Die Geburt eines Sterns: DeepSeek, die chinesische KI

Liang Wenfeng, einst Leiter eines quantitativen Hedgefonds in China, hat seine Karriere grundlegend verändert, indem er auf die Forschung im Bereich der künstlichen Intelligenz setzte. Er investierte erhebliche Ressourcen, sammelte 10.000 Nvidia-Chips an und stellte ein Team aus brillanten jungen Forschern zusammen. Dieses mutige Projekt führte zwei Jahre später zum Debüt von DeepSeek, einer Initiative, die schnell die Aufmerksamkeit der globalen Technologiebranche auf sich zog.

Am 20. Januar veröffentlichte das Labor DeepSeek ein Open-Source-Modell, das die Aufmerksamkeit des Silicon Valley erregte. Laut einem Dokument des Unternehmens übertrifft DeepSeek-R1 führende Modelle wie OpenAI in Mathematik und logischem Denken und stellt damit eine ernsthafte Herausforderung für die westlichen KI-Giganten dar.

Der Erfolg von DeepSeek zeigt eine unerwartete Wirkung der US-Technologiebeschränkungen. Wegen des eingeschränkten Zugangs zu fortschrittlichen Chips konzentrierten sich viele chinesische Unternehmen eher auf Anwendungen als auf Basismodelle. DeepSeek verfolgte jedoch einen anderen Ansatz: die Architektur der KI-Modelle zu verbessern, um die begrenzten Ressourcen effizienter zu nutzen.

"DeepSeek zeichnet sich durch die softwaregetriebene Optimierung der Ressourcen aus, einen Ansatz, der kollaborative Innovation fördert", erklärt Marina Zhang, außerordentliche Professorin an der University of Technology Sydney.

Der Ursprung von DeepSeek

DeepSeek entstand als Fire-Flyer, ein Forschungszweig von High-Flyer, einem erfolgreichen chinesischen quantitativen Hedgefonds. High-Flyer wurde 2015 gegründet und sammelte GPUs für Finanzanalysen an, bis Liang 2023 beschloss, diese Ressourcen für die Entwicklung fortschrittlicher KI-Modelle umzuwidmen.

DeepSeek verfolgte eine einzigartige Rekrutierungsstrategie und setzte auf junge Absolventen renommierter Universitäten wie Peking und Tsinghua, die ihren Wert unter Beweis stellen wollten. "Wir haben Forscher ohne Branchenerfahrung, aber mit einer innovativen Denkweise ausgewählt", erklärte Liang.

Innovation unter Druck

Die US-Beschränkungen für fortschrittliche Chips haben DeepSeek dazu veranlasst, effizientere Trainingsmethoden zu entwickeln. "Sie haben die Kommunikation zwischen den Chips optimiert und Mix-of-Models-Strategien implementiert", erklärt Wendy Chang vom Mercator Institute for China Studies. Ihr neuestes Modell ist so effizient, dass es nur ein Zehntel der Rechenleistung benötigte, die für das Training von Llama 3.1 von Meta erforderlich war.

Die Open-Source-Veröffentlichung der Innovationen von DeepSeek hat seinen weltweiten Ruf gestärkt. "Sie zeigen, dass fortschrittliche Modelle mit weniger Ressourcen entwickelt werden können, indem die Trainingsmethoden optimiert werden", schließt Chang.

Die US-Beschränkungen könnten sich als unwirksam erweisen, wenn es darum geht, den Fortschritt der chinesischen KI einzudämmen, da alternative Strategien wie die von DeepSeek erfolgreich an Boden gewinnen.

Quelle: Wired