귀여운 고래 로고와 함께 최근 DeepSeek의 출시는 또 다른 Chatgpt 노크 오프에 이르렀을 수 있습니다. 그것을 뉴스 가치가있는 것 – 그리고 경쟁사의 주식을 꼬리 스핀으로 보낸 것은 만드는 데 드는 비용이 거의 없었습니다. 그것은 고기능 대형 언어 모델 (LLM)을 훈련시키는 데 걸리는 투자 개념에 대한 원숭이 렌치를 효과적으로 던졌습니다.
Deepseek는 AI 모델을 훈련시키기 위해 6 백만 달러를 소비했습니다. OpenAi가 채팅 GPT-4에 소비 한 $ 80- $ 1 억 또는 GPT-5를 위해 따로 마련한 10 억 달러를 병치하십시오. DeepSeek은 그 수준의 투자 수준을 의문에 부르고 NVIDIA와 같은 큰 플레이어를 남겨 두었습니다. 그의 주식의 가치는 하루에 6 천억 달러에 달했습니다. TSMC와 Microsoft는 AI의 장기 재무 생존력에 대해 Fretful했습니다. 이전에 가정했던 것보다 훨씬 적은 AI 모델을 훈련시킬 수 있다면 AI 지출에 대한이 포트 엔드는 무엇입니까?
Deepseek의 혼란이 중요한 토론으로 이어졌지만 셔플에서 몇 가지 핵심 요점이 사라지는 것 같습니다. 그러나 뉴스가 제기하는 것은 AI의 혁신 비용과 가능한 경제적 영향에 더 중점을 둡니다. 이 뉴스에서 발생하는 세 가지 중요한 통찰력은 다음과 같습니다.
1. DeepSeek의 6 백만 달러의 가격표는 오도하고 있습니다
회사는 인프라의 총 소유 비용 (TCO)을 파악해야합니다. DeepSeek의 6 백만 달러의 가격표는 많이 던져졌지만 아마도 전체 투자보다는 사전 훈련 런의 비용 일 것입니다. 달리기뿐만 아니라 Deepseek 건축 및 훈련의 총 비용은 훨씬 높을 것입니다. 업계 분석가 반달 DeepSeek 뒤에있는 회사는 LLM을 현실로 만들기 위해 하드웨어에 16 억 달러를 소비했다고 밝혔다. 따라서 가능성이 높은 비용은 중간 어딘가에 있습니다.
진정한 비용이 무엇이든, Deepseek의 출현은 혁신적 일 수있는 비용 효율적인 혁신에 중점을 두었습니다. 혁신은 종종 한계에 의해 촉발되며, DeepSeek의 성공은 엔지니어링 팀이 실제 제약에 직면하여 자원을 최적화 할 때 혁신이 발생할 수있는 방식을 강조합니다.
2. 추론은 훈련이 아니라 AI가 귀중한 이유입니다
AI 모델 교육 비용에주의를 기울이는 것이 중요하지만 교육은 AI 모델을 구축하고 실행하는 데 드는 전체 비용의 작은 부분을 나타냅니다. 추론 – AI가 사람들이 일하고, 상호 작용하고, 사는 방식을 변화시키는 매니 폴드 방법은 AI가 진정으로 가치있는 곳입니다.
이것은 제스 즈 역설을 불러 일으킨다. 경제 이론은 기술 발전으로 자원을 더 효율적으로 사용함에 따라 해당 자원의 전반적인 소비가 실제로 증가 할 수 있음을 시사한다. 다시 말해, 훈련 비용이 줄어들면서 추론과 에이전트 소비가 증가하고 전반적인 지출이 소송이 될 것입니다.
AI 효율성은 실제로 AI 지출의 흐름이 증가하여 중국 보트뿐만 아니라 모든 보트를 들어 올려야합니다. 그들이 효율성 웨이브를 타고 있다고 가정하면 OpenAi 및 Nvidia와 같은 회사들도 혜택을받을 것입니다.
3. 사실이 남아있는 것은 단위 경제가 가장 중요하다는 것입니다.
AI를보다 효율적으로 만드는 것은 단순히 비용 절감에 관한 것이 아닙니다. 또한 단위 경제를 최적화하는 것입니다. Motley Fool은 올해가 될 것이라고 예측합니다 AI 효율의 해. 그들이 옳다면, 회사는 AI 교육 비용과 AI 소비 비용을 낮추는 데주의를 기울여야합니다.
AI를 구축하거나 사용하는 조직은 DeepSeek의 6 백만 달러의 교육 비용과 같은 인상적인 인물을 불러 일으키지 않고 단위 경제학을 알아야합니다. 실제 효율성은 모든 비용을 할당하고, AI 중심 수요를 추적하며, 일정한 탭을 값 대비 비용으로 유지합니다.
클라우드 유닛 경제학 (CUE)은 클라우드에 의해 구동되는 이익을 측정하고 최대화하는 것과 관련이 있습니다. CUE는 클라우드 비용을 수익 및 수요 측정 항목과 비교하여 클라우드 지출이 얼마나 효율적인지, 시간이 지남에 따라 어떻게 변했는지, (올바른 플랫폼이있는 경우) 그 효율성을 높이는 가장 좋은 방법을 나타냅니다.
큐를 이해하는 것은 hyperscalers가 판매하는 기존 클라우드 서비스보다 본질적으로 소비하는 데 더 많은 비용이 든다는 점을 감안할 때 AI 맥락에서 훨씬 더 큰 유용성을 가지고 있습니다. 에이전시 애플리케이션을 구축하는 회사는 거래 당 비용 (예 : 청구서 당 비용, 배송 당 비용, 거래 당 비용 등)을 계산할 수 있으며이를 사용하여 특정 AI 중심 서비스, 제품 및 기능의 투자 수익률을 평가할 수 있습니다. AI 지출이 증가함에 따라 회사는이를 수행해야합니다. 실험 혁신에서 영원히 끝없는 달러를 던질 수있는 회사는 없습니다. 결국, 그것은 비즈니스에 의미가 있어야합니다.
더 큰 효율성을 향해
그러나 의미있는 6 백만 달러는 6 백만 달러의 수치는 기술 산업을 불가피한 효율성의 중요성으로 깨우는 유역 순간을 제공했을 수 있습니다. 이것이 AI의 진정한 잠재력과 ROI를 잠금 해제하는 비용 효율적인 훈련, 추론 및 에이전트 응용 프로그램에 대한 수문을 시작하기를 바랍니다.
게시물 AI 비용과 효율성에 대해 DeepSeek가 우리에게 가르쳐 줄 수있는 것 먼저 나타났습니다 Unite.ai.
