تونۇشتۇرۇش

رىقابەتلىشىۋاتقان چوڭ مودېللار ، بازار ئۈلۈشى ئۈچۈن رىقابەتلىشىدىغان بۇلۇت تەمىنلىگۈچىلەر ۋە جاپالىق ئۆزەك ئىشلەپچىقارغۇچىلار ئارىسىدا داۋاملىشىۋاتقان ئەندىشە - DeepSeek ئۈنۈمى ئىزچىل داۋاملىشىدۇ.

باھار بايرىمىنىڭ يېقىنلىشىشىغا ئەگىشىپ ، DeepSeek ئەتراپىدىكى ھاياجان يەنىلا كۈچلۈك. يېقىنقى دەم ئېلىشتا تېخنىكا ساھەسىدىكى كۆرۈنەرلىك رىقابەت تۇيغۇسى گەۋدىلەندۈرۈلدى ، نۇرغۇن كىشىلەر بۇ «مۈشۈك بېلىقى» نى مۇزاكىرە قىلدى ۋە تەھلىل قىلدى. كىرىمنىي جىلغىسىدا مىسلى كۆرۈلمىگەن كرىزىس تۇيغۇسى باشتىن كەچۈرۈۋاتىدۇ: ئوچۇق كودنى تەشەببۇس قىلغۇچىلار يەنە ئۆز پىكىرىنى ئوتتۇرىغا قويدى ، ھەتتا OpenAI ئۇنىڭ يېپىق مەنبە ئىستراتېگىيىسىنىڭ ئەڭ ياخشى تاللاش ياكى ئەمەسلىكىنى قايتىدىن باھالىدى. تۆۋەن ھېسابلاش تەننەرخىنىڭ يېڭى ئەندىزىسى Nvidia غا ئوخشاش ئۆزەك ماگناتلىرى ئارىسىدا زەنجىرسىمان ئىنكاس پەيدا قىلىپ ، ئامېرىكا پاي بازىرى تارىخىدا يەككە كۈنلۈك بازار قىممىتىنى خاتىرىلەشنى كەلتۈرۈپ چىقاردى ، ھۆكۈمەت ئورگانلىرى بولسا DeepSeek ئىشلەتكەن ئۆزەكنىڭ ماسلىشىشچانلىقىنى تەكشۈرۈۋاتىدۇ. DeepSeek نىڭ چەتئەلدىكى ئوخشىمىغان باھالىرى ئىچىدە ، دۆلەت ئىچىدە ، ئۇ پەۋقۇلئاددە ئېشىشنى باشتىن كەچۈردى. R1 مودېلى بازارغا سېلىنغاندىن كېيىن ، مۇناسىۋەتلىك ئەپلەرنىڭ ئېقىمى شىددەت بىلەن ئاشتى ، بۇ قوللىنىشچان ساھەنىڭ ئېشىشىنىڭ پۈتكۈل سۈنئىي ئەقىل ئېكولوگىيە سىستېمىسىنى ئىلگىرى سۈرىدىغانلىقىنى كۆرسىتىپ بېرىدۇ. ئىجابىي تەرىپى شۇكى ، DeepSeek قوللىنىشچان پروگراممىلارنى كېڭەيتىدۇ ، بۇ ChatGPT غا تايىنىشنىڭ كەلگۈسىدە ئۇنچە قىممەت ئەمەسلىكىنى ئوتتۇرىغا قويدى. بۇ ئۆزگىرىش OpenAI نىڭ يېقىنقى پائالىيەتلىرىدە ئەكس ئەتتى ، بۇنىڭ ئىچىدە DeepSeek R1 غا جاۋابەن ھەقسىز ئىشلەتكۈچىلەرگە o3-mini دەپ ئاتىلىدىغان پىكىر ئەندىزىسى بىلەن تەمىنلەش ، شۇنداقلا كېيىنكى يېڭىلاشلار o3-mini نىڭ پىكىر زەنجىرىنى ئاشكارا قىلدى. گەرچە بۇ پىكىر زەنجىرى خۇلاسە بولسىمۇ ، چەتئەلدىكى نۇرغۇن ئابونتلار DeepSeek نىڭ بۇ تەرەققىياتلارغا بولغان مىننەتدارلىقىنى بىلدۈردى.

ئۈمىدۋار بولغىنى ، DeepSeek نىڭ دۆلەت ئىچىدىكى توپچىلارنى بىرلىككە كەلتۈرگەنلىكى ئېنىق. مەشىق تەننەرخىنى تۆۋەنلىتىشكە ئەھمىيەت بېرىپ ، ھەرخىل يۇقىرى ئېقىندىكى ئۆزەك ئىشلەپچىقارغۇچىلار ، ئوتتۇرا بۇلۇت تەمىنلىگۈچىلەر ۋە نۇرغۇنلىغان ئىگىلىك تىكلىگۈچىلەر ئاكتىپلىق بىلەن ئېكولوگىيىلىك سىستېمىغا قوشۇلۇپ ، DeepSeek ئەندىزىسىنى ئىشلىتىش تەننەرخى ئۈنۈمىنى ئۆستۈردى. DeepSeek نىڭ ماقالىسىگە قارىغاندا ، V3 مودېلىنى تولۇق مەشىقلەندۈرۈش ئۈچۈن ئاران 2 مىليون 788 مىڭ H800 GPU سائەت تەلەپ قىلىنغان ، مەشىق جەريانى ناھايىتى مۇقىم. MoE (مۇتەخەسسىسلەرنىڭ ئارىلاشمىسى) قۇرۇلمىسى 405 مىليارد پارامېتىرلىق Llama 3 گە سېلىشتۇرغاندا ، مەشىقتىن بۇرۇنقى خىراجەتنى ئون ھەسسە تۆۋەنلىتىشتە ئىنتايىن مۇھىم. نۆۋەتتە ، V3 تۇنجى بولۇپ MoE دا بۇنداق يۇقىرى بوشلۇقنى نامايان قىلغان مودېل. بۇنىڭدىن باشقا ، پارلامېنت ئەزاسى (كۆپ قاتلاملىق دىققەت) ماس قەدەمدە ئىشلەيدۇ ، بولۇپمۇ پىكىر قىلىش تەرەپلىرىدە. چۇەنجىڭ تېخنىكىسىنىڭ تەتقىقاتچىسى سۈنئىي ئەقىل تېخنىكىسىنى تەكشۈرۈش ئانالىزىدا مۇنداق دەپ كۆرسەتتى: «MoE قانچە كەڭ بولسا ، ھېسابلاش كۈچىدىن تولۇق پايدىلىنىش ئۈچۈن پىكىر يۈرگۈزۈشكە ئېھتىياجلىق تۈركۈملەر شۇنچە چوڭ بولىدۇ ، KVCache نىڭ چوڭلۇقى ئاچقۇچلۇق چەكلەش ئامىلى ؛ پارلامېنت ئەزاسى KVCache نىڭ كۆلىمىنى كۆرۈنەرلىك تۆۋەنلىتىدۇ». ئومۇمىي جەھەتتىن ئالغاندا ، DeepSeek نىڭ مۇۋەپپەقىيىتى پەقەت بىرلا تېخنىكىنىلا ئەمەس ، بەلكى ھەر خىل تېخنىكىلارنىڭ بىرىكىشىدە. كەسىپ ئەھلىلىرى DeepSeek گۇرۇپپىسىنىڭ قۇرۇلۇش ئىقتىدارىنى ماختىدى ، ئۇلارنىڭ پاراللېل مەشىق ۋە تىجارەتچىلەرنى ئەلالاشتۇرۇشتىكى ئەۋزەللىكىنى كۆرسىتىپ ، ھەر بىر ئىنچىكە ھالقىلارنى ئىنچىكە پىششىقلاپ بۆسۈش خاراكتېرلىك نەتىجىگە ئېرىشتى. DeepSeek نىڭ ئوچۇق كودلۇق ئۇسۇلى چوڭ تىپتىكى مودېللارنىڭ ئومۇمىي تەرەققىياتىغا تېخىمۇ تۈرتكىلىك رول ئوينايدۇ ، مۆلچەرلىنىشىچە ، ئەگەر مۇشۇنىڭغا ئوخشاش مودېللار رەسىم ، سىن ۋە باشقالارغا كېڭەيسە ، بۇ پۈتكۈل ساھەدىكى ئېھتىياجنى كۆرۈنەرلىك قوزغىتىدىكەن.

ئۈچىنچى تەرەپ ئەقىل مۇلازىمىتى ئۈچۈن پۇرسەت

سانلىق مەلۇماتتا كۆرسىتىلىشىچە ، DeepSeek ئېلان قىلىنغاندىن بۇيان ، قىسقىغىنا 21 كۈن ئىچىدە 22 مىليون 150 مىڭ ئاكتىپ ئابونت (DAU) نى توپلاپ ، ChatGPT نىڭ ئابونت سانىنىڭ% 41.6 نى قولغا كەلتۈرگەن ۋە Doubao نىڭ كۈندىلىك ئاكتىپ ئابونتلىرى 16 مىليون 950 مىڭدىن ئېشىپ ، دۇنيا مىقياسىدا تەرەققىياتى ئەڭ تېز قوللىنىشچان پروگراممىغا ئايلانغان ، 157 دۆلەت / رايوندىكى ئالما ئەپ دۇكىنىدا بىرىنچى ئورۇندا تۇرغان. قانداقلا بولمىسۇن ، ئابونتلار بەس-بەستە توپلانغان ۋاقىتتا ، تور خاككېرلىرى توختىماي DeepSeek دېتالىغا ھۇجۇم قىلىپ ، ئۇنىڭ مۇلازىمېتىرلىرىدا زور بېسىم پەيدا قىلدى. كەسىپ ئانالىزچىلىرىنىڭ قارىشىچە ، بۇ قىسمەن DeepSeek نىڭ تەربىيىلەش ئۈچۈن كارتا ئورۇنلاشتۇرۇشى بىلەن بىر ۋاقىتتا ، يېتەرلىك ھېسابلاش كۈچى كەمچىل بولغانلىقتىن ئىكەن. بىر كەسپىي زات سۈنئىي ئەقىل تېخنىكىسىنى تەكشۈرۈشكە مۇنداق دېدى: «دائىم مۇلازىمېتىر مەسىلىسىنى ھەق ئېلىش ياكى مەبلەغ يۈرۈشتۈرۈش ئارقىلىق تېخىمۇ كۆپ ماشىنا سېتىۋېلىش ئارقىلىق ئاسانلا ھەل قىلغىلى بولىدۇ ؛ ئاخىرىدا ، ئۇ DeepSeek نىڭ قارارىغا باغلىق». بۇ تېخنىكا بىلەن مەھسۇلاتنى ئىشلەپچىقىرىشقا ئەھمىيەت بېرىشتە سودىلىشىشنى كۆرسىتىدۇ. DeepSeek ئاساسەن ئۆزىنى قامداش ئۈچۈن كىۋانت مىقدارلاشتۇرۇشقا تاياندى ، ئازراق تاشقى مەبلەغكە ئېرىشتى ، نەتىجىدە نەق پۇل ئوبوروتى بىر قەدەر تۆۋەن ۋە ساپ تېخنىكا مۇھىتى بارلىققا كەلدى. ھازىر ، يۇقىرىدا تىلغا ئېلىنغان مەسىلىلەرگە ئاساسەن ، بىر قىسىم ئابونتلار DeepSeek نى ئىجتىمائىي ئالاقە تورىدا ئىشلىتىش چەكلىمىسىنى يۇقىرى كۆتۈرۈش ياكى ھەقلىق ئىقتىدارلارنى ئوتتۇرىغا قويۇپ ، ئابونتلارنىڭ راھەتلىكىنى ئاشۇرۇشقا چاقىردى. ئۇنىڭدىن باشقا ، پروگراممېرلار ئەلالاشتۇرۇش ئۈچۈن رەسمىي API ياكى ئۈچىنچى تەرەپ API لىرىنى ئىشلىتىشكە باشلىدى. قانداقلا بولمىسۇن ، DeepSeek نىڭ ئوچۇق سۇپىسى يېقىندا «نۆۋەتتىكى مۇلازىمېتىر بايلىقى كەمچىل ، API مۇلازىمەت ھەققى تولۇقلاش توختىتىلدى» دەپ ئېلان قىلدى.

بۇ شۈبھىسىزكى سۈنئىي ئەقىل ئۇل ئەسلىھە ساھەسىدىكى ئۈچىنچى تەرەپ ساتقۇچىلارغا تېخىمۇ كۆپ پۇرسەت يارىتىپ بېرىدۇ. يېقىندا ، نۇرغۇنلىغان دۆلەت ئىچى ۋە خەلقئارالىق بۇلۇت ماگناتلىرى DeepSeek نىڭ مودېل API لىرىنى چىقاردى - چەتئەلدىكى كاتتىباشلار مىكروسوفت ۋە ئامازون 1-ئاينىڭ ئاخىرىدا تۇنجى بولۇپ قاتناشقان. دۆلەت ئىچى رەھبىرى خۇاۋېي بۇلۇت تۇنجى ھەرىكەتنى يولغا قويۇپ ، 1-فېۋرال كىرىمنىينى ئاساس قىلغان Flow بىلەن ھەمكارلىشىپ DeepSeek R1 ۋە V3 پىكىر قىلىش مۇلازىمىتىنى ئېلان قىلدى. سۈنئىي ئەقىل تېخنىكىسىنى تەكشۈرۈش دوكلاتىدا كۆرسىتىلىشىچە ، كىرىمنىينى ئاساس قىلغان Flow نىڭ مۇلازىمىتى ئابونتلارنىڭ ئېقىشىنى كۆرگەن بولۇپ ، بۇ سۇپىنى ئۈنۈملۈك «بۇزۇۋەتكەن». BAT (بەيدۇ ، ئەلى بابا ، تېڭشۈن) ۋە ByteDance دىن ئىبارەت ئۈچ چوڭ پەن-تېخنىكا شىركىتىمۇ 3-فېۋرالدىن باشلاپ ئەرزان باھالىق ، چەكلىك ۋاقىت بىلەن تەمىنلىدى ، بۇ بۇلتۇر بۇلۇت ساتقۇچىلار باھا جېڭىنى ئەسلىتىدۇ ، DeepSeek نىڭ V2 تىپلىق بازارغا سېلىنىشى قوزغىغان ، DeepSeek «باھا قاسساپ» دەپ ئاتاشقا باشلىغان. بۇلۇت ساتقۇچىلارنىڭ جىددىي ھەرىكەتلىرى مىكروسوفت Azure بىلەن OpenAI ئوتتۇرىسىدىكى ئىلگىرىكى قويۇق مۇناسىۋەتنى ئەكس ئەتتۈرىدۇ ، 2019-يىلى مىكروسوفت OpenAI غا ماھىيەتلىك بىر مىليارد دوللار مەبلەغ سالدى ۋە 2023-يىلى ChatGPT بازارغا سېلىنغاندىن كېيىن پايدىغا ئېرىشتى. بۇ خىل ئەھۋالدا ، DeepSeek مەھسۇلاتنىڭ ئىسسىقلىقى جەھەتتە ChatGPT دىن ئېشىپلا قالماي ، o1 ئېلان قىلىنغاندىن كېيىن ئوچۇق كودلۇق مودېللارنىمۇ ئوتتۇرىغا قويدى ، بۇ لامانىڭ GPT-3 نىڭ گۈللىنىشىدىكى ھاياجانغا ئوخشاش.

ئەمەلىيەتتە ، بۇلۇت تەمىنلىگۈچىلەرمۇ ئۆزىنى سۈنئىي ئەقىل قوللىنىشچان پروگراممىلىرىنىڭ قاتناش دەرۋازىسى قىلىپ بېكىتىۋاتىدۇ ، يەنى ئاچقۇچىلار بىلەن بولغان ئالاقىنى چوڭقۇرلاشتۇرۇش ئەۋزەل ئەۋزەللىككە ئايلىنىدۇ. دوكلاتتا كۆرسىتىلىشىچە ، بەيدۇ ئەقلىي ئىقتىدارلىق بۇلۇتنىڭ مودېل ئېلان قىلىنغان كۈنى چيەنفەن سۇپىسى ئارقىلىق DeepSeek مودېلىنى ئىشلىتىدىغان 15000 دىن ئارتۇق خېرىدارى بار. بۇنىڭدىن باشقا ، بىر قانچە كىچىك شىركەتلەر كىرىمنىينى ئاساس قىلغان Flow ، Luchen Technology ، Chuanjing Technology ۋە DeepSeek تىپلىرىنى قوللاشنى يولغا قويغان ھەرخىل AI Infra تەمىنلىگۈچىلەرنى ئۆز ئىچىگە ئالىدۇ. سۈنئىي ئەقىل تېخنىكىسىنىڭ تەكشۈرۈشىدىن ئايان بولۇشىچە ، DeepSeek نىڭ يەرلىكلەشتۈرۈلگەن ئورۇنلاشتۇرۇلۇشىنىڭ نۆۋەتتىكى ئەلالاشتۇرۇش پۇرسىتى ئاساسلىقى ئىككى ساھەدە مەۋجۇت: بىرى ئارىلاشما تەپەككۇر ئۇسۇلى ئارقىلىق MoE ئەندىزىسىنىڭ بوشلۇق ئالاھىدىلىكىنى ئەلالاشتۇرۇپ ، ئارىلاش ماتورلۇق GPU / CPU يەكۈنىنى ئىشلىتىپ ، 671 مىليارد پارامېتىرلىق MoE ئەندىزىسىنى يەرلىككە ئورۇنلاشتۇرغان. بۇنىڭدىن باشقا ، پارلامېنت ئەزالىرىنى ئەلالاشتۇرۇش ئىنتايىن مۇھىم. قانداقلا بولمىسۇن ، DeepSeek نىڭ ئىككى خىل ئەندىزىسى ئورۇنلاشتۇرۇشنى ئەلالاشتۇرۇشتا يەنىلا بەزى رىقابەتلەرگە دۇچ كەلمەكتە. چۇەنجىڭ تېخنىكىسىنىڭ تەتقىقاتچىسى مۇنداق دېدى: «مودېلنىڭ چوڭ-كىچىكلىكى ۋە نۇرغۇن پارامېتىرلىرى سەۋەبىدىن ، ئەلالاشتۇرۇش ھەقىقەتەن مۇرەككەپ ، بولۇپمۇ يەرلىك ئورۇنلاشتۇرۇشلارغا نىسبەتەن ئېيتقاندا ، ئىقتىدار بىلەن تەننەرخ ئوتتۇرىسىدا ئەڭ ياخشى تەڭپۇڭلۇقنى قولغا كەلتۈرۈش قىيىنغا توختايدۇ». ئەڭ مۇھىم توسالغۇ ئىچكى ساقلىغۇچ سىغىمىنى يېڭىشتە. ئۇ يەنە چۈشەندۈرۈپ مۇنداق دېدى: «بىز ئوخشاش بولمىغان ھەمكارلىق ئۇسۇلىنى قوللىنىپ ، مەركىزى بىر تەرەپ قىلغۇچ ۋە باشقا ھېسابلاش بايلىقىدىن تولۇق پايدىلىنىمىز ، پەقەت كەم ئۇچرايدىغان MoE ماترىسسانىڭ CPU / DRAM غا ئورتاق بولمىغان زاپچاسلىرىنى يۇقىرى ئىقتىدارلىق CPU مەشغۇلاتچىلىرىدىن پايدىلىنىپ پىششىقلاپ ئىشلەشكە قويدۇق ، قويۇق بۆلەكلەر GPU دا قالدى». دوكلاتتا كۆرسىتىلىشچە ، چۇەنجىڭنىڭ ئوچۇق كودلۇق رامكىسى KTransformers ئاساسلىقى قېلىپ ئارقىلىق ھەر خىل ئىستراتېگىيەلەر ۋە تىجارەتچىلەرنى ئەسلىدىكى Transformers نىڭ ئەمەلگە ئاشۇرۇشىغا ئوكۇل قىلىپ ، CUDAGraph غا ئوخشاش ئۇسۇللار ئارقىلىق يەكۈنلىنىش سۈرئىتىنى كۆرۈنەرلىك يۇقىرى كۆتۈرگەن. DeepSeek بۇ ئىگىلىك تىكلىگۈچىلەر ئۈچۈن پۇرسەت يارىتىپ بەردى ، چۈنكى ئۆسۈش پايدىسى كۆرۈنەرلىك بولۇۋاتىدۇ. نۇرغۇن شىركەتلەر DeepSeek API نى يولغا قويغاندىن كېيىن خېرىدارلارنىڭ كۆرۈنەرلىك ئۆسكەنلىكىنى دوكلات قىلىپ ، ئەلالاشتۇرۇشنى ئىزدەۋاتقان ئىلگىرىكى خېرىدارلارنىڭ سوئاللىرىنى تاپشۇرۇۋالغان. كەسىپ ئەھلىلىرى مۇنداق دەپ كۆرسەتتى: «ئىلگىرى مەلۇم دەرىجىدە تەسىس قىلىنغان خېرىدارلار توپى ھەمىشە چوڭ شىركەتلەرنىڭ قېلىپلاشقان مۇلازىمىتىگە سولاپ قويۇلغان بولۇپ ، كۆلەم سەۋەبىدىن ئۇلارنىڭ تەننەرخى ئەۋزەللىكى بىلەن زىچ باغلانغان. قانداقلا بولمىسۇن ، باھار بايرىمىدىن ئىلگىرى DeepSeek-R1 / V3 ئورۇنلاشتۇرۇشنى تاماملىغاندىن كېيىن ، تۇيۇقسىز بىر قانچە داڭلىق خېرىدارلارنىڭ ھەمكارلىق تەلىپىنى تاپشۇرۇۋالدۇق ، ھەتتا ئىلگىرى ئۇيقۇسىز خېرىدارلار بىزنىڭ DeepSeek مۇلازىمىتىمىزنى تونۇشتۇرۇش ئۈچۈن ئالاقىلىشىشنى باشلىدى». نۆۋەتتە ، DeepSeek مودېل يەكۈن چىقىرىش ئىقتىدارىنى كۈنسېرى ھالقىلىق قىلىۋاتقاندەك قىلىدۇ ، چوڭ تىپلارنىڭ كەڭ قوللىنىلىشى بىلەن بۇ سۈنئىي ئەقىل ئىنفرا كەسپىنىڭ تەرەققىياتىغا كۆرۈنەرلىك تەسىر كۆرسىتىدۇ. ئەگەر DeepSeek دەرىجىلىك مودېلنى ئەرزان باھادا يەرلىككە ئورۇنلاشتۇرغىلى بولسا ، ھۆكۈمەت ۋە كارخانىلارنىڭ رەقەملىك ئۆزگەرتىش تىرىشچانلىقىغا زور ياردىمى بولىدۇ. قانداقلا بولمىسۇن ، رىقابەت يەنىلا مەۋجۇت ، چۈنكى بەزى خېرىدارلار چوڭ تىپتىكى مودېل ئىقتىدارلىرىغا قارىتا زور ئۈمىدلەرنى كۈتىشى مۇمكىن ، شۇڭا ئەمەلىي ئورۇنلاشتۇرۇشتا ئىقتىدار ۋە تەننەرخنى تەڭپۇڭلاشتۇرۇشنىڭ ئىنتايىن مۇھىملىقىنى تېخىمۇ ئېنىق كۆرسىتىپ بېرىدۇ.

DeepSeek نىڭ ChatGPT دىن ياخشى ياكى ئەمەسلىكىنى باھالاش ئۈچۈن ، ئۇلارنىڭ مۇھىم پەرقى ، ئارتۇقچىلىقىنى چۈشىنىش ۋە ئەھۋاللارنى ئىشلىتىش تولىمۇ مۇھىم. بۇ يەردە ئەتراپلىق سېلىشتۇرۇش:

Feature / Aspect	DeepSeek	ChatGPT
ئىگىدارلىق ھوقۇقى	جۇڭگو شىركىتى تەرىپىدىن ئىجاد قىلىنغان	OpenAI تەرىپىدىن ياسالغان
Source Model	ئوچۇق كود	ئىگىدارلىق ھوقۇقى
تەننەرخى	ھەقسىز ئىشلىتىش; ئەرزان API زىيارەت تاللانمىلىرى	مۇشتەرىلىك ياكى ئىشلىتىش ھەققى
خاسلاشتۇرۇش	يۇقىرى دەرىجىدە خاسلاشتۇرغىلى بولىدىغان بولۇپ ، ئابونتلارنىڭ تەڭشىشى ۋە ئۇنىڭ ئۈستىگە قۇرۇشىغا يول قويىدۇ	چەكلىك خاسلاشتۇرغىلى بولىدۇ
كونكرېت ۋەزىپىلەرنى ئورۇنداش	سانلىق مەلۇمات ئانالىزى ۋە ئۇچۇر ئىزدەش قاتارلىق بەزى ساھەلەردە مۇنەۋۋەر	ئىجادىي يېزىقچىلىق ۋە پاراڭلىشىش ۋەزىپىلىرىدە كۈچلۈك ئىقتىدارغا ئىگە
تىل قوللاش	خەنزۇ تىلى ۋە مەدەنىيىتىگە ئەھمىيەت بېرىش	كەڭ تىل قوللاش ئەمما ئامېرىكىنى مەركەز قىلغان
تەربىيىلەش ھەققى	تۆۋەن تەننەرخ ، ئۈنۈم ئۈچۈن ئەلالاشتۇرۇلغان	تېخىمۇ يۇقىرى مەشىق خىراجىتى ، ماھىيەتلىك ھېسابلاش بايلىقىنى تەلەپ قىلىدۇ
جاۋاب پەرقى	ئوخشىمىغان جاۋابلارنى بېرىشى مۇمكىن ، بەلكىم جۇغراپىيىلىك سىياسىي مۇھىتنىڭ تەسىرىگە ئۇچرىغان بولۇشى مۇمكىن	مەشىق سانلىق مەلۇماتلىرىغا ئاساسەن بىردەك جاۋاب
نىشان ئۈندىدار	جانلىقلىقنى خالايدىغان پروگراممېرلار ۋە تەتقىقاتچىلارغا قارىتىلغان	پاراڭلىشىش ئىقتىدارىنى ئىزدەۋاتقان ئادەتتىكى ئىشلەتكۈچىلەرگە قارىتىلغان
دېلولارنى ئىشلىتىڭ	كود ھاسىل قىلىش ۋە تېز ۋەزىپە ئۈچۈن تېخىمۇ ئۈنۈملۈك	تېكىست ھاسىل قىلىش ، سوئاللارغا جاۋاب بېرىش ۋە دىئالوگ بىلەن شۇغۇللىنىشقا ماس كېلىدۇ

«Nvidia نى قالايمىقانلاشتۇرۇش» توغرىسىدىكى ھالقىلىق كۆز قاراش

ھازىر خۇاۋېيدىن باشقا ، Moore Threads ، Muxi ، Biran Technology ۋە Tianxu Zhixin قاتارلىق بىر قانچە دۆلەت ئىچىدىكى ئۆزەك ئىشلەپچىقارغۇچىلارمۇ DeepSeek نىڭ ئىككى خىل تىپىغا ماسلىشىۋاتىدۇ. ئۆزەك ئىشلەپچىقارغۇچى سۈنئىي ئەقىل تېخنىكا ئوبزورىغا مۇنداق دېدى: «DeepSeek نىڭ قۇرۇلمىسى يېڭىلىق يارىتىشنى نامايان قىلىدۇ ، ئەمما ئۇ يەنىلا LLM. بىزنىڭ DeepSeek غا ماسلىشىشىمىز ئاساسلىقى ئەقلىي ئىقتىدارلىق قوللىنىشچان پروگراممىلارنى ئاساس قىلىپ ، تېخنىكىلىق يولغا قويۇشنى بىر قەدەر بىۋاسىتە ۋە تېز قىلىدۇ». قانداقلا بولمىسۇن ، MoE ئۇسۇلى ساقلاش ۋە تارقىتىش جەھەتتە تېخىمۇ يۇقىرى تەلەپلەرنى تەلەپ قىلىدۇ ، ئائىلە ئۆزەكلىرىنى ئورۇنلاشتۇرغاندا ماسلىشىشچانلىقىغا كاپالەتلىك قىلىش بىلەن بىرگە ، ماسلىشىش جەريانىدا ھەل قىلىشقا ئېھتىياجلىق نۇرغۇن قۇرۇلۇش خىرىسلىرىنى ئوتتۇرىغا قويدى. بىر كەسىپ بىلەن شۇغۇللانغۇچى ئەمەلىي تەجرىبىگە ئاساسەن مۇنداق دېدى: «ھازىر ، دۆلەت ئىچىدىكى ھېسابلاش كۈچى Nvidia نىڭ ئىشلىتىشچانلىقى ۋە مۇقىملىقى بىلەن ماسلاشمايدۇ ، يۇمشاق دېتال مۇھىتىنى تەڭشەش ، كاشىلا ئوڭشاش ۋە ئاساس ئۈنۈمىنى ئەلالاشتۇرۇش ئۈچۈن ئەسلى زاۋۇتقا قاتنىشىشنى تەلەپ قىلىدۇ». شۇنىڭ بىلەن بىر ۋاقىتتا ، «DeepSeek R1 نىڭ پارامېتىر چوڭلۇقى سەۋەبىدىن ، دۆلەت ئىچىدىكى ھېسابلاش كۈچى پاراللېللاشتۇرۇش ئۈچۈن تېخىمۇ كۆپ تۈگۈنگە موھتاج. بۇنىڭدىن باشقا ، دۆلەت ئىچىدىكى قاتتىق دېتال ئۆلچىمى يەنىلا بىر ئاز ئارقىدا قالدى ؛ مەسىلەن ، خۇاۋېي 910B نۆۋەتتە DeepSeek ئوتتۇرىغا قويغان FP8 يەكۈنىنى قوللىمايدۇ». DeepSeek V3 مودېلىدىكى يارقىن نۇقتىلارنىڭ بىرى FP8 ئارىلاش ئېنىقلىق مەشىق رامكىسىنى تونۇشتۇرۇش بولۇپ ، ئىنتايىن چوڭ مودېلدا ئۈنۈملۈك دەلىللىنىپ ، كۆرۈنەرلىك مۇۋەپپەقىيەت قازانغان. ئىلگىرى ، مىكروسوفت ۋە Nvidia غا ئوخشاش ئاساسلىق رولچىلار مۇناسىۋەتلىك خىزمەتلەرنى تەۋسىيە قىلغان ، ئەمما بۇ ساھەدە مۇمكىنچىلىك بار. ئىگىلىنىشچە ، INT8 غا سېلىشتۇرغاندا ، FP8 نىڭ ئاساسلىق ئەۋزەللىكى شۇكى ، مەشىقتىن كېيىنكى مىقدارلاشتۇرۇش يەكۈنلىنىش سۈرئىتىنى كۆرۈنەرلىك يۇقىرى كۆتۈرۈش بىلەن بىللە ، زىيانسىز دېگۈدەك ئېنىقلىقنى ئەمەلگە ئاشۇرالايدۇ. FP16 بىلەن سېلىشتۇرغاندا ، FP8 Nvidia نىڭ H20 دا ئىككى ھەسسە تېزلىنىشنى ، H100 دە 1.5 ھەسسە تېزلىنىشنى ئەمەلگە ئاشۇرالايدۇ. تىلغا ئېلىشقا ئەرزىيدىغىنى ، دۆلەت ئىچىدىكى ھېسابلاش كۈچى ۋە دۆلەت ئىچىدىكى مودېللارنىڭ يۈزلىنىشىنى چۆرىدىگەن مۇلاھىزىلەرنىڭ كۈچىيىشىگە ئەگىشىپ ، Nvidia نىڭ قالايمىقانلىشىشى مۇمكىنمۇ-يوق ، CUDA ئويمانلىقىدىن ئايلىنىپ ئۆتۈش-ئۆتمەسلىكى توغرىسىدىكى پەرەزلەر كۈنسېرى ئومۇملاشماقتا. ئىنكار قىلغىلى بولمايدىغان بىر پاكىت شۇكى ، DeepSeek ھەقىقەتەن Nvidia نىڭ بازار قىممىتىنىڭ زور دەرىجىدە تۆۋەنلىشىنى كەلتۈرۈپ چىقاردى ، ئەمما بۇ بۇرۇلۇش Nvidia نىڭ يۇقىرى دەرىجىدىكى ھېسابلاش كۈچىنىڭ مۇكەممەللىكىگە مۇناسىۋەتلىك سوئاللارنى پەيدا قىلدى. ئىلگىرى قوبۇل قىلىنغان ھېسابلاش جۇغلانمىسىغا مۇناسىۋەتلىك قوبۇل قىلىنغان ھېكايىلەر خىرىسقا دۇچ كېلىۋاتىدۇ ، ئەمما Nvidia نىڭ مەشىق سىنارىيەلىرىدە تولۇق ئالماشتۇرۇلۇشى يەنىلا تەس. DeepSeek نىڭ CUDA نى چوڭقۇر ئىشلىتىشىنى ئانالىز قىلىش شۇنى ئىسپاتلىدىكى ، SM نى ئالاقە ئۈچۈن ئىشلىتىش ياكى تور كارتىسىنى بىۋاسىتە كونترول قىلىش قاتارلىق جانلىقلىق ئادەتتىكى GPU لارنىڭ سىغىشى مۇمكىن ئەمەس. كەسىپ كۆز قارىشىدا Nvidia نىڭ ئورەكنىڭ پەقەت CUDA نىڭلا ئەمەس ، بەلكى پۈتكۈل CUDA ئېكولوگىيىلىك سىستېمىسىنى ئۆز ئىچىگە ئالىدىغانلىقى ، DeepSeek قوللانغان PTX (پاراللېل تېما ئىجرا قىلىش) كۆرسەتمىسىنىڭ يەنىلا CUDA ئېكولوگىيىلىك سىستېمىسىنىڭ بىر قىسمى ئىكەنلىكى تەكىتلەندى. كەسىپ ئانالىزچىسى سۈنئىي ئەقىل تېخنىكىسىنىڭ ئوبزورىغا مۇنداق دېدى: «قىسقا مۇددەت ئىچىدە ، Nvidia نىڭ ھېسابلاش كۈچىدىن ھالقىپ ئۆتكىلى بولمايدۇ - بۇ مەشىقتە ئالاھىدە ئېنىق ؛ ئەمما ، دۆلەت ئىچىدىكى كارتىلارنى پىكىر يۈرگۈزۈش ئورۇنلاشتۇرۇش بىر قەدەر ئاسان بولىدۇ ، شۇڭا ئىلگىرىلەش تېخىمۇ تېز بولۇشى مۇمكىن. دۆلەت ئىچىدىكى كارتىلارنىڭ ماسلىشىشى ئاساسلىقى يەكۈننى ئاساس قىلىدۇ ؛ ھېچكىم DeepSeek نىڭ دۆلەت كارتىسىدىكى ئىقتىدار ئەندىزىسىنى تېخىچە تەربىيەلەپ باقمىدى». ئومۇمىي جەھەتتىن ئالغاندا ، يەكۈن نۇقتىسىدىن ئېيتقاندا ، بۇ ئەھۋال دۆلەت ئىچىدىكى چوڭ تىپتىكى ئۆزەكلەرنى ئىلھاملاندۇرىدۇ. تەربىيىلەشنىڭ ھەددىدىن زىيادە يۇقىرى تەلىپى سەۋەبىدىن ، دۆلەت ئىچىدىكى ئۆزەك ئىشلەپچىقارغۇچىلارنىڭ يەكۈنلىنىش دائىرىسىدىكى پۇرسىتى تېخىمۇ روشەن بولىدۇ. تەھلىلچىلەر مۇنداق دەپ قارىدى: پەقەت دۆلەت ئىچىدىكى يەكۈن كارتىسىنى ئىشلىتىش يېتەرلىك. زۆرۈر تېپىلغاندا ، قوشۇمچە ماشىنا سېتىۋېلىش مۇمكىن ، ئەمما تەربىيىلەش ئەندىزىسى ئۆزگىچە رىقابەت پەيدا قىلىدۇ - كۆپەيتىلگەن ماشىنىلارنى باشقۇرۇش ئېغىر بولۇپ ، خاتالىق نىسبىتى يۇقىرى بولسا تەربىيىلەش نەتىجىسىگە پاسسىپ تەسىر كۆرسىتىدۇ. تەربىيىلەشنىڭ يەنە كونكرېت گۇرۇپپىلار ئۆلچىمى تەلىپى بار ، ھالبۇكى يەكۈن چىقىرىش توپىغا بولغان تەلەپ ئۇنچە قاتتىق ئەمەس ، شۇڭا GPU تەلىپىنى ئاسانلاشتۇرىدۇ. ھازىر Nvidia نىڭ يەككە H20 كارتىسىنىڭ ئىقتىدارى خۇاۋېي ياكى كامبىرىيەدىن ئېشىپ كەتمەيدۇ. ئۇنىڭ كۈچى توپلاشقان. ھېسابلاش كۈچى بازىرىغا بولغان ئومۇمىي تەسىرگە ئاساسەن ، لۇچېن تېخنىكىسىنىڭ قۇرغۇچىسى سەن ياڭ سۈنئىي ئەقىل تېخنىكا ئوبزورچىلىقىنىڭ زىيارىتىنى قوبۇل قىلغاندا مۇنداق دېدى: «DeepSeek دەرىجىدىن تاشقىرى چوڭ تەربىيىلەش ھېسابلاش توپىنىڭ قۇرۇلۇشى ۋە ئىجارىگە بېرىلىشىگە ۋاقىتلىق بۇزغۇنچىلىق قىلىشى مۇمكىن. ئۇزۇن مۇددەتتىن قارىغاندا ، چوڭ تىپتىكى مودېل تەربىيىلەش ، پىكىر يۈرگۈزۈش ۋە قوللىنىش بىلەن مۇناسىۋەتلىك تەننەرخنى كۆرۈنەرلىك تۆۋەنلىتىش ئارقىلىق ، بازار ئېھتىياجى داۋاملىق تۈردە كۈچىيىدۇ». بۇنىڭدىن باشقا ، «DeepSeek نىڭ پىكىر يۈرگۈزۈش ۋە ئىنچىكە تەڭشەش مۇلازىمىتىگە بولغان ئېھتىياجىنىڭ كۈنسېرى كۈچىيىشى دۆلەت ئىچىدىكى ھېسابلاش مەنزىرىسىگە تېخىمۇ ماس كېلىدۇ ، بۇ يەرنىڭ ئىقتىدارى بىر قەدەر ئاجىز بولۇپ ، توپلانغاندىن كېيىنكى بىكار بايلىقلاردىكى تاشلاندۇقلارنى ئازايتىشقا ياردەم بېرىدۇ ؛ بۇ دۆلەت ئىچىدىكى ھېسابلاش ئېكولوگىيە سىستېمىسىنىڭ ئوخشىمىغان قاتلاملىرىدىكى ئىشلەپچىقارغۇچىلارغا پايدىلىق پۇرسەت يارىتىپ بېرىدۇ». لۇچېن تېخنىكىسى خۇاۋېي بۇلۇتى بىلەن ھەمكارلىشىپ ، دۆلەت ئىچىدىكى ھېسابلاش كۈچىنى ئاساس قىلغان DeepSeek R1 يۈرۈشلۈك تەپەككۇر API ۋە بۇلۇت تەسۋىر ھاسىل قىلىش مۇلازىمىتىنى يولغا قويدى. سىز ياڭ كەلگۈسىگە بولغان ئۈمىدۋارلىقنى ئىپادىلىدى: «DeepSeek دۆلەت ئىچىدە ئىشلەپچىقىرىلغان ھەل قىلىش لايىھىسىگە ئىشەنچ تۇرغۇزۇپ ، دۆلەت ئىچىدىكى ھېسابلاش ئىقتىدارىغا تېخىمۇ زور قىزغىنلىق ۋە مەبلەغ سېلىشقا ئىلھام بېرىدۇ».

خۇلاسە

DeepSeek نىڭ ChatGPT دىن «ياخشى» ياكى ئەمەسلىكى ئىشلەتكۈچىنىڭ كونكرېت ئېھتىياجى ۋە نىشانىغا باغلىق. جانلىقلىق ، تۆۋەن تەننەرخ ۋە خاسلاشتۇرۇشقا ئېھتىياجلىق ۋەزىپە ئۈچۈن ، DeepSeek تېخىمۇ ئەۋزەل بولۇشى مۇمكىن. ئىجادىي يېزىقچىلىق ، ئادەتتىكى تەكشۈرۈش ۋە ئابونتلارغا قۇلايلىق پاراڭلىشىش يۈزى ئۈچۈن ، ChatGPT باشلامچى بولۇشى مۇمكىن. ھەر بىر قورال ئوخشىمىغان مەقسەتتە خىزمەت قىلىدۇ ، شۇڭا تاللاش ئۇلارنىڭ ئىشلىتىلىش مۇھىتىغا زور دەرىجىدە باغلىق.