فشار منبع باز DeepSeek این هفته وارد مرحله بلندتری شد. یک روز پس از اینکه آزمایشگاه هوش مصنوعی چینی DeepInfer - چارچوب استنتاج پشت خدمات هوش مصنوعی تولیدی خود - را در GitHub تحت مجوز Apache 2.0 منتشر کرد، محققان آن بحث پیرامون را با زبانی غیرعادی جنگی تشدید کردند و رقابت بین هوش مصنوعی باز و بسته را "نبردی سرنوشت ساز بین دو آینده، دو سرنوشت برای بشریت" اعلام کردند.

انتشار چارچوب خود به سرعت توجه را به خود جلب کرد و بیش از 5500 ستاره GitHub را ظرف چند روز پس از بحث Hacker News در مورد آن که صدها رأی موافق در روز دوشنبه به خود جلب کرد، جمع آوری کرد. اما این لفاظی و ادعاهای اقتصادی است که همراه با انتشار - گزارش شده توسط South China Morning Post و Bloomberg - نشان می دهد که DeepSeek اکنون چگونه خود را نشان می دهد: نه به عنوان یک جایگزین ارزان قیمت، بلکه به عنوان استاندارد یک جنبش منبع باز که برای آینده صنعت می جنگد. برای اطلاعات بیشتر در مورد این مسابقه، [پوشش مدل های AI] (https://aibuzzwire.news) ما را ببینید.

"پیروزی کامل": DeepSeek خطوط نبرد را ترسیم می کند

چن دلی، محقق ارشد، در پستی در رسانه‌های اجتماعی روز سه‌شنبه، هوش مصنوعی منبع باز و منبع بسته را به عنوان دو آینده اساسی متفاوت برای بشریت معرفی کرد. چن نوشت: «متن باز در مقابل منبع بسته... نبردی سرنوشت ساز بین دو آینده، دو سرنوشت برای بشریت». هر چقدر آنها بخواهند بجنگند، ما تا پیروزی کامل خواهیم جنگید.

در میان تشدید رقابت چین و ایالات متحده در فناوری هوش مصنوعی، این یکی از قوی‌ترین زبان‌های یک چهره صنعت چینی است. همکاران چن یک یادداشت تجاری تری ایجاد کردند: کوی تیانی، که تیم هارنس DeepSeek را رهبری می کند، گفت که شرکت امیدوار است کسب و کارها و سازمان های بیشتری در سراسر جهان "مدل های DeepSeek را مستقر کرده و از انجام این کار سود ببرند" - طرحی که مستقیماً به ارائه دهندگان ابری و شرکت هایی که تصمیم می گیرند بودجه های استنتاجی خود را در کجا خرج کنند.

ادعا: 38 دلار به ازای هر ساعت GPU

در کنار سخنان، یک عدد مشخص آمد. در یک مقاله فنی منتشر شده در پلتفرم پرسش و پاسخ چینی Zhihu، DeepSeek ادعا کرد که یک کلاستر محاسباتی که مدل V4.1-Flash خود را روی DeepInfer اجرا می‌کند، می‌تواند درآمدی معادل 38 دلار به ازای هر GPU در ساعت، بر اساس نرخ‌های قیمت‌گذاری خارج از اوج، ایجاد کند.

تکنیک‌های کارآمدی چارچوب زیربنای این رقم است. به گفته این شرکت، DeepInfer با حفظ اطلاعات پردازش شده قبلی به مدت بیش از 72 ساعت، کارایی هزینه را بهبود می بخشد و محاسبات مکرر را کاهش می دهد که معمولاً هزینه های سرویس را افزایش می دهد. DeepSeek هزینه های عملیاتی یا حاشیه سود خود را فاش نکرد، بنابراین رقم به ازای هر GPU به جای یک نتیجه حسابرسی شده، یک ادعای شرکت باقی می ماند – اما این یک مورد غیرعادی خاص است و اپراتورهای ابری مستقل اکنون می توانند آن را مستقیماً آزمایش کنند، زیرا هم مدل و هم پشته سرویس عمومی هستند.

آنچه DeepInfer در آن اجرا می شود

DeepInfer برای DeepSeek-V4.1-Flash طراحی شده است، مدلی با وزن باز که در ماه سپتامبر با معماری جدیدی عرضه شد که حافظه مورد نیاز برای اجرای آن را کاهش داد و در عین حال بهتر از مدل قبلی V1 Pro شرکت بود. به‌روزرسانی‌ای که در روز شنبه منتشر شد، آن را به یکی از قدرتمندترین و مقرون‌به‌صرفه‌ترین مدل‌های وزن باز جهان تبدیل کرد، بر اساس شرکت سنجش شخص ثالث Artificial Analysis.

قابل ذکر است که این چارچوب دو اکوسیستم سخت افزاری را به طور همزمان هدف قرار می دهد: پردازنده های گرافیکی SM100 بلک ول انویدیا و تراشه های Ascend 950 هوآوی. این پشتیبانی دوگانه به اپراتورها اجازه می‌دهد تا یک مدل باز کلاس مرزی را بر روی سیلیکون چینی و همچنین بر روی تراشه‌های مشمول کنترل‌های صادراتی ایالات متحده ارائه دهند - انعطاف‌پذیری که ارائه‌دهندگان بسته نمی‌توانند با آن مطابقت داشته باشند، و مدلی که تأثیر هر محدودیت سخت‌افزاری را کاهش می‌دهد. به عنوان یک مدل وزن باز، V4.1-Flash می تواند توسط ارائه دهندگان ابر شخص ثالث در زیرساخت های خود ارائه شود، و DeepSeek گفت که منبع باز DeepInfer به جامعه کمک می کند هزینه های محاسباتی را کاهش دهد، مصرف انرژی را کاهش دهد و هوش مصنوعی را مقرون به صرفه تر کند.

تشدید در مبارزه باز و بسته

قاب‌بندی یک برخورد مستقیم با آزمایشگاه‌های پیشرو ایالات متحده ایجاد می‌کند. داریو آمودی، مدیر عامل آنتروپیک، بارها استدلال کرده است که هوش مصنوعی منبع باز خطراتی برای بشریت به همراه دارد و شرکت های چینی را به سرقت فناوری هوش مصنوعی آمریکایی متهم کرده است - ادعاهایی که چهره های صنعت چین آشکارا آن را رد می کنند. مدیران DeepSeek اکنون در انظار عمومی بر خلاف این بحث می‌کنند: این که مدل‌های باز برای اجرا ارزان‌تر، آزادتر و برای کشورها و شرکت‌هایی که نمی‌توانند قیمت‌گذاری مرز بسته را جذب کنند، بهتر است.

DeepInfer خود محصولی از ابتدا نیست. به عنوان اسناد مخزن، هسته‌های تخصصی را که DeepSeek طی دو سال گذشته تکه تکه منتشر کرده است - از جمله FlashMLA، DeepGEMM و DeepEP - در یک زمان اجرا با اجرای مدل و نمونه‌گر داخلی به هم متصل می‌کند. استراتژی سازگار است: بخش کامل پشته، از هسته‌ها تا چارچوب خدمت‌رسانی، و کارایی و رقابت بر روی باز بودن چارچوب.

چه چیزی را تماشا کنیم

سه چیز نشان خواهد داد که آیا لفاظی «پیروزی کامل» ماهیت دارد یا خیر. اول، پذیرش: آیا ارائه دهندگان ابری غربی و شخص ثالث DeepInfer را برای میزبانی V4.1-Flash در مقیاس ادغام می کنند یا خیر. دوم، تأیید: آیا اپراتورهای مستقل ادعای درآمد 38 دلاری در هر ساعت GPU را تحت بارهای کاری واقعی بازتولید می کنند یا خیر. سوم، پاسخ ارائه دهندگان بسته، که قدرت قیمت گذاری آنها به شکاف کارایی بستگی دارد که DeepSeek به شدت در حال تلاش برای بستن آن است. بلومبرگ اشاره کرد که هدف این ابزار کاهش هزینه های عملیاتی هوش مصنوعی به طور کلی است – اگر این ادعاها برقرار باشد، فشار بر قیمت گذاری بسته هوش مصنوعی تنها تشدید می شود.

---

از هوش مصنوعی جلوتر بمانید

آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.

بیشتر بخوانید اخبار هوش مصنوعی →