Letzte Woche verzeichnete die NASDAQ -Börse, die bedeutende amerikanische Tech -Aktien zeigte – einen großen Rückgang. Dies war an den chinesischen Start -up Deepseek zurückzuführen, der ankündigte, dass es ein künstliches Intelligenzmodell entwickelt hatte, das ebenso wie die KI -Technologie von OpenAI und Meta funktioniert, jedoch zu einem Bruchteil der Kosten und mit weniger Rechenleistung.
KI -Chip -Designer Nvidia verlor fast 600 Milliarden US -Dollar des Marktwerts (der Gesamtdollarwert seiner ausstehenden Aktien) -der größte Einzeltagesrückgang, der von einem Unternehmen in der amerikanischen Marktgeschichte erlebt wurde. Obwohl der Aktienkurs von NVIDIA aus irgendeinem Grund erholt hat, erraten Analysten weiterhin andere ehrgeizige KI-Infrastrukturpläne, einschließlich der spezialisierten Grafikbehandlungseinheiten-Chips des Unternehmens sowie massive Rechenzentren wie die von Amazon gebauten und betriebenen.
DeepSeeks -Schöpfer behaupten, eine bessere Möglichkeit gefunden zu haben, ihre KI zu schulen, indem sie spezielle Teile verwenden und die Art und Weise verbessert, wie KI Regeln lernt, und eine Strategie implementiert, um die KI zu halten, ohne Ressourcen zu verschwenden. Gemäß dem Unternehmen des Unternehmens BerichtReduzierung dieser Innovationen drastisch die Rechenleistung, die für die Entwicklung und Ausführung des Modells erforderlich ist, und damit die Kosten, die mit Chips und Servern verbunden sind. Diese scharfe Kostensenkung hat bereits kleinere KI-Entwickler angezogen, die nach einer billigeren Alternative zu hochkarätigen KI-Labors suchen.
Auf den ersten Blick scheint die Reduzierung der Modelltrainingskosten auf diese Weise den Dollar „KI -Waffenlauf“ zu untergraben, an dem Rechenzentren, Halbleiter und Cloud -Infrastruktur beteiligt sind. Aber wie die Geschichte zeigt, verbrennt die Technologie oft größer. Anstatt Kapitalkosten abzuschwächen, können Durchbrüche, die KI zugänglicher machen, eine Welle neuer Anwender lockern, einschließlich nicht nur Tech -Startups, sondern auch traditionellen Produktionsunternehmen und Dienstleister wie Krankenhäusern und Einzelhandel.
Satya Nadella von Microsoft nannte dieses Phänomen a „Jevons Paradox„Für AI. Das Konzept wird auf den englischen Ökonom des 19. Jahrhunderts William Stanley Jevons zurückgeführt und beschreibt, wie eine Technologie effektiver wird, um den Verbrauch eher zu erhöhen als zu verringern. Dampf und elektrische Leistung folgten diesem Muster: Als sie zum ersten Mal effizienter und erschwinglicher wurden, verbreiteten sie sich auf weitere Fabriken, Büros und Häuser, die letztendlich ihre Verwendung erhöhten.
Nadella hat Recht: Die heutigen sinkenden Entwicklungskosten für generative KI sind bereit, eine ähnliche Expansion zu erzeugen. Dies bedeutet, dass der Himmel keine großen Technologieunternehmen verliebt, die KI -Infrastruktur und -dienste leisten. Große technologische Spieler sind Voraussichtlich mehr als 1 Billion US -Dollar in die KI -Infrastruktur im Jahr 2029 investierenUnd Deepseek -Entwicklung ändert ihre Pläne wahrscheinlich nicht so sehr.
Während die Bildungskosten sinken können, bleiben die langfristigen Hardwareanforderungen für massives maschinelles Lernen Arbeitsbelastung, Datenverarbeitung und spezialisierte KI-Software riesig. Obwohl die Chip-Racks mit effektiverem Modelltraining fallen können, erfordern Hochgeschwindigkeitsnetzwerke, um massive Datenströme und zuverlässige Rechenzentren zu übertragen, um Milliarden von Echtzeit zu bearbeiten, um massive Datenfluss und zuverlässige Rechenzentren zu übertragen. Abfragen. Die Anforderungen an die Regulierungs-, Sicherheits- und Konformitätsanforderungen erschweren die Implementierung weiter, für die fortgeschrittene, manchmal teure Lösungen erforderlich sind, die die Verantwortung von Verantwortung speichern und verarbeiten können.
Allgemeine Technologien, die die Volkswirtschaften in zwei Phasen verwandeln. Nur in einer langen Schwangerschaftszeitxperimente gut gestellte Organisationen, die Prototypen und Prozesse verfeinern. Später, wenn die Standards stabilisieren und für die Verwendung von Lösungen bereit sind, springen vorsichere Unternehmen hinein. Im Falle von Strom sahen die erste Phase, dass die Fabriken Jahre damit verbrachten, die Produktionsböden neu zu organisieren, und die Einführung neuer Workflows, bevor sich die Elektrifizierung weit verbreitet hat. Im Falle von KI bestand es aus großen Banken, Einzelhändlern und Herstellern, die die Technologie langsam einsetzen.
Vor einem halben Jahrhundert, als das Bessemer -Prozess die Verwendung von Heißluft zur Ausblase von Unreinheiten aus geschmolzenem Eisen und Mühlen herausführte, wie man standardisierte Stahlprodukte herstellt, drehten sich die Hersteller um. Die Stahlpreise sanken und der Verbrauch stieg, was in diesem Sektor trotz des effektiveren Einsatzes von Eisenerz der Stahlhersteller die Kosten erhöhte.
Jetzt, da Deepseek und andere Innovationen niedrigere Kosten versprechen, sind möglicherweise mehr Unternehmen bereit, die KI zu nutzen oder zumindest zu versuchen, und die Nachfrage nach KI -Infrastruktur wird wahrscheinlich steigen. Ein erschwinglicheres, fortschrittlicheres Modell kann auch Branchen, Startups und Unternehmer ermutigen, KI mehr zu verwenden, wodurch seine Einführung in Logistik, Kundendienst und vielem mehr erhöht wird.
Stellen Sie sich beispielsweise eine 200-Personen-Anwaltskanzlei vor, die sich auf gewerbliche Eigentum spezialisiert hat. Ursprünglich verwendet es manchmal ChatGPT, um schnelle Vertragseinträge zu erstellen, aber seine Partner werden über inkonsistente Qualität und Datenschutzrisiken beunruhigt. Nachdem das von einem seriöse Lieferant bereitgestellte Vertragsmodell getestet hat, nimmt das Unternehmen Technologie ein, die direkt in sein Dokumentverwaltungssystem integriert ist. Dies ermöglicht es assoziierten Anwälten, in Sekundenschnelle Hunderte von Seiten automatisch zu summieren, sich auf KI-Klauselvorschläge zu verlassen, die auf den Präzedenzfall im Immobiliengespräch zugeschnitten sind, und die Notwendigkeit, von hochrangigen Partnern zu beraten, in Fälle von besonders mehrdeutiger oder hoher Sprache mit hohem Einsatz zu suchen. Darüber hinaus verhindert die von Systems entworfenen Clientdaten daran, die Domäne des Unternehmens zu verlassen, was die Sicherheit erhöht.
Im Laufe der Zeit fügt das Unternehmen KI -Module zu fortgeschrittenen Rechtsstreitigkeiten und automatisierten Abrechnungshinweise hinzu, die ständig die Verwaltungsaufgaben reduzieren und es menschliche Experten auf strategische rechtliche Erkenntnisse konzentrieren können. Es sieht eine schnellere Vertragsrotation, eine standardisierte Rechnungsstellung und einen neuen Testament unter den Partnern fest, um KI-basierte Tools in anderen Bereichen zu erkunden.
Kurz gesagt, die AIS -Kapitalanforderungen werden dank Deepseek nicht schrumpfen. Sie werden weiter verbreitet. Wir werden diese Ausdehnung in Stromnetzwerken, Kühlsystemen, Rechenzentren, Softwareleitungen und Infrastrukturen sehen, mit denen mehr Geräte verwendet werden können, einschließlich Roboter und fahrerloser Autos. In den kommenden Jahren können der Druck in Billionen-Dollar-Infrastruktur fortgesetzt werden.
Victor Menaldo ist Professor für Politikwissenschaft an der University of Washington und schreibt ein Buch über Die politische Ökonomie der vierten industriellen Revolution.
