BMS, BUS, sanoat, asboblar kabeli uchun.
Bahor festivali nihoyasiga yetar ekan, DeepSeek atrofidagi hayajon kuchliligicha qolmoqda. Yaqinda bo'lib o'tgan bayram texnologiya sanoatida sezilarli raqobat tuyg'usini ta'kidladi, ko'pchilik bu "mumbalik" ni muhokama qildi va tahlil qildi. Silikon vodiysi misli ko'rilmagan inqiroz tuyg'usini boshdan kechirmoqda: ochiq manba tarafdorlari yana o'z fikrlarini bildirishmoqda va hatto OpenAI yopiq manba strategiyasi eng yaxshi tanlov ekanligini qayta ko'rib chiqmoqda. Hisoblash xarajatlarini kamaytirishning yangi paradigmasi Nvidia kabi chip gigantlari o'rtasida zanjirli reaktsiyaga sabab bo'ldi, bu esa AQSh fond bozori tarixida bir kunlik bozor qiymatining rekord darajada yo'qolishiga olib keldi, davlat idoralari DeepSeek tomonidan ishlatiladigan chiplarning muvofiqligini tekshirmoqda. DeepSeekning xorijda, mahalliy miqyosdagi aralash sharhlari fonida, u favqulodda o'sishni boshdan kechirmoqda. R1 modeli ishga tushirilgandan so'ng, tegishli ilova traffikning ko'payishini ko'rdi, bu dastur sektorlaridagi o'sish umumiy AI ekotizimini oldinga siljitishini ko'rsatadi. Ijobiy tomoni shundaki, DeepSeek dastur imkoniyatlarini kengaytiradi, bu esa ChatGPT-ga tayanish kelajakda unchalik qimmat bo'lmasligini ko'rsatadi. Bu o'zgarish OpenAIning so'nggi faoliyatida, jumladan, DeepSeek R1-ga javoban bepul foydalanuvchilarga o3-mini deb nomlangan fikrlash modelini taqdim etishda, shuningdek, o3-mini fikrlash zanjirini ommaga taqdim etgan keyingi yangilanishlarda o'z aksini topdi. Ko'pgina xorijlik foydalanuvchilar DeepSeek-ga ushbu ishlanmalar uchun minnatdorchilik bildirishdi, garchi bu fikrlash zanjiri xulosa bo'lib xizmat qiladi.
Optimistik tarzda, DeepSeek mahalliy o'yinchilarni birlashtirgani aniq. Ta'lim xarajatlarini kamaytirishga e'tibor qaratgan holda, turli yuqori oqim chiplari ishlab chiqaruvchilari, oraliq bulutli provayderlar va ko'plab startaplar ekotizimga faol qo'shilishadi va DeepSeek modelidan foydalanish uchun xarajatlar samaradorligini oshiradilar. DeepSeek hujjatlariga ko'ra, V3 modelini to'liq o'qitish uchun atigi 2,788 million H800 GPU soati kerak bo'ladi va o'quv jarayoni juda barqaror. MoE (Mutaxassislar aralashmasi) arxitekturasi 405 milliard parametrli Llama 3 bilan solishtirganda o'qitishdan oldingi xarajatlarni o'n barobarga kamaytirish uchun juda muhimdir. Hozirgi vaqtda V3 MNda bunday yuqori siyraklikni ko'rsatuvchi birinchi ommaviy e'tirof etilgan modeldir. Bundan tashqari, MLA (Ko'p qatlamli e'tibor) sinergik ishlaydi, ayniqsa fikrlash aspektlarida. Chuanjing Technology tadqiqotchisi AI Technology Review uchun tahlilda: "MoE qanchalik siyrak bo'lsa, hisoblash quvvatidan to'liq foydalanish uchun fikr yuritishda kerak bo'lgan partiya hajmi shunchalik katta bo'ladi, KVCache hajmi asosiy cheklovchi omil hisoblanadi; MLA KVCache hajmini sezilarli darajada kamaytiradi ", dedi Chuanjing Technology tadqiqotchisi. Umuman olganda, DeepSeek muvaffaqiyati faqat bitta emas, balki turli texnologiyalarning kombinatsiyasidadir. Sanoat insayderlari DeepSeek jamoasining muhandislik imkoniyatlarini yuqori baholab, ularning parallel o‘qitish va operatorlarni optimallashtirish, har bir detalni takomillashtirish orqali ilg‘or natijalarga erishganliklarini qayd etishadi. DeepSeek-ning ochiq manbali yondashuvi yirik modellarning umumiy rivojlanishini yanada kuchaytiradi va agar shunga o'xshash modellar tasvirlar, videolar va boshqalarga kengaytirilsa, bu sanoat bo'ylab talabni sezilarli darajada rag'batlantirishi kutilmoqda.
Uchinchi tomon mulohaza yuritish xizmatlari uchun imkoniyatlar
Ma'lumotlar shuni ko'rsatadiki, DeepSeek chiqarilganidan beri atigi 21 kun ichida 22,15 million kunlik faol foydalanuvchilarni (DAU) to'pladi, bu ChatGPT foydalanuvchilari bazasining 41,6% ga erishdi va Doubao-ning kunlik faol foydalanuvchilari soni 16,95 milliondan oshdi va shu tariqa dunyo miqyosida eng tez rivojlanayotgan ilovaga aylandi va Apple App Store do'konida birinchi o'rinni egalladi17. Biroq, foydalanuvchilar to'da bo'lib to'planishayotgan bir paytda, kiber xakerlar DeepSeek ilovasiga tinimsiz hujum qilib, uning serverlariga jiddiy taranglik keltirmoqda. Sanoat tahlilchilarining fikriga ko'ra, bu qisman DeepSeek o'qitish uchun kartalarni qo'llagani va fikr yuritish uchun etarli hisoblash kuchiga ega emas. Sanoat insayderi AI Technology Review nashriga shunday dedi: “Ko‘p uchraydigan server muammolarini to‘lovlar to‘lash yoki ko‘proq mashina sotib olish uchun moliyalashtirish orqali osonlikcha hal qilish mumkin; oxir-oqibat, bu DeepSeek qarorlariga bog‘liq”. Bu ishlab chiqarishga nisbatan texnologiyaga e'tibor qaratish bo'yicha kelishuvni taqdim etadi. DeepSeek asosan o'z-o'zini ta'minlash uchun kvant kvantlashiga tayangan, kam tashqi mablag' olgan, bu esa nisbatan past pul oqimi bosimiga va toza texnologik muhitga olib kelgan. Ayni paytda, yuqorida aytib o'tilgan muammolarni hisobga olgan holda, ba'zi foydalanuvchilar DeepSeek-ni ijtimoiy tarmoqlarda foydalanish chegaralarini oshirishga yoki foydalanuvchi qulayligini oshirish uchun pullik xususiyatlarni joriy etishga chaqirmoqda. Bundan tashqari, ishlab chiquvchilar optimallashtirish uchun rasmiy API yoki uchinchi tomon API laridan foydalanishni boshladilar. Biroq, DeepSeekning ochiq platformasi yaqinda e'lon qildi: "Joriy server resurslari kam va API xizmatlarini to'ldirish to'xtatildi."
Bu, shubhasiz, AI infratuzilmasi sohasida uchinchi tomon sotuvchilari uchun ko'proq imkoniyatlar ochadi. Yaqinda ko'plab mahalliy va xalqaro bulut gigantlari DeepSeek model API-larini ishga tushirishdi - chet el gigantlari Microsoft va Amazon yanvar oyi oxirida birinchilardan bo'lib qo'shildi. Mahalliy yetakchi Huawei Cloud birinchi qadamni qo‘ydi va 1-fevral kuni Silicon-based Flow bilan hamkorlikda DeepSeek R1 va V3 mulohaza yuritish xizmatlarini taqdim etdi. AI Technology Review hisobotlari shuni ko‘rsatadiki, Silicon-ga asoslangan Flow xizmatlari foydalanuvchilar oqimini ko‘rgan va bu platformani samarali “halokat qilgan”. Uchta yirik texnologik kompaniyalar - BAT (Baidu, Alibaba, Tencent) va ByteDance ham 3-fevraldan boshlab arzon narxlardagi, cheklangan vaqtli takliflarni chiqardilar, bu DeepSeek-ning V2 modelini ishga tushirgandan so'ng o'tgan yilgi bulutli sotuvchilar narxlari urushini eslatadi, bu erda DeepSeek "narx sotuvchisi" deb nomlana boshladi. Bulutli sotuvchilarning g'azablangan harakatlari Microsoft Azure va OpenAI o'rtasidagi oldingi mustahkam aloqalarni aks ettiradi, bu erda 2019 yilda Microsoft OpenAI-ga 1 milliard dollar miqdorida sarmoya kiritdi va ChatGPT 2023 yilda ishga tushirilgandan so'ng foyda ko'rdi. Biroq, bu yaqin aloqalar Meta ochiq manbali Llamadan keyin buzilib ketdi va boshqa sotuvchilarga o'zlarining yirik Microsoft Azureec modellari bilan raqobatlashishiga imkon berdi. Bunday holda, DeepSeek nafaqat mahsulotning issiqlik darajasi bo'yicha ChatGPT'dan o'zib ketdi, balki Llamaning GPT-3 ni qayta tiklashi bilan bog'liq hayajonga o'xshash o1 versiyasidan keyin ochiq manbali modellarni ham taqdim etdi.
Aslida, bulutli provayderlar o'zlarini sun'iy intellekt ilovalari uchun trafik shlyuzlari sifatida ko'rsatishmoqda, ya'ni ishlab chiquvchilar bilan aloqalarni chuqurlashtirish afzalliklarga olib keladi. Hisobotlar shuni ko'rsatadiki, Baidu Smart Cloud modelni ishga tushirish kunida Qianfan platformasi orqali DeepSeek modelidan foydalangan 15 000 dan ortiq mijozlarga ega edi. Bundan tashqari, bir nechta kichik firmalar yechimlarni taklif qilmoqdalar, jumladan Silicon-based Flow, Luchen Technology, Chuanjing Technology va DeepSeek modellarini qo'llab-quvvatlagan turli AI Infra provayderlari. AI Technology Review DeepSeek-ni mahalliylashtirilgan joylashtirish uchun joriy optimallashtirish imkoniyatlari asosan ikki sohada mavjudligini bilib oldi: biri gibrid GPU/CPU xulosasidan foydalangan holda 671 milliard parametrli MoE modelini mahalliy sifatida joylashtirish uchun aralash fikrlash yondashuvidan foydalangan holda MoE modelining siyraklik xususiyatlarini optimallashtirish. Bundan tashqari, MLA-ni optimallashtirish juda muhimdir. Biroq, DeepSeekning ikkita modeli hali ham joylashtirishni optimallashtirishda ba'zi qiyinchiliklarga duch kelmoqda. Chuanjing Technology tadqiqotchisi: "Modelning o'lchami va ko'plab parametrlari tufayli optimallashtirish haqiqatan ham murakkab, ayniqsa mahalliy joylashtirishlar uchun unumdorlik va narx o'rtasidagi optimal muvozanatga erishish qiyin bo'ladi", dedi. Eng muhim to'siq xotira hajmi chegaralarini engib o'tishdir. "Biz protsessorlar va boshqa hisoblash resurslaridan to'liq foydalanish uchun heterojen hamkorlik yondashuvini qo'llaymiz, faqat siyrak MoE matritsasining umumiy bo'lmagan qismlarini yuqori samarali CPU operatorlari yordamida ishlov berish uchun CPU/DRAMga joylashtiramiz, zich qismlar esa GPUda qoladi", deb tushuntirdi u. Hisobotlar shuni ko'rsatadiki, Chuanjingning ochiq manbali KTransformers tizimi asosan CUDAGraph kabi usullardan foydalangan holda xulosa chiqarish tezligini sezilarli darajada oshirib, shablon orqali original Transformers dasturiga turli strategiyalar va operatorlarni kiritadi. DeepSeek ushbu startaplar uchun imkoniyatlar yaratdi, chunki o'sishning afzalliklari aniq bo'lib bormoqda; Ko'pgina firmalar DeepSeek API-ni ishga tushirgandan so'ng, optimallashtirishni qidirayotgan oldingi mijozlardan so'rovlarni olgandan so'ng sezilarli darajada o'sishi haqida xabar berishdi. Sanoat insayderlari ta'kidlaganidek, "O'tmishda bir oz tashkil etilgan mijozlar guruhlari ko'pincha yirik kompaniyalarning standartlashtirilgan xizmatlariga yopishib qolishgan, ular miqyosi bo'yicha ularning iqtisodiy afzalliklari bilan chambarchas bog'langan. Biroq, DeepSeek-R1/V3-ni Bahor festivali oldidan joylashtirishni tugatganimizdan so'ng, biz birdaniga bir nechta taniqli mijozlardan hamkorlik so'rovlarini oldik va hatto DeSeep xizmatlarini taqdim etishni boshladik." Ayni paytda, DeepSeek model xulosasi samaradorligini tobora muhim ahamiyat kasb etayotganga o'xshaydi va katta modellarning kengroq qabul qilinishi bilan bu AI Infra sanoati rivojlanishiga sezilarli ta'sir ko'rsatishda davom etadi. Agar DeepSeek darajasidagi modelni mahalliy darajada arzon narxlarda joylashtirish mumkin bo'lsa, bu hukumat va korporativ raqamli transformatsiya ishlariga katta yordam beradi. Biroq, qiyinchiliklar saqlanib qolmoqda, chunki ba'zi mijozlar katta model imkoniyatlariga nisbatan katta umidlarga ega bo'lishi mumkin, bu esa samaradorlik va xarajatlarni muvozanatlash amaliy qo'llashda muhim ahamiyatga ega ekanligini ko'rsatadi.
DeepSeek ChatGPT-dan yaxshiroq ekanligini baholash uchun ularning asosiy farqlari, kuchli tomonlari va foydalanish holatlarini tushunish kerak. Mana keng qamrovli taqqoslash:
| Xususiyat/aspekt | DeepSeek | ChatGPT |
|---|---|---|
| Egalik | Xitoy kompaniyasi tomonidan ishlab chiqilgan | OpenAI tomonidan ishlab chiqilgan |
| Manba modeli | Ochiq manba | Xususiy |
| Narxi | Foydalanish bepul; arzonroq API kirish imkoniyatlari | Obuna yoki foydalanish uchun toʻlov narxi |
| Moslashtirish | Yuqori darajada sozlanishi, foydalanuvchilarga uni sozlash va qurish imkonini beradi | Cheklangan xususiylashtirish mavjud |
| Muayyan vazifalarda ishlash | Excel ma'lumotlar tahlili va ma'lumotlarni qidirish kabi muayyan sohalarda | Ijodiy yozish va suhbat vazifalarida kuchli ishlash bilan ko'p qirrali |
| Tilni qo'llab-quvvatlash | Xitoy tili va madaniyatiga katta e'tibor | Keng tilni qo'llab-quvvatlash, ammo AQShga asoslangan |
| Trening narxi | Samaradorlik uchun optimallashtirilgan kam o'qitish xarajatlari | Katta hisoblash resurslarini talab qiladigan yuqori o'quv xarajatlari |
| Javobning o'zgarishi | Turli xil javoblarni taklif qilishi mumkin, ehtimol geosiyosiy kontekst ta'sirida | O'quv ma'lumotlariga asoslangan izchil javoblar |
| Maqsadli auditoriya | Moslashuvchanlikni xohlaydigan ishlab chiquvchilar va tadqiqotchilarga qaratilgan | Suhbatlashish qobiliyatini qidirayotgan umumiy foydalanuvchilarga qaratilgan |
| Foydalanish holatlari | Kod yaratish va tezkor vazifalar uchun samaraliroq | Matn yaratish, so'rovlarga javob berish va muloqot qilish uchun ideal |
"Nvidia-ni buzish" ga tanqidiy nuqtai nazar
Hozirda Huaweidan tashqari, Moore Threads, Muxi, Biran Technology va Tianxu Zhixin kabi bir qancha mahalliy chip ishlab chiqaruvchilari ham DeepSeekning ikkita modeliga moslashmoqda. Chip ishlab chiqaruvchisi AI Technology Review nashriga shunday dedi: "DeepSeek tuzilmasi innovatsiyalarni namoyish etadi, ammo u LLM bo‘lib qolmoqda. Bizning DeepSeek-ga moslashuvimiz asosan ilovalarni mulohaza yuritishga qaratilgan bo‘lib, texnik amalga oshirishni ancha sodda va tez qiladi." Biroq, MoE yondashuvi saqlash va tarqatish nuqtai nazaridan yuqori talablarni talab qiladi, mahalliy chiplar bilan joylashtirishda muvofiqlikni ta'minlash va moslashish jarayonida hal qilinishi kerak bo'lgan ko'plab muhandislik muammolarini keltirib chiqaradi. "Hozirda mahalliy hisoblash quvvati foydalanish qulayligi va barqarorligi bo'yicha Nvidia'ga mos kelmaydi, bu esa dasturiy ta'minot muhitini sozlash, nosozliklarni bartaraf etish va asosiy ish faoliyatini optimallashtirish uchun zavodning asl ishtirokini talab qiladi", dedi sanoat mutaxassisi amaliy tajribaga asoslanib. Shu bilan birga, "DeepSeek R1 katta parametr shkalasi tufayli mahalliy hisoblash quvvati parallellashtirish uchun ko'proq tugunlarni talab qiladi. Bundan tashqari, mahalliy apparat spetsifikatsiyalari hali ham biroz orqada; Masalan, Huawei 910B hozirda DeepSeek tomonidan taqdim etilgan FP8 xulosasini qo'llab-quvvatlamaydi." DeepSeek V3 modelining diqqatga sazovor joylaridan biri bu FP8 aralash aniqlikdagi o‘quv tizimini joriy etish bo‘lib, u juda katta modelda samarali tasdiqlangan va bu muhim yutuqdir. Ilgari, Microsoft va Nvidia kabi yirik o'yinchilar tegishli ishlarni taklif qilishgan, ammo sanoatda fizibilite bo'yicha shubhalar mavjud. Ma'lumki, INT8 bilan solishtirganda, FP8 ning asosiy afzalligi shundaki, mashg'ulotdan keyingi kvantlash deyarli yo'qotishsiz aniqlikka erishishi va xulosa chiqarish tezligini sezilarli darajada oshirishi mumkin. FP16 bilan solishtirganda, FP8 Nvidia-ning H20-da ikki baravar tezlashishi va H100-da 1,5 martadan ko'proq tezlashishi mumkin. Shunisi e'tiborga loyiqki, mahalliy hisoblash quvvati va mahalliy modellar tendentsiyasi bilan bog'liq munozaralar kuchayib borar ekan, Nvidia-ni buzish mumkinmi yoki CUDA xandaqlarini chetlab o'tish mumkinmi degan mish-mishlar tobora kengayib bormoqda. Shubhasiz faktlardan biri shundaki, DeepSeek haqiqatan ham Nvidia-ning bozor qiymatining sezilarli pasayishiga olib keldi, ammo bu o'zgarish Nvidia-ning yuqori darajadagi hisoblash quvvati yaxlitligiga oid savollarni tug'diradi. Kapitalga asoslangan hisob-kitoblarni to'plash bo'yicha ilgari qabul qilingan rivoyatlar e'tiroz bildirilmoqda, ammo Nvidia-ni o'quv stsenariylarida to'liq almashtirish qiyinligicha qolmoqda. DeepSeek-ning CUDA-dan chuqur foydalanishini tahlil qilish shuni ko'rsatadiki, moslashuvchanlik (masalan, aloqa uchun SM-dan foydalanish yoki tarmoq kartalarini to'g'ridan-to'g'ri boshqarish) oddiy GPU-lar uchun mos kelmaydi. Sanoat nuqtai nazari shuni ta'kidlaydiki, Nvidia xandaqlari CUDA-ning o'zi emas, balki butun CUDA ekotizimini qamrab oladi va DeepSeek ishlatadigan PTX (Parallel Thread Execution) ko'rsatmalari hali ham CUDA ekotizimining bir qismidir. "Qisqa muddatda Nvidia-ning hisoblash quvvatini chetlab o'tib bo'lmaydi - bu, ayniqsa, mashg'ulotlarda aniq; ammo, fikr yuritish uchun mahalliy kartalarni joylashtirish nisbatan osonroq bo'ladi, shuning uchun taraqqiyot tezroq bo'ladi. Mahalliy kartalarning moslashuvi birinchi navbatda xulosaga qaratilgan; hali hech kim DeepSeek-ning ishlash modelini mahalliy sanoat kartalarida o'rgatishning uddasidan chiqqani yo'q. Umuman olganda, xulosa qilish nuqtai nazaridan, holatlar mahalliy yirik model chiplari uchun dalda beradi. Mahalliy chip ishlab chiqaruvchilarining xulosa chiqarish sohasidagi imkoniyatlari, kirishga to'sqinlik qiluvchi o'qitishning haddan tashqari yuqori talablari tufayli ko'proq aniq bo'ladi. Tahlilchilarning ta'kidlashicha, oddiygina mahalliy xulosa kartalaridan foydalanish kifoya; agar kerak bo'lsa, qo'shimcha mashina sotib olish mumkin, ammo o'quv modellari o'ziga xos qiyinchiliklarni keltirib chiqaradi - ko'proq sonli mashinalarni boshqarish og'ir bo'lishi mumkin va yuqori xato darajasi mashg'ulot natijalariga salbiy ta'sir ko'rsatishi mumkin. Trening shuningdek, klaster miqyosi bo'yicha o'ziga xos talablarga ega, shu bilan birga xulosa qilish uchun klasterlarga qo'yiladigan talablar unchalik qattiq emas, shuning uchun GPU talablarini engillashtiradi. Hozirda Nvidia’ning yagona H20 kartasining ishlashi Huawei yoki Cambrian’dan oshib ketmaydi; uning kuchi klasterlashdadir. Hisoblash quvvati bozoriga umumiy ta'sirga asoslanib, Luchen Technology asoschisi You Yang AI Technology Review nashriga bergan intervyusida shunday dedi: "DeepSeek o'ta katta o'quv hisoblash klasterlarini tashkil etish va ijaraga berishni vaqtincha buzishi mumkin. Uzoq muddatda, katta modellarni o'qitish bilan bog'liq xarajatlarni sezilarli darajada kamaytirish orqali, AI texnologiyasiga asoslangan talablar va bozor talablari bo'lishi mumkin. bu doimiy ravishda hisoblash quvvati bozorida barqaror talabni keltirib chiqaradi." Bundan tashqari, "DeepSeek-ning fikrlash va nozik sozlash xizmatlariga bo'lgan ortib borayotgan talabi mahalliy imkoniyatlar nisbatan zaif bo'lgan mahalliy hisoblash landshaftiga ko'proq mos keladi, bu klasterdan keyin bo'sh resurslardan chiqindilarni kamaytirishga yordam beradi; bu mahalliy hisoblash ekotizimining turli darajalarida ishlab chiqaruvchilar uchun qulay imkoniyatlar yaratadi." Luchen Technology mahalliy hisoblash quvvatiga asoslangan DeepSeek R1 seriyali mantiqiy API va bulutli tasvirlash xizmatlarini ishga tushirish uchun Huawei Cloud bilan hamkorlik qildi. You Yang kelajak haqida nekbinlik bildirdi: "DeepSeek mahalliy ishlab chiqarilgan yechimlarga ishonchni uyg'otadi, kelgusida mahalliy hisoblash imkoniyatlariga ko'proq ishtiyoq va sarmoya kiritishni rag'batlantiradi."
Xulosa
DeepSeek ChatGPT dan "yaxshiroq" yoki yo'qmi, foydalanuvchining o'ziga xos ehtiyojlari va maqsadlariga bog'liq. Moslashuvchanlik, arzon narx va moslashtirishni talab qiladigan vazifalar uchun DeepSeek ustun bo'lishi mumkin. Ijodiy yozish, umumiy so'rov va foydalanuvchilarga qulay suhbat interfeyslari uchun ChatGPT yetakchilik qilishi mumkin. Har bir vosita turli maqsadlarga xizmat qiladi, shuning uchun tanlov ular ishlatiladigan kontekstga bog'liq bo'ladi.
Boshqarish kabellari
Strukturaviy kabel tizimi
Tarmoq va ma'lumotlar, optik tolali kabel, patch-shnur, modullar, panel
16-18 aprel, 2024 yil Dubayda Yaqin Sharq-Energetika
2024 yil 16-18 aprel Moskvada Sekurika
9-may, 2024-yil Shanxayda YANGI MAHSULOTLAR VA TEXNOLOGIYALARNI ISHLATISH TADBIASI
22-25 oktyabr, 2024 yil, Pekinda XAVFSIZLIK CHINA
Noyabr 19-20, 2024 BOG'LANGAN DUNYO KSA
Yuborilgan vaqt: 2025-yil 10-fevral