Αυτή δεν είναι επενδυτική συμβουλή. Ο συγγραφέας δεν έχει θέση σε καμία από τις μετοχές που αναφέρονται. Το Wccftech.com έχει πολιτική αποκάλυψης και δεοντολογίας.
Με τη NVIDIA να απορρίπτει σχεδόν μισό τρισεκατομμύριο δολάρια σε κεφαλαιοποίηση σήμερα, καθώς οι αναλυτές και οι επενδυτές αρχίζουν να αμφισβητούν το πρότυπο ζήτησης για υπερκλιμακωτές, ειδικά δεδομένων των εκπληκτικών κερδών απόδοσης που καταδεικνύονται από το μοντέλο R1 AI της DeepSeek, οι αναλυτές της Wall Street βγαίνουν πλήθος με ευρέως καθησυχαστικούς αναλαμβάνει τις προοπτικές του γίγαντα της GPU.
Όπως έχουμε σημειώσει σε προηγούμενη ανάρτηση, το DeepSeek της Κίνας σόκαρε πρόσφατα την παγκόσμια βιομηχανία τεχνολογίας εκπαιδεύοντας το μοντέλο R1 με κόστος μόλις περίπου 6 εκατομμυρίων δολαρίων, που είναι περίπου το 1/50 του κόστους συγκρίσιμων LLM από τις ΗΠΑ και την ΕΕ. Το μοντέλο, από ορισμένες απόψεις, είναι αρκετά ανώτερο από την τελευταία προσφορά αιχμής του OpenAI, το μοντέλο o1. Επιπλέον, το λειτουργικό κόστος του R1 είναι μόλις το 3 τοις εκατό αυτού που συνήθως χρεώνει το OpenAI για εκροές εντάσεως υπολογισμού.
ΕΝΤΑΞΕΙ, ΕΔΩ ΕΙΝΑΙ Η ΓΡΗΓΟΡΗ, ΜΕ ΤΕΧΝΙΚΗ ΠΕΡΙΓΡΑΦΗ ΤΟΥ DEEPSEEK, ΓΙΑΤΙ ΕΙΝΑΙ ΤΟΣΟ ΑΠΟΔΟΤΙΚΟ ΚΟΣΤΟΣ:
1) Μεγάλη εικόνα για το κόστος: Τα παραδοσιακά εργαστήρια τεχνητής νοημοσύνης (OpenAI, Anthropic) ξεπερνούν τα 100 εκατομμύρια $+ στον υπολογισμό για να εκπαιδεύσουν κάτι σαν το GPT-4. Η DeepSeek φέρεται να έκανε ένα παρόμοιο ικανό μοντέλο με μόλις 6 $… https://t.co/etCMxlWJdH
— Wall St Engine (@wallstengine) 27 Ιανουαρίου 2025
Το DeepSeek μπόρεσε να επιτύχει αυτά τα εκπληκτικά κέρδη αποτελεσματικότητας εφαρμόζοντας μερικές νέες ιδέες:
- Χρησιμοποιούνται πλωτήρες 8-bit για να περιορίσουν τη χρήση της μνήμης κατά περίπου 75 τοις εκατό.
- Δυνατότητα επεξεργασίας πολλαπλών κουπονιών ταυτόχρονα.
- Μόνο ένα κλάσμα των συνολικών παραμέτρων είναι ενεργό κάθε δεδομένη στιγμή.
- Η ενισχυτική μάθηση, η οποία χρησιμοποιεί ένα σύστημα ανταμοιβής βασισμένο σε κανόνες, που χρησιμοποιείται για να διδάξει στο μοντέλο να «σκέφτεται μέσα από» ένα δεδομένο πρόβλημα βήμα προς βήμα.
Αυτό μας φέρνει στην ουσία του θέματος. Με την πρώτη ματιά, το μοντέλο R1 του DeepSeek φαίνεται σε ένα σκοτεινό σύννεφο για τη NVIDIA, αμφισβητώντας την ανάγκη για εκατοντάδες χιλιάδες κορυφαίες GPU όταν ένα αποτελεσματικό μοντέλο μπορεί να εκπαιδευτεί με μόλις 2000 H800, όπως συνέβη με το R1. Ωστόσο, ένας αναλυτής του Cantor Fitzgerald διαφωνεί.
Cantor Fitzgerald: Το DeepSeek V3 είναι στην πραγματικότητα πολύ ανοδικό για υπολογιστές και $NVDA:
“Μετά την κυκλοφορία του V3 LLM της DeepSeek, υπήρξε μεγάλη αγωνία ως προς τον αντίκτυπο της υπολογιστικής ζήτησης, και ως εκ τούτου, φόβοι για τις κορυφαίες δαπάνες για GPU. Πιστεύουμε ότι αυτή η άποψη απέχει πολύ από την αλήθεια…
— Wall St Engine (@wallstengine) 27 Ιανουαρίου 2025
Το επενδυτικό σημείωμα του Cantor Fitzgerald παραδέχεται εξαρχής ότι το μοντέλο R1 του DeepSeek έχει δημιουργήσει «μεγάλη αγωνία ως προς τον αντίκτυπο στην υπολογιστική ζήτηση και επομένως φόβους για τις κορυφαίες δαπάνες για τις GPU».
Ωστόσο, η επενδυτική τράπεζα πιστεύει ότι αυτή η άποψη είναι «πιο μακριά από την αλήθεια».
Πιστεύουμε ότι αυτή η άποψη είναι πιο μακριά από την αλήθεια και ότι η ανακοίνωση είναι στην πραγματικότητα πολύ ανοδική με το AGI να φαίνεται πιο κοντά στην πραγματικότητα και το Jevons Paradox σχεδόν σίγουρα οδηγεί στη βιομηχανία τεχνητής νοημοσύνης να θέλει περισσότερους υπολογισμούς, όχι λιγότερο.
Αντίστοιχα, η επενδυτική τράπεζα δηλώνει ότι θα είναι «αγοραστές μετοχών της NVIDIA σε οποιαδήποτε πιθανή αδυναμία».
Προς όφελος εκείνων που μπορεί να μην το γνωρίζουν, το παράδοξο Jevons υποστηρίζει ότι η αυξημένη αποτελεσματικότητα στη χρήση ενός πόρου μπορεί να οδηγήσει σε μεγαλύτερη κατανάλωση αυτού του πόρου. Ο Cantor Fitzgerald έχει εφαρμόσει το ίδιο σκεπτικό για το μοντέλο R1 του DeepSeek και τον εκδημοκρατισμό της τάφρου της τεχνητής νοημοσύνης.
Το sell-off του DeepSeek:
Αντιδράσεις αναλυτών:
🔸 JPMorgan (Sandeep Deshpande): Προτείνει ότι ο επενδυτικός κύκλος της τεχνητής νοημοσύνης μπορεί να είναι υπερβολικός. Η αποτελεσματικότητα του DeepSeek θα μπορούσε να οδηγήσει σε ένα πιο αποτελεσματικό μέλλον.🔸 Jefferies (Edison Lee): Προτείνει δύο στρατηγικές μετά το DeepSeek: συνέχεια…
— *Walter Bloomberg (@DeItaone) 27 Ιανουαρίου 2025
Είναι ενδιαφέρον ότι οι αναλυτές της Citi και της Bernstein έχουν υιοθετήσει μια παρόμοια ανοδική άποψη για τη NVIDIA υπό το φως των προόδων του DeepSeek. Ωστόσο, οι αναλυτές του Raymond James πιστεύουν ότι η ανάπτυξη προμηνύει κακό για «μεγάλα συμπλέγματα GPU».
VIA: wccftech.com
Αυτή δεν είναι επενδυτική συμβουλή. Ο συγγραφέας δεν έχει θέση σε καμία από τις μετοχές που αναφέρονται. Το Wccftech.com έχει πολιτική αποκάλυψης και δεοντολογίας.
Με τη NVIDIA να απορρίπτει σχεδόν μισό τρισεκατομμύριο δολάρια σε κεφαλαιοποίηση σήμερα, καθώς οι αναλυτές και οι επενδυτές αρχίζουν να αμφισβητούν το πρότυπο ζήτησης για υπερκλιμακωτές, ειδικά δεδομένων των εκπληκτικών κερδών απόδοσης που καταδεικνύονται από το μοντέλο R1 AI της DeepSeek, οι αναλυτές της Wall Street βγαίνουν πλήθος με ευρέως καθησυχαστικούς αναλαμβάνει τις προοπτικές του γίγαντα της GPU.
Όπως έχουμε σημειώσει σε προηγούμενη ανάρτηση, το DeepSeek της Κίνας σόκαρε πρόσφατα την παγκόσμια βιομηχανία τεχνολογίας εκπαιδεύοντας το μοντέλο R1 με κόστος μόλις περίπου 6 εκατομμυρίων δολαρίων, που είναι περίπου το 1/50 του κόστους συγκρίσιμων LLM από τις ΗΠΑ και την ΕΕ. Το μοντέλο, από ορισμένες απόψεις, είναι αρκετά ανώτερο από την τελευταία προσφορά αιχμής του OpenAI, το μοντέλο o1. Επιπλέον, το λειτουργικό κόστος του R1 είναι μόλις το 3 τοις εκατό αυτού που συνήθως χρεώνει το OpenAI για εκροές εντάσεως υπολογισμού.
ΕΝΤΑΞΕΙ, ΕΔΩ ΕΙΝΑΙ Η ΓΡΗΓΟΡΗ, ΜΕ ΤΕΧΝΙΚΗ ΠΕΡΙΓΡΑΦΗ ΤΟΥ DEEPSEEK, ΓΙΑΤΙ ΕΙΝΑΙ ΤΟΣΟ ΑΠΟΔΟΤΙΚΟ ΚΟΣΤΟΣ:
1) Μεγάλη εικόνα για το κόστος: Τα παραδοσιακά εργαστήρια τεχνητής νοημοσύνης (OpenAI, Anthropic) ξεπερνούν τα 100 εκατομμύρια $+ στον υπολογισμό για να εκπαιδεύσουν κάτι σαν το GPT-4. Η DeepSeek φέρεται να έκανε ένα παρόμοιο ικανό μοντέλο με μόλις 6 $… https://t.co/etCMxlWJdH
— Wall St Engine (@wallstengine) 27 Ιανουαρίου 2025
Το DeepSeek μπόρεσε να επιτύχει αυτά τα εκπληκτικά κέρδη αποτελεσματικότητας εφαρμόζοντας μερικές νέες ιδέες:
- Χρησιμοποιούνται πλωτήρες 8-bit για να περιορίσουν τη χρήση της μνήμης κατά περίπου 75 τοις εκατό.
- Δυνατότητα επεξεργασίας πολλαπλών κουπονιών ταυτόχρονα.
- Μόνο ένα κλάσμα των συνολικών παραμέτρων είναι ενεργό κάθε δεδομένη στιγμή.
- Η ενισχυτική μάθηση, η οποία χρησιμοποιεί ένα σύστημα ανταμοιβής βασισμένο σε κανόνες, που χρησιμοποιείται για να διδάξει στο μοντέλο να «σκέφτεται μέσα από» ένα δεδομένο πρόβλημα βήμα προς βήμα.
Αυτό μας φέρνει στην ουσία του θέματος. Με την πρώτη ματιά, το μοντέλο R1 του DeepSeek φαίνεται σε ένα σκοτεινό σύννεφο για τη NVIDIA, αμφισβητώντας την ανάγκη για εκατοντάδες χιλιάδες κορυφαίες GPU όταν ένα αποτελεσματικό μοντέλο μπορεί να εκπαιδευτεί με μόλις 2000 H800, όπως συνέβη με το R1. Ωστόσο, ένας αναλυτής του Cantor Fitzgerald διαφωνεί.
Cantor Fitzgerald: Το DeepSeek V3 είναι στην πραγματικότητα πολύ ανοδικό για υπολογιστές και $NVDA:
“Μετά την κυκλοφορία του V3 LLM της DeepSeek, υπήρξε μεγάλη αγωνία ως προς τον αντίκτυπο της υπολογιστικής ζήτησης, και ως εκ τούτου, φόβοι για τις κορυφαίες δαπάνες για GPU. Πιστεύουμε ότι αυτή η άποψη απέχει πολύ από την αλήθεια…
— Wall St Engine (@wallstengine) 27 Ιανουαρίου 2025
Το επενδυτικό σημείωμα του Cantor Fitzgerald παραδέχεται εξαρχής ότι το μοντέλο R1 του DeepSeek έχει δημιουργήσει «μεγάλη αγωνία ως προς τον αντίκτυπο στην υπολογιστική ζήτηση και επομένως φόβους για τις κορυφαίες δαπάνες για τις GPU».
Ωστόσο, η επενδυτική τράπεζα πιστεύει ότι αυτή η άποψη είναι «πιο μακριά από την αλήθεια».
Πιστεύουμε ότι αυτή η άποψη είναι πιο μακριά από την αλήθεια και ότι η ανακοίνωση είναι στην πραγματικότητα πολύ ανοδική με το AGI να φαίνεται πιο κοντά στην πραγματικότητα και το Jevons Paradox σχεδόν σίγουρα οδηγεί στη βιομηχανία τεχνητής νοημοσύνης να θέλει περισσότερους υπολογισμούς, όχι λιγότερο.
Αντίστοιχα, η επενδυτική τράπεζα δηλώνει ότι θα είναι «αγοραστές μετοχών της NVIDIA σε οποιαδήποτε πιθανή αδυναμία».
Προς όφελος εκείνων που μπορεί να μην το γνωρίζουν, το παράδοξο Jevons υποστηρίζει ότι η αυξημένη αποτελεσματικότητα στη χρήση ενός πόρου μπορεί να οδηγήσει σε μεγαλύτερη κατανάλωση αυτού του πόρου. Ο Cantor Fitzgerald έχει εφαρμόσει το ίδιο σκεπτικό για το μοντέλο R1 του DeepSeek και τον εκδημοκρατισμό της τάφρου της τεχνητής νοημοσύνης.
Το sell-off του DeepSeek:
Αντιδράσεις αναλυτών:
🔸 JPMorgan (Sandeep Deshpande): Προτείνει ότι ο επενδυτικός κύκλος της τεχνητής νοημοσύνης μπορεί να είναι υπερβολικός. Η αποτελεσματικότητα του DeepSeek θα μπορούσε να οδηγήσει σε ένα πιο αποτελεσματικό μέλλον.🔸 Jefferies (Edison Lee): Προτείνει δύο στρατηγικές μετά το DeepSeek: συνέχεια…
— *Walter Bloomberg (@DeItaone) 27 Ιανουαρίου 2025
Είναι ενδιαφέρον ότι οι αναλυτές της Citi και της Bernstein έχουν υιοθετήσει μια παρόμοια ανοδική άποψη για τη NVIDIA υπό το φως των προόδων του DeepSeek. Ωστόσο, οι αναλυτές του Raymond James πιστεύουν ότι η ανάπτυξη προμηνύει κακό για «μεγάλα συμπλέγματα GPU».
VIA: Πηγή Άρθρου
Greek Live Channels Όλα τα Ελληνικά κανάλια: Βρίσκεστε μακριά από το σπίτι ή δεν έχετε πρόσβαση σε τηλεόραση; Το IPTV σας επιτρέπει να παρακολουθείτε όλα τα Ελληνικά κανάλια και άλλο περιεχόμενο από οποιαδήποτε συσκευή συνδεδεμένη στο διαδίκτυο. Αν θες πρόσβαση σε όλα τα Ελληνικά κανάλια Πατήστε Εδώ
Ακολουθήστε το TechFreak.GR στο Google News για να μάθετε πρώτοι όλες τις ειδήσεις τεχνολογίας.