Домой ИИ и технологии DeepSeek: китайский ИИ почти догнал американский, чипы Nvidia скоро не понадобятся

DeepSeek: китайский ИИ почти догнал американский, чипы Nvidia скоро не понадобятся

Китайские разработчики уверены в превосходстве своих решений над американскими аналогами в ближайшем будущем.

Основатель DeepSeek Лян Вэньфэн в недавнем интервью подробно обсудил текущее положение дел в гонке технологий искусственного интеллекта между Китаем и США. По его словам, еще относительно недавно китайские разработки отставали от американских аналогов примерно на два года, однако темпы развития индустрии в КНР позволили существенно сократить этот разрыв.

Лян Вэньфэн подчеркнул важную особенность китайского подхода: местные модели обучаются с использованием значительно меньших финансовых и вычислительных затрат, чем их западные конкуренты. Важно отметить, что беседа состоялась в мае, еще до официального релиза знаковой модели Kimi K3, поэтому текущая ситуация демонстрирует еще более впечатляющий прогресс, чем прогнозировалось изначально.

DeepSeek: китайский ИИ почти догнал американский, чипы Nvidia скоро не понадобятся
DeepSeek: китайский ИИ почти догнал американский, чипы Nvidia скоро не понадобятся — иллюстрация к материалу. Источник: ixbt.com

Знаковым событием для индустрии стал анонс компанией Moonshot AI модели искусственного интеллекта Kimi K3. На данный момент она считается одной из самых масштабных систем в мире с открытым исходным кодом, что подтверждает амбиции Китая стать полноценным лидером в сфере генеративного ИИ.

Особое внимание в интервью было уделено вопросу аппаратного обеспечения. Основатель DeepSeek уверен, что в течение следующего года станет очевидно: китайские чипы для ИИ не испытывают проблем с программной совместимостью. Основным барьером остается лишь дефицит производственных мощностей. Лян Вэньфэн считает, что влияние компании Nvidia на глобальный прогресс будет снижаться: по его мнению, суперкомпьютеры на базе Huawei Atlas 950 в ближайшем будущем смогут полностью заменить ускорители Nvidia GB200 и GB300 как по чистой производительности, так и по экономической эффективности внедрения.

Источник: https://www.ixbt.com