Effizienzgewinn durch Innovation: DeepSeek setzt auf KI-Optimierung statt Rechenpower

In einer jüngsten Analyse hebt die Bank of America die Fortschritte der KI-Modelle von DeepSeek hervor, die durch innovative Trainingstechnologien statt verstärkter Rechenleistung erleichtert werden. Analyst Alkesh Shah äußerte sich optimistisch über die zukünftige Einführung dieser effizienteren KI-Modelle in Unternehmen. Diese Fortschritte könnten die Einführung intelligenterer und kostengünstigerer Pioniermodelle beschleunigen. Shah prognostiziert, dass konkurrierende Entwickler die von DeepSeek eingeführten innovativen Trainingsmethoden übernehmen werden, um ihre Modelle effizienter zu gestalten. Die Optimierungen zeigen laut ihm, dass autonome Agenten noch in ihren Anfangsphasen stecken. Ein Mangel an Rechenleistung fördert laut Shah die Innovation, was weiterhin beeindruckende Ergebnisse erwarten lässt. In Bezug auf die Kosten stellte Shah klar, dass die kolportierten Entwicklungskosten von wenigen Millionen Dollar nicht das vollständige Bild widerspiegeln. DeepSeek erklärte, dass diese Zahl die Trainingskosten des Modell V3 mit Nvidia-Prozessoren abdeckt, jedoch nicht die Ausgaben für Forschung und Entwicklung weiterer Bereiche. Nicht zuletzt betonte Shah, dass die durchgeführten Innovationen, die günstigere Trainingsmethoden ermöglichen, wichtiger seien als die tatsächlich reduzierten Kosten. Diese Entwicklungen könnten den Einsatz von KI-Diensten in verschiedenen Branchen, von Autos bis hin zu Smartphones, erheblich erweitern. Die optimierten Funktionen machen Shah zuversichtlich, was zukünftige Gewinne großer Software-Unternehmen angeht.