تسبب Deepseek في فريت 600 مليار دولار. لكن منظمة العفو الدولية الصينية قد لا تكون الخطر على ضوابط التصدير والولايات المتحدة التي يفترضها الكثيرون

كل من هذه الروايات الناشئة يمكن أن تثبت قصر النظر. ذلك لأن تأثير Deepseek يمكن أن يزيد من الطلب على رقائق الذكاء الاصطناعى المتقدمة – كلاهما nvidia وتلك التي طورها المنافسون. والسبب يرجع جزئياً إلى ظاهرة تعرف باسم مفارقة جيفونس.

اسمه 19^ذ خبير الاقتصاد البريطاني في Century William Stanley Jevons ، الذي لاحظ أنه عندما استغل التقدم التكنولوجي استخدام مورد أكثر كفاءة ، يميل الاستهلاك العام لهذا المورد إلى الزيادة. هذا أمر منطقي إذا كان الطلب على شيء ما مرنًا نسبيًا – فإن سعر الانخفاض بسبب تحسين الكفاءة يخلق طلبًا أكبر على المنتج.

يمكن أن تلعب Jevons Paradox هنا. كان أحد الأشياء التي تباطأت من الذكاء الاصطناعي داخل المنظمات الكبيرة حتى الآن هو مدى تكلفة تشغيل هذه النماذج. وقد جعل هذا من الصعب على الأعمال العثور على حالات الاستخدام التي يمكن أن تكسب عائد إيجابي على الاستثمار ، أو العائد على الاستثمار. لقد كان هذا صحيحًا بشكل خاص حتى الآن بالنسبة لنماذج “التفكير” الجديدة مثل Openai's O1. لكن نماذج Deepseek ، وخاصة منافس O1 R1 لها ، غير مكلفة للغاية لتشغيلها بحيث يمكن للشركات الآن تحمل إدراجها في العديد من العمليات ونشرها للعديد من حالات الاستخدام الأخرى. قد يتسبب ذلك في الاقتصاد ، وقد يتسبب ذلك في زيادة الطلب على قوة الحوسبة ، حتى أن كل حساب فردي يتطلب طاقة أقل بكثير.

أوضح كل من الرئيس التنفيذي لشركة Microsoft Satya Nadella والرئيس التنفيذي السابق لشركة Intel Pat Gelsinger هذه النقطة في الوظائف على وسائل التواصل الاجتماعي يوم الاثنين. أشار ناديلا صراحة إلى جيفونز بارموكس ، بينما قال جيلجر “الحوسبة تطيع” ما أطلق عليه “قانون الغاز”. “إن جعلها أرخص بشكل كبير سيؤدي إلى توسيع السوق من أجل ذلك … هذا سيجعل منظمة العفو الدولية منتشرة على نطاق أوسع” ، كتب. “الأسواق تخطئ.”

الآن يصبح السؤال بالضبط أي نوع من طاقة الكمبيوتر المطلوبة. يتم تحسين وحدات معالجة الرسومات في NVIDIA من طراز NVIDIA لتدريب أكبر نماذج اللغة الكبيرة (LLMS) ، مثل GPT-4 من Openai أو كلود 3-Opus. لدى الشركة ميزة أقل عندما يتعلق الأمر بما يسميه الباحثون والمطورين منظمة العفو الدولية الاستدلال – وهو يستخدم نموذج الذكاء الاصطناعي المدربين بالكامل لأداء المهمة. هنا ، ادعى بعض منافسي NVIDIA ، بما في ذلك الأجهزة المتقدمة المتقدمة (AMD) و APSTARTS مثل GROQ ، أنه يمكنهم تشغيل تطبيقات AI بشكل أسرع وأكثر كفاءة من حيث استهلاك الطاقة من وحدات معالجة الرسومات NVIDIA. تقوم AWS من Alphabet's Google و Amazon's AWS أيضًا ببناء رقائق الذكاء الاصطناعى الخاصة بها ، والتي تم تحسين بعضها للاستدلال.

يمكن أن يبدأ بعض هؤلاء المنافسين بالفعل في تآكل موقف السوق المهيمن في Nvidia. (تتحكم الشركة حاليًا في أكثر من 80 ٪ من السوق لحوسبة الذكاء الاصطناعي المستندة إلى مركز البيانات ؛ عندما يتم استبعاد السيليكون المخصص لمقدمي الخدمات السحابية ، قد تكون حصة Nvidia تصل إلى 98 ٪.) ولكن من غير المحتمل أن تفقد NVIDIA هذه الهيمنة بسرعة أو تماما. يمكن أيضًا استخدام وحدات معالجة الرسومات الخاصة بها للاستدلال – وبرامج برمجة GPU الخاصة بها ، CUDA ، لديها مجتمع مطور كبير ومخلص من غير المرجح أن يتخلف بين عشية وضحاها. إذا زاد الطلب الإجمالي على رقائق الكمبيوتر AI بسبب مفارقة Jevons ، فإن الإيرادات الإجمالية لـ Nvidia لا تزال مستمرة في الصعود ، حتى لو انخفضت Sharehare ، حيث ستمتلك نسبة مئوية أصغر من فطيرة أكبر ومتنامية.

سبب آخر هو أن الطلب على رقائق الكمبيوتر المتقدمة من المحتمل أن يستمر في النمو له علاقة بالطريقة التي تعمل بها نماذج التفكير مثل R1. في حين أن الأنواع السابقة من LLMs أصبحت أكثر قدرة إذا استخدموا المزيد من طاقة الكمبيوتر أثناء التدريب ، فإن نماذج التفكير هذه تستخدم ما يسمى “حساب وقت الاختبار” – فهي توفر إجابات أفضل لمزيد من قوة الحوسبة التي يستخدمونها أثناء الاستدلال. لذا ، على الرغم من أن المرء قد يكون قادرًا على تشغيل R1 على جهاز كمبيوتر محمول وجعله يخرج إجابة جيدة على سؤال الرياضيات الصعبة ، على سبيل المثال ، قد يسمح له بإمكانية الوصول إلى GPU أو رقائق الذكاء الاصطناعي في السحابة بإنتاجها نفس الإجابة في ثوان. بالنسبة للعديد من تطبيقات الأعمال من الذكاء الاصطناعى ، أو الكمون ، أو الوقت الذي يستغرقه نموذجًا لإنتاج الإخراج. أقل الوقت ، بشكل عام كلما كان ذلك أفضل. وللحصول على هذا الوقت مع نماذج التفكير ، لا يزال يتطلب رقائق الحوسبة المتقدمة.

لهذه الأسباب ، ربما لا يزال من المنطقي-إذا رأت الولايات المتحدة أنها أولوية للأمن القومي لجعل من الصعب على الصين التنافس على الذكاء الاصطناعى-للاستمرار في تقييد وصول البلاد إلى أهم شرائح الكمبيوتر. قام مايلز بروندج ، وهو خبير في سياسة الذكاء الاصطناعي الذي غادر مؤخراً على Openai ، إلى هذه النقطة على بودكاست خلال عطلة نهاية الأسبوع ، قائلاً إنه حتى لو أثبتت Deepseek أنه يمكن بناء نماذج AI القوية على عدد أقل من الرقائق والأقل تقدماً ، فسيظل ذلك بمثابة ميزة دائمًا يمكنك الوصول إلى رقائق أكثر تقدمًا من عدمه.

“أعتقد أن الجميع يفضلون أن يكون لديهم المزيد من حساب التدريب ، وإجراء المزيد من التجارب ، وأخذ عينات من نموذج أكثر مرات ، والقيام بنوع من الطرق الفاخرة لبناء وكلاء ، كما تعلمون ، يصححون بعضهم البعض ومناقشة الأمور والتصويت على اليمين الجواب ، “قال بروندج. “لذلك هناك كل أنواع طرق تحويل الحساب إلى أداء أفضل ، والشركات الأمريكية في الوقت الحالي في وضع أفضل للقيام بذلك بسبب حجمها الأكبر وكمية الرقائق.”

لذلك قد لا تزال ضوابط التصدير تبطئ الصين عندما يتعلق الأمر باستخدام الذكاء الاصطناعي في كل مكان تود – مما سيمنح الولايات المتحدة ميزة اقتصاديًا وربما عسكريًا ، عندما يتعلق الأمر بنشر الذكاء الاصطناعي وجني فوائدها.

علاوة على ذلك ، هناك حجة أخرى لماذا قد لا يكون هذا بمثابة أخبار سيئة لسياسة NVIDIA وسياسة الأمن القومي الأمريكي كما يعتقد المستثمرون والنقاد: من الممكن تمامًا Deepseek أقل من صدق حول عدد رقائق NVIDIA الأعلى التي لديها الوصول إلى واستخدام لتدريب نماذجها.

يشك العديد من باحثو الذكاء الاصطناعى في مطالبات Deepseek حول تدريب نموذج V3 الخاص به على حوالي 2000 من رقائق الكمبيوتر H800 الأقل قدرة في NVIDIA أو تم تدريب طراز R1 الخاص به على عدد قليل جدًا من الرقائق. قال ألكسندر وانغ ، الرئيس التنفيذي لشركة AI Company AI ، في مقابلة مع CNBC من Davos الأسبوع الماضي إنه لديه معلومات اكتسب Deepseek سراً الوصول إلى مجموعة من GPU من 50000 NVIDIA H100 (أحدث طراز لها). من المعروف أن Highflyer ، صندوق التحوط الذي يمتلك Deepseek ، جمع عددًا كبيرًا من وحدات معالجة الرسومات Nvidia الأقل قدرة قبل فرض ضوابط التصدير. إذا كان هذا صحيحًا ، فمن الممكن تمامًا أن تكون Nvidia في وضع أفضل من أن الذعر المستثمر الذي يوحي به – وأن المشكلة في ضوابط التصدير في الولايات المتحدة ليست هي السياسة ، بل تنفيذها.

تم عرض هذه القصة في الأصل على Fortune.com