‌شود.

آیا DeepSeek تهدیدی برای انویدیا و سایر رقبا است؟

برخی تحلیلگران بر این باورند که استراتژی DeepSeek می‌تواند وابستگی صنعت به انویدیا را کاهش دهد. اما در واقع، DeepSeek همچنان به پردازنده‌های گرافیکی انویدیا متکی است و ۵۰,۰۰۰ واحد Hopper GPUs از این شرکت خریداری کرده است.

ایلان ماسک سال گذشته اظهار داشت:”اگر می‌خواهید در هوش مصنوعی رقابت کنید، باید میلیاردها دلار در سال هزینه کنید.”

گزارش SemiAnalysis تأیید می‌کند که DeepSeek دقیقاً همین مسیر را طی کرده و برخلاف ادعای اولیه‌اش، بدون سرمایه‌گذاری سنگین نمی‌توانسته در این رقابت باقی بماند.

آیا DeepSeek واقعاً صنعت هوش مصنوعی را متحول کرده است؟

اگرچه DeepSeek موفق شده است با ادعاهای جذاب و تبلیغات گسترده توجه جهانی را جلب کند، اما بررسی دقیق‌تر نشان می‌دهد که این شرکت نه از طریق هزینه پایین، بلکه با سرمایه‌گذاری‌های کلان و استراتژی‌های مالی هوشمندانه توانسته است در میدان رقابت باقی بماند.

بنابراین، برخلاف تصور اولیه، هیچ معجزه‌ای در کار نیست—موفقیت در هوش مصنوعی هنوز هم نیازمند میلیاردها دلار سرمایه‌گذاری است.

اخبار برگزیدهدانش و فناوری