Обновление DeepSeek V3: Прорыв в AI Алгоритм и влияние на индустрию
На днях DeepSeek выпустил обновление версии V3, параметры модели достигли 685 миллиардов, что привело к значительному улучшению в области кодирования, дизайна UI и возможностей вывода. На недавно завершившейся конференции GTC 2025 генеральный директор NVIDIA высоко оценил DeepSeek и отметил, что мнение рынка о том, что эффективные модели снизят спрос на чипы, является ошибочным; в будущем вычислительные потребности будут только расти, а не уменьшаться.
DeepSeek как代表 продукта прорыва в алгоритмах вызывает размышления о роли вычислительной мощности и алгоритмов в развитии AI-индустрии, в связи с отношениями между поставщиками чипов.
Сосуществующая эволюция вычислительной мощности и Алгоритма
В области ИИ повышение вычислительной мощности предоставляет базу для выполнения более сложных Алгоритмов, позволяя моделям обрабатывать большие объемы данных и изучать более сложные паттерны; а оптимизация Алгоритмов позволяет более эффективно использовать вычислительную мощность и повышать эффективность использования вычислительных ресурсов.
Симбиотические отношения между вычислительной мощностью и алгоритмами вновь формируют ландшафт AI-индустрии:
Дифференциация технических направлений: некоторые компании стремятся построить сверхбольшие вычислительные кластеры, в то время как другие сосредоточены на оптимизации эффективности алгоритмов, формируя разные технические школы.
Реконструкция цепочки поставок: один производитель чипов стал лидером по вычислительной мощности AI через экосистему, в то время как облачные сервисные провайдеры снизили порог развертывания за счет гибких вычислительных услуг.
Корректировка распределения ресурсов: компании ищут баланс между инвестициями в аппаратную инфраструктуру и разработкой эффективных алгоритмов.
Восхождение открытого сообщества: открытые модели, такие как DeepSeek, LLaMA и другие, позволяют делиться результатами инноваций в области Алгоритм и оптимизации вычислительной мощности, ускоряя итерацию и распространение технологий.
Технические инновации DeepSeek
Прорывное развитие DeepSeek неразрывно связано с его технологическими инновациями. Ниже приведено простое объяснение его основных инновационных пунктов:
Оптимизация архитектуры модели
DeepSeek использует комбинацию архитектур Transformer+MOE (Смешанная группа экспертов) и вводит многоголовую латентную механизм внимания (Multi-Head Latent Attention, MLA). Эта архитектура похожа на суперкоманду, где Transformer отвечает за выполнение обычных задач, а MOE является группой экспертов в команде, каждый из которых имеет свою область специализации. Когда возникает конкретная проблема, ее решает самый опытный эксперт, что значительно повышает эффективность и точность модели. Механизм MLA позволяет модели более гибко обращать внимание на различные важные детали при обработке информации, что дополнительно улучшает производительность модели.
Инновации в методах обучения
DeepSeek представил рамки обучения с гибридной точностью FP8. Эта рамка действует как умный распределитель ресурсов, который может динамически выбирать подходящую вычислительную точность в зависимости от потребностей на разных этапах обучения. Когда требуется высокая точность вычислений, она использует более высокую точность, чтобы гарантировать точность модели; а когда приемлема более низкая точность, она снижает точность, экономя вычислительные ресурсы, увеличивая скорость обучения и уменьшая использование памяти.
Повышение эффективности алгоритма
На этапе вывода DeepSeek внедрил технологию многотокенной предсказания (Multi-token Prediction, MTP). Традиционные методы вывода работают поэтапно, предсказывая только один токен за раз. Однако технология MTP позволяет предсказывать несколько токенов одновременно, значительно ускоряя процесс вывода и снижая его стоимость.
Прорыв в алгоритмах强化学习
Новый алгоритм глубокого обучения DeepSeek GRPO (Общая оптимизация с наградой и штрафом) оптимизирует процесс обучения модели. Укрепляющее обучение похоже на то, что модели предоставляется тренер, который направляет её к обучению лучшему поведению с помощью наград и наказаний. Традиционные алгоритмы укрепляющего обучения могут расходовать множество вычислительных ресурсов в этом процессе, в то время как новый алгоритм DeepSeek более эффективен, позволяя уменьшить ненужные вычисления при обеспечении повышения производительности модели, что позволяет достичь баланса между производительностью и стоимостью.
Эти инновации не являются изолированными технологическими точками, а формируют целостную технологическую систему, снижающую потребность в вычислительной мощности на всем протяжении цепочки от обучения до вывода. Обычные потребительские видеокарты теперь также могут запускать мощные AI-модели, значительно снижая порог входа для AI-приложений и позволяя большему числу разработчиков и компаний участвовать в инновациях в области AI.
Влияние на производителей чипов
Существует мнение, что DeepSeek обходит некоторые промежуточные слои, тем самым освобождаясь от зависимости от конкретных производителей чипов. На самом деле, DeepSeek напрямую оптимизирует алгоритмы через уровень PTX (Parallel Thread Execution). PTX является промежуточным языком представления, находящимся между высокоуровневым кодом и реальными инструкциями GPU, и, манипулируя этим уровнем, DeepSeek может достичь более тонкой настройки производительности.
Влияние на производителей чипов двустороннее: с одной стороны, DeepSeek на самом деле более глубоко связано с аппаратным обеспечением и соответствующей экосистемой, снижение порога входа в AI-приложения может расширить общий рынок; с другой стороны, оптимизация алгоритма DeepSeek может изменить структуру спроса на высококачественные чипы: некоторые AI-модели, которые ранее требовали высококачественные GPU для работы, теперь могут эффективно работать даже на средних и потребительских видеокартах.
Значение для китайской AI-индустрии
Оптимизация алгоритма DeepSeek предоставляет технический прорыв для китайской AI-индустрии. В условиях ограничений на высококачественные чипы, подход "программного обеспечения для замены аппаратного обеспечения" уменьшает зависимость от импортных чипов высшего класса.
На upstream эффективный Алгоритм снизил давление на требования к вычислительной мощности, что позволяет поставщикам вычислительных услуг продлевать срок службы оборудования через оптимизацию программного обеспечения и повышать доходность инвестиций. На downstream оптимизированные открытые модели снизили порог разработки AI приложений. Множество малых и средних предприятий могут разрабатывать конкурентоспособные приложения на основе модели DeepSeek, не требуя значительных ресурсов вычислительной мощности, что приведет к появлению большего количества AI решений в вертикальных областях.
Глубокое влияние Web3+AI
Децентрализованная AI инфраструктура
Оптимизация алгоритма DeepSeek предоставляет новую动力 для инфраструктуры Web3 AI. Инновационная архитектура, эффективный алгоритм и низкие требования к вычислительной мощности делают возможным децентрализованное AI-выведение. Архитектура MoE естественным образом подходит для распределенного развертывания, различные узлы могут хранить разные сети экспертов, не требуя от единого узла хранения полной модели, что значительно снижает требования к хранению и вычислениям на одном узле, тем самым повышая гибкость и эффективность модели.
FP8 тренировочная платформа дополнительно снизила требования к высокопроизводительным вычислительным ресурсам, что позволило большему количеству вычислительных ресурсов присоединиться к сети узлов. Это не только снизило барьер для участия в децентрализованных AI вычислениях, но и повысило общую вычислительную мощность и эффективность всей сети.
Многоагентская система
Оптимизация интеллектуальных торговых стратегий: с помощью совместной работы агентов анализа данных рынка в реальном времени, агентов прогнозирования краткосрочных колебаний цен, агентов исполнения сделок на блокчейне, агентов мониторинга результатов торговли и т.д., помогает пользователям получать более высокую прибыль.
Автоматическое выполнение смарт-контрактов: совместная работа агентов мониторинга смарт-контрактов, агентов выполнения смарт-контрактов, агентов контроля результатов выполнения и др., что позволяет автоматизировать более сложную бизнес-логику.
Персонализированное управление инвестиционным портфелем: ИИ помогает пользователям в реальном времени находить лучшие возможности для стекинга или предоставления ликвидности в зависимости от их склонности к риску, инвестиционных целей и финансового положения.
DeepSeek именно в условиях ограниченных вычислительных мощностей, через алгоритмические инновации, ищет прорывы и открывает дифференцированные пути развития для китайской AI-индустрии. Снижая барьеры для применения, продвигая интеграцию Web3 и AI, уменьшая зависимость от высококачественных чипов и наделяя финансовые инновации новыми возможностями, эти изменения формируют цифровую экономику. В будущем развитие AI больше не будет просто соревнованием вычислительных мощностей, а станет соревнованием по совместной оптимизации вычислительных мощностей и алгоритмов. На этой новой арене такие новаторы, как DeepSeek, переопределяют правила игры с помощью китайской мудрости.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
14 Лайков
Награда
14
2
Поделиться
комментарий
0/400
OnChainDetective
· 07-28 09:24
Вычислительная мощность demanda, наконец, уменьшилась.
DeepSeek V3 ведет новую эру ИИ: Алгоритм прорыва и пересмотр отрасли
Обновление DeepSeek V3: Прорыв в AI Алгоритм и влияние на индустрию
На днях DeepSeek выпустил обновление версии V3, параметры модели достигли 685 миллиардов, что привело к значительному улучшению в области кодирования, дизайна UI и возможностей вывода. На недавно завершившейся конференции GTC 2025 генеральный директор NVIDIA высоко оценил DeepSeek и отметил, что мнение рынка о том, что эффективные модели снизят спрос на чипы, является ошибочным; в будущем вычислительные потребности будут только расти, а не уменьшаться.
DeepSeek как代表 продукта прорыва в алгоритмах вызывает размышления о роли вычислительной мощности и алгоритмов в развитии AI-индустрии, в связи с отношениями между поставщиками чипов.
Сосуществующая эволюция вычислительной мощности и Алгоритма
В области ИИ повышение вычислительной мощности предоставляет базу для выполнения более сложных Алгоритмов, позволяя моделям обрабатывать большие объемы данных и изучать более сложные паттерны; а оптимизация Алгоритмов позволяет более эффективно использовать вычислительную мощность и повышать эффективность использования вычислительных ресурсов.
Симбиотические отношения между вычислительной мощностью и алгоритмами вновь формируют ландшафт AI-индустрии:
Дифференциация технических направлений: некоторые компании стремятся построить сверхбольшие вычислительные кластеры, в то время как другие сосредоточены на оптимизации эффективности алгоритмов, формируя разные технические школы.
Реконструкция цепочки поставок: один производитель чипов стал лидером по вычислительной мощности AI через экосистему, в то время как облачные сервисные провайдеры снизили порог развертывания за счет гибких вычислительных услуг.
Корректировка распределения ресурсов: компании ищут баланс между инвестициями в аппаратную инфраструктуру и разработкой эффективных алгоритмов.
Восхождение открытого сообщества: открытые модели, такие как DeepSeek, LLaMA и другие, позволяют делиться результатами инноваций в области Алгоритм и оптимизации вычислительной мощности, ускоряя итерацию и распространение технологий.
Технические инновации DeepSeek
Прорывное развитие DeepSeek неразрывно связано с его технологическими инновациями. Ниже приведено простое объяснение его основных инновационных пунктов:
Оптимизация архитектуры модели
DeepSeek использует комбинацию архитектур Transformer+MOE (Смешанная группа экспертов) и вводит многоголовую латентную механизм внимания (Multi-Head Latent Attention, MLA). Эта архитектура похожа на суперкоманду, где Transformer отвечает за выполнение обычных задач, а MOE является группой экспертов в команде, каждый из которых имеет свою область специализации. Когда возникает конкретная проблема, ее решает самый опытный эксперт, что значительно повышает эффективность и точность модели. Механизм MLA позволяет модели более гибко обращать внимание на различные важные детали при обработке информации, что дополнительно улучшает производительность модели.
Инновации в методах обучения
DeepSeek представил рамки обучения с гибридной точностью FP8. Эта рамка действует как умный распределитель ресурсов, который может динамически выбирать подходящую вычислительную точность в зависимости от потребностей на разных этапах обучения. Когда требуется высокая точность вычислений, она использует более высокую точность, чтобы гарантировать точность модели; а когда приемлема более низкая точность, она снижает точность, экономя вычислительные ресурсы, увеличивая скорость обучения и уменьшая использование памяти.
Повышение эффективности алгоритма
На этапе вывода DeepSeek внедрил технологию многотокенной предсказания (Multi-token Prediction, MTP). Традиционные методы вывода работают поэтапно, предсказывая только один токен за раз. Однако технология MTP позволяет предсказывать несколько токенов одновременно, значительно ускоряя процесс вывода и снижая его стоимость.
Прорыв в алгоритмах强化学习
Новый алгоритм глубокого обучения DeepSeek GRPO (Общая оптимизация с наградой и штрафом) оптимизирует процесс обучения модели. Укрепляющее обучение похоже на то, что модели предоставляется тренер, который направляет её к обучению лучшему поведению с помощью наград и наказаний. Традиционные алгоритмы укрепляющего обучения могут расходовать множество вычислительных ресурсов в этом процессе, в то время как новый алгоритм DeepSeek более эффективен, позволяя уменьшить ненужные вычисления при обеспечении повышения производительности модели, что позволяет достичь баланса между производительностью и стоимостью.
Эти инновации не являются изолированными технологическими точками, а формируют целостную технологическую систему, снижающую потребность в вычислительной мощности на всем протяжении цепочки от обучения до вывода. Обычные потребительские видеокарты теперь также могут запускать мощные AI-модели, значительно снижая порог входа для AI-приложений и позволяя большему числу разработчиков и компаний участвовать в инновациях в области AI.
Влияние на производителей чипов
Существует мнение, что DeepSeek обходит некоторые промежуточные слои, тем самым освобождаясь от зависимости от конкретных производителей чипов. На самом деле, DeepSeek напрямую оптимизирует алгоритмы через уровень PTX (Parallel Thread Execution). PTX является промежуточным языком представления, находящимся между высокоуровневым кодом и реальными инструкциями GPU, и, манипулируя этим уровнем, DeepSeek может достичь более тонкой настройки производительности.
Влияние на производителей чипов двустороннее: с одной стороны, DeepSeek на самом деле более глубоко связано с аппаратным обеспечением и соответствующей экосистемой, снижение порога входа в AI-приложения может расширить общий рынок; с другой стороны, оптимизация алгоритма DeepSeek может изменить структуру спроса на высококачественные чипы: некоторые AI-модели, которые ранее требовали высококачественные GPU для работы, теперь могут эффективно работать даже на средних и потребительских видеокартах.
Значение для китайской AI-индустрии
Оптимизация алгоритма DeepSeek предоставляет технический прорыв для китайской AI-индустрии. В условиях ограничений на высококачественные чипы, подход "программного обеспечения для замены аппаратного обеспечения" уменьшает зависимость от импортных чипов высшего класса.
На upstream эффективный Алгоритм снизил давление на требования к вычислительной мощности, что позволяет поставщикам вычислительных услуг продлевать срок службы оборудования через оптимизацию программного обеспечения и повышать доходность инвестиций. На downstream оптимизированные открытые модели снизили порог разработки AI приложений. Множество малых и средних предприятий могут разрабатывать конкурентоспособные приложения на основе модели DeepSeek, не требуя значительных ресурсов вычислительной мощности, что приведет к появлению большего количества AI решений в вертикальных областях.
Глубокое влияние Web3+AI
Децентрализованная AI инфраструктура
Оптимизация алгоритма DeepSeek предоставляет новую动力 для инфраструктуры Web3 AI. Инновационная архитектура, эффективный алгоритм и низкие требования к вычислительной мощности делают возможным децентрализованное AI-выведение. Архитектура MoE естественным образом подходит для распределенного развертывания, различные узлы могут хранить разные сети экспертов, не требуя от единого узла хранения полной модели, что значительно снижает требования к хранению и вычислениям на одном узле, тем самым повышая гибкость и эффективность модели.
FP8 тренировочная платформа дополнительно снизила требования к высокопроизводительным вычислительным ресурсам, что позволило большему количеству вычислительных ресурсов присоединиться к сети узлов. Это не только снизило барьер для участия в децентрализованных AI вычислениях, но и повысило общую вычислительную мощность и эффективность всей сети.
Многоагентская система
Оптимизация интеллектуальных торговых стратегий: с помощью совместной работы агентов анализа данных рынка в реальном времени, агентов прогнозирования краткосрочных колебаний цен, агентов исполнения сделок на блокчейне, агентов мониторинга результатов торговли и т.д., помогает пользователям получать более высокую прибыль.
Автоматическое выполнение смарт-контрактов: совместная работа агентов мониторинга смарт-контрактов, агентов выполнения смарт-контрактов, агентов контроля результатов выполнения и др., что позволяет автоматизировать более сложную бизнес-логику.
Персонализированное управление инвестиционным портфелем: ИИ помогает пользователям в реальном времени находить лучшие возможности для стекинга или предоставления ликвидности в зависимости от их склонности к риску, инвестиционных целей и финансового положения.
DeepSeek именно в условиях ограниченных вычислительных мощностей, через алгоритмические инновации, ищет прорывы и открывает дифференцированные пути развития для китайской AI-индустрии. Снижая барьеры для применения, продвигая интеграцию Web3 и AI, уменьшая зависимость от высококачественных чипов и наделяя финансовые инновации новыми возможностями, эти изменения формируют цифровую экономику. В будущем развитие AI больше не будет просто соревнованием вычислительных мощностей, а станет соревнованием по совместной оптимизации вычислительных мощностей и алгоритмов. На этой новой арене такие новаторы, как DeepSeek, переопределяют правила игры с помощью китайской мудрости.