Выпуск DeepSeek V3: новая эра совместной оптимизации вычислительной мощности и алгоритмов
Недавно DeepSeek выпустил обновление последней версии V3 — DeepSeek-V3-0324 на платформе Hugging Face. Эта модель имеет 685 миллиардов параметров и значительно улучшилась в таких областях, как кодирование, дизайн пользовательского интерфейса и вычислительная мощность.
На недавно завершившейся конференции GTC 2025 высокопоставленный руководитель известной технологической компании высоко оценил DeepSeek. Он подчеркнул, что ранее существовавшее мнение на рынке о том, что эффективная модель DeepSeek снизит спрос на чипы, является ошибочным; будущие вычислительные потребности будут только расти, а не уменьшаться.
В качестве代表ительного произведения прорыва в алгоритмах, связь между DeepSeek и вычислительной мощностью заслуживает глубокого обсуждения. Давайте сначала проанализируем значение вычислительной мощности и алгоритмов для развития AI-индустрии.
Вычислительная мощность и эволюция алгоритма
В области ИИ повышение вычислительной мощности предоставляет основу для выполнения более сложных алгоритмов, позволяя моделям обрабатывать большие объемы данных и изучать более сложные паттерны; оптимизация алгоритмов, в свою очередь, позволяет более эффективно использовать вычислительную мощность и повышать эффективность использования вычислительных ресурсов.
Взаимосвязь вычислительной мощности и алгоритма переосмысливает структуру индустрии ИИ:
Дифференциация технологических маршрутов: некоторые компании стремятся создать сверхбольшие вычислительные мощности, в то время как другие сосредотачиваются на оптимизации алгоритмов, формируя разные технологические школы.
Реконструкция цепочки поставок: некоторый производитель чипов становится лидером в области вычислительной мощности ИИ через экосистему, тогда как поставщики облачных услуг снижают порог развертывания за счет гибких вычислительных услуг.
Корректировка распределения ресурсов: компании ищут баланс между инвестициями в аппаратную инфраструктуру и разработкой эффективных алгоритмов.
Появление открытых сообществ: открытые модели, такие как DeepSeek и LLaMA, позволяют делиться результатами инноваций в области алгоритмов и вычислительной мощности, ускоряя техническую итерацию и распространение.
Технические инновации DeepSeek
Быстрый рост DeepSeek неразрывно связан с его техническими инновациями. Ниже представлено краткое объяснение его основных инновационных моментов:
Оптимизация архитектуры модели
DeepSeek использует комбинированную архитектуру Transformer+MOE (Смесь Экспертов) и вводит механизм многоголового латентного внимания (Multi-Head Latent Attention, MLA). Эта архитектура похожа на суперкоманду, где Transformer отвечает за выполнение обычных задач, а MOE выступает в роли группы экспертов, каждый из которых имеет свою область специализации. Когда возникает конкретная проблема, её решает самый опытный эксперт, что значительно увеличивает эффективность и точность модели.
Инновации в методах обучения
DeepSeek предложила рамки смешанной точности FP8 для обучения. Эта рамка может динамически выбирать подходящую вычислительную мощность в зависимости от требований различных этапов обучения. При необходимости использования высокоточной вычислительной мощности используется более высокая точность, чтобы гарантировать точность модели; а в тех случаях, когда допускается использование более низкой точности, точность понижается, что позволяет сэкономить вычислительные ресурсы, увеличить скорость обучения и уменьшить использование памяти.
Повышение эффективности вывода
На этапе вывода DeepSeek внедряет технологию многотокенового прогнозирования (Multi-token Prediction, MTP). Традиционный метод вывода осуществляется поэтапно, где на каждом шаге прогнозируется только один токен. В то время как технология MTP позволяет прогнозировать несколько токенов сразу, что значительно ускоряет процесс вывода и снижает его стоимость.
Прорыв в алгоритме обучения с подкреплением
Новый алгоритм глубокого обучения DeepSeek GRPO (Обобщенная оптимизация с учетом вознаграждений и штрафов) оптимизирует процесс обучения модели. Этот новый алгоритм позволяет сократить ненужные вычисления, обеспечивая при этом повышение производительности модели, что позволяет достичь баланса между производительностью и стоимостью.
Эти инновации сформировали полную технологическую систему, снижая потребность в вычислительной мощности на всех этапах — от обучения до вывода. Обычные графические процессоры для потребителей теперь могут запускать мощные модели ИИ, значительно снижая порог входа для приложений ИИ и позволяя большему числу разработчиков и компаний участвовать в инновациях в области ИИ.
Влияние на производителей чипов
Технологические инновации DeepSeek оказывают двустороннее влияние на производителей чипов. С одной стороны, более глубокая связь DeepSeek с аппаратным обеспечением и экосистемой может снизить порог входа для приложений ИИ и, таким образом, расширить общий рынок; с другой стороны, оптимизация алгоритмов DeepSeek может изменить структуру спроса на высококачественные чипы, и некоторые модели ИИ, которые раньше могли работать только на высококачественных GPU, теперь могут эффективно работать даже на средних или потребительских видеокартах.
Значение для китайской AI-индустрии
Оптимизация алгоритма DeepSeek предоставляет технологический прорыв для китайской AI-индустрии. В условиях ограничений высококачественных чипов, подход "программное обеспечение вместо аппаратного обеспечения" уменьшает зависимость от ведущих импортных чипов.
На верхнем уровне эффективные алгоритмы снизили давление на требования к вычислительной мощности, позволяя поставщикам вычислительных услуг продлевать срок службы оборудования за счет программной оптимизации и повышать рентабельность инвестиций. На нижнем уровне оптимизированные открытые модели снизили барьеры для разработки приложений ИИ. Множество малых и средних предприятий, не имея значительных ресурсов вычислительной мощности, также могут разрабатывать конкурентоспособные приложения на основе модели DeepSeek, что приведет к появлению большего количества AI-решений в вертикальных областях.
Глубокое влияние Web3+AI
Децентрализованная ИИ-инфраструктура
Оптимизация алгоритма DeepSeek предоставляет новое impulso для инфраструктуры Web3 AI. Инновационная архитектура, эффективные алгоритмы и низкие требования к вычислительной мощности делают децентрализованное AI-вычисление возможным. Архитектура MoE естественно подходит для распределенного развертывания, различные узлы могут иметь разные сети экспертов, не требуя от единого узла хранения полной модели, что значительно снижает требования к хранению и вычислениям для одного узла, тем самым повышая гибкость и эффективность модели.
FP8 тренировка фрейма тем самым снижает требования к высококлассным вычислительным ресурсам, что позволяет большему количеству вычислительных ресурсов присоединяться к узловой сети. Это не только снижает барьеры для участия в децентрализованной AI-вычислении, но и повышает вычислительную мощность и эффективность всей сети.
Многоагентные системы
Оптимизация интеллектуальных торговых стратегий: с помощью анализа данных рынка в реальном времени, прогнозирования краткосрочных колебаний цен, выполнения交易 на блокчейне, мониторинга результатов交易 и других взаимодействий нескольких интеллектуальных агентов, помочь пользователям получить более высокую прибыль.
Автоматическое выполнение смарт-контрактов: совместная работа агентов, таких как мониторинг смарт-контрактов, выполнение и контроль результатов, для реализации более сложной автоматизации бизнес-логики.
Персонализированное управление инвестиционным портфелем: ИИ помогает пользователям в реальном времени находить лучшие возможности для ставок или предоставления ликвидности в зависимости от предпочтений пользователя по риску, инвестиционных целей и финансового состояния.
DeepSeek именно в условиях ограниченной вычислительной мощности находит прорывы через инновации в алгоритмах и открывает для китайской AI-индустрии путь к дифференцированному развитию. Снижение барьеров для применения, содействие интеграции Web3 и AI, уменьшение зависимости от высококачественных чипов, обеспечение финансовых инноваций — эти изменения пересматривают структуру цифровой экономики. В будущем развитие AI уже не будет лишь соревнованием вычислительных мощностей, а станет соревнованием по совместной оптимизации вычислительной мощности и алгоритмов. На этой новой арене такие инноваторы, 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» .
16 Лайков
Награда
16
5
Поделиться
комментарий
0/400
DecentralizedElder
· 07-21 10:33
Параметры такие большие, не сможем справиться?
Посмотреть ОригиналОтветить0
AirdropHarvester
· 07-21 10:32
Это всего лишь мелочи! Что это за копирование?
Посмотреть ОригиналОтветить0
StakeOrRegret
· 07-21 10:30
Не успеваю за новыми брендами.
Посмотреть ОригиналОтветить0
0xSoulless
· 07-21 10:21
Снова будут играть для лохов, да?
Посмотреть ОригиналОтветить0
TokenEconomist
· 07-21 10:17
на самом деле, размер параметра - это не всё... позвольте мне разобрать здесь последствия для ROI
DeepSeek V3 раскрывает потенциал алгоритма, открывая новую эру развития ИИ
Выпуск DeepSeek V3: новая эра совместной оптимизации вычислительной мощности и алгоритмов
Недавно DeepSeek выпустил обновление последней версии V3 — DeepSeek-V3-0324 на платформе Hugging Face. Эта модель имеет 685 миллиардов параметров и значительно улучшилась в таких областях, как кодирование, дизайн пользовательского интерфейса и вычислительная мощность.
На недавно завершившейся конференции GTC 2025 высокопоставленный руководитель известной технологической компании высоко оценил DeepSeek. Он подчеркнул, что ранее существовавшее мнение на рынке о том, что эффективная модель DeepSeek снизит спрос на чипы, является ошибочным; будущие вычислительные потребности будут только расти, а не уменьшаться.
В качестве代表ительного произведения прорыва в алгоритмах, связь между DeepSeek и вычислительной мощностью заслуживает глубокого обсуждения. Давайте сначала проанализируем значение вычислительной мощности и алгоритмов для развития AI-индустрии.
Вычислительная мощность и эволюция алгоритма
В области ИИ повышение вычислительной мощности предоставляет основу для выполнения более сложных алгоритмов, позволяя моделям обрабатывать большие объемы данных и изучать более сложные паттерны; оптимизация алгоритмов, в свою очередь, позволяет более эффективно использовать вычислительную мощность и повышать эффективность использования вычислительных ресурсов.
Взаимосвязь вычислительной мощности и алгоритма переосмысливает структуру индустрии ИИ:
Дифференциация технологических маршрутов: некоторые компании стремятся создать сверхбольшие вычислительные мощности, в то время как другие сосредотачиваются на оптимизации алгоритмов, формируя разные технологические школы.
Реконструкция цепочки поставок: некоторый производитель чипов становится лидером в области вычислительной мощности ИИ через экосистему, тогда как поставщики облачных услуг снижают порог развертывания за счет гибких вычислительных услуг.
Корректировка распределения ресурсов: компании ищут баланс между инвестициями в аппаратную инфраструктуру и разработкой эффективных алгоритмов.
Появление открытых сообществ: открытые модели, такие как DeepSeek и LLaMA, позволяют делиться результатами инноваций в области алгоритмов и вычислительной мощности, ускоряя техническую итерацию и распространение.
Технические инновации DeepSeek
Быстрый рост DeepSeek неразрывно связан с его техническими инновациями. Ниже представлено краткое объяснение его основных инновационных моментов:
Оптимизация архитектуры модели
DeepSeek использует комбинированную архитектуру Transformer+MOE (Смесь Экспертов) и вводит механизм многоголового латентного внимания (Multi-Head Latent Attention, MLA). Эта архитектура похожа на суперкоманду, где Transformer отвечает за выполнение обычных задач, а MOE выступает в роли группы экспертов, каждый из которых имеет свою область специализации. Когда возникает конкретная проблема, её решает самый опытный эксперт, что значительно увеличивает эффективность и точность модели.
Инновации в методах обучения
DeepSeek предложила рамки смешанной точности FP8 для обучения. Эта рамка может динамически выбирать подходящую вычислительную мощность в зависимости от требований различных этапов обучения. При необходимости использования высокоточной вычислительной мощности используется более высокая точность, чтобы гарантировать точность модели; а в тех случаях, когда допускается использование более низкой точности, точность понижается, что позволяет сэкономить вычислительные ресурсы, увеличить скорость обучения и уменьшить использование памяти.
Повышение эффективности вывода
На этапе вывода DeepSeek внедряет технологию многотокенового прогнозирования (Multi-token Prediction, MTP). Традиционный метод вывода осуществляется поэтапно, где на каждом шаге прогнозируется только один токен. В то время как технология MTP позволяет прогнозировать несколько токенов сразу, что значительно ускоряет процесс вывода и снижает его стоимость.
Прорыв в алгоритме обучения с подкреплением
Новый алгоритм глубокого обучения DeepSeek GRPO (Обобщенная оптимизация с учетом вознаграждений и штрафов) оптимизирует процесс обучения модели. Этот новый алгоритм позволяет сократить ненужные вычисления, обеспечивая при этом повышение производительности модели, что позволяет достичь баланса между производительностью и стоимостью.
Эти инновации сформировали полную технологическую систему, снижая потребность в вычислительной мощности на всех этапах — от обучения до вывода. Обычные графические процессоры для потребителей теперь могут запускать мощные модели ИИ, значительно снижая порог входа для приложений ИИ и позволяя большему числу разработчиков и компаний участвовать в инновациях в области ИИ.
Влияние на производителей чипов
Технологические инновации DeepSeek оказывают двустороннее влияние на производителей чипов. С одной стороны, более глубокая связь DeepSeek с аппаратным обеспечением и экосистемой может снизить порог входа для приложений ИИ и, таким образом, расширить общий рынок; с другой стороны, оптимизация алгоритмов DeepSeek может изменить структуру спроса на высококачественные чипы, и некоторые модели ИИ, которые раньше могли работать только на высококачественных GPU, теперь могут эффективно работать даже на средних или потребительских видеокартах.
Значение для китайской AI-индустрии
Оптимизация алгоритма DeepSeek предоставляет технологический прорыв для китайской AI-индустрии. В условиях ограничений высококачественных чипов, подход "программное обеспечение вместо аппаратного обеспечения" уменьшает зависимость от ведущих импортных чипов.
На верхнем уровне эффективные алгоритмы снизили давление на требования к вычислительной мощности, позволяя поставщикам вычислительных услуг продлевать срок службы оборудования за счет программной оптимизации и повышать рентабельность инвестиций. На нижнем уровне оптимизированные открытые модели снизили барьеры для разработки приложений ИИ. Множество малых и средних предприятий, не имея значительных ресурсов вычислительной мощности, также могут разрабатывать конкурентоспособные приложения на основе модели DeepSeek, что приведет к появлению большего количества AI-решений в вертикальных областях.
Глубокое влияние Web3+AI
Децентрализованная ИИ-инфраструктура
Оптимизация алгоритма DeepSeek предоставляет новое impulso для инфраструктуры Web3 AI. Инновационная архитектура, эффективные алгоритмы и низкие требования к вычислительной мощности делают децентрализованное AI-вычисление возможным. Архитектура MoE естественно подходит для распределенного развертывания, различные узлы могут иметь разные сети экспертов, не требуя от единого узла хранения полной модели, что значительно снижает требования к хранению и вычислениям для одного узла, тем самым повышая гибкость и эффективность модели.
FP8 тренировка фрейма тем самым снижает требования к высококлассным вычислительным ресурсам, что позволяет большему количеству вычислительных ресурсов присоединяться к узловой сети. Это не только снижает барьеры для участия в децентрализованной AI-вычислении, но и повышает вычислительную мощность и эффективность всей сети.
Многоагентные системы
Оптимизация интеллектуальных торговых стратегий: с помощью анализа данных рынка в реальном времени, прогнозирования краткосрочных колебаний цен, выполнения交易 на блокчейне, мониторинга результатов交易 и других взаимодействий нескольких интеллектуальных агентов, помочь пользователям получить более высокую прибыль.
Автоматическое выполнение смарт-контрактов: совместная работа агентов, таких как мониторинг смарт-контрактов, выполнение и контроль результатов, для реализации более сложной автоматизации бизнес-логики.
Персонализированное управление инвестиционным портфелем: ИИ помогает пользователям в реальном времени находить лучшие возможности для ставок или предоставления ликвидности в зависимости от предпочтений пользователя по риску, инвестиционных целей и финансового состояния.
DeepSeek именно в условиях ограниченной вычислительной мощности находит прорывы через инновации в алгоритмах и открывает для китайской AI-индустрии путь к дифференцированному развитию. Снижение барьеров для применения, содействие интеграции Web3 и AI, уменьшение зависимости от высококачественных чипов, обеспечение финансовых инноваций — эти изменения пересматривают структуру цифровой экономики. В будущем развитие AI уже не будет лишь соревнованием вычислительных мощностей, а станет соревнованием по совместной оптимизации вычислительной мощности и алгоритмов. На этой новой арене такие инноваторы, как DeepSeek, переопределяют правила игры с помощью китайской мудрости.