The Real Reason NVIDIA Stock Crashed—And It’s NOT What you Think!

Hört mal, Die Funktionsweise ist so, dass wir euch sagen, dass es völlig aussichtslos ist, mit uns beim Training von Foundation Modellen zu konkurrieren. Ihr solltet es gar nicht erst versuchen und es ist eure Aufgabe, es trotzdem zu versuchen. Ich glaube an beides und halte es für ziemlich aussichtslos. Im Gegensatz zu Sams Aussage scheint Deepseek OpenAI tatsächlich eingeholt zu haben. Hier ist ein Tweet von Mark Chen, dem Chief Research Officer von OpenAI. Er Herzlichen Glückwunsch an Deepseek für die Erstellung eines Schlussfolgerungsmodells der Stufe. Ihr Forschungsbericht zeigt, dass sie einige der Kernideen, die wir auf unserem Weg zu entwickelt haben, unabhängig voneinander gefunden haben. OpenAI erkennt also öffentlich an, dass Deepseek R ein Schlussfolgerungsmodell der Stufe ist, und zweitens sind die Trainingstechniken denen von sehr ähnlich. Allerdings scheint Mark dabei auch zu versuchen, sich sich die Anerkennung für die von Deepseeker verwendeten Techniken zu. Sichern, wie Sam betont, der einen hervorragenden YouTube Kanal hat, dem ihr unbedingt folgen solltet. Er sagt, dass man sich nicht die Ehre für die Arbeit eines anderen anrechnen kann, indem man Wenn wir veröffentlicht hätten, hätten wir gezeigt, dass wir es als Erste getan haben. Und da stimme ich Sam voll und ganz zu. Und ich stimme auch Leib zu, der sagte, dass Close Source Arbeiten es unmöglich machen, diesen Behauptungen zu trauen und auch den Behauptungen zur Datensicherheit, was die Wissenschaft betrifft. Die Zuschreibung von Techniken in R sollte ausschließlich den Deep Seek Autoren erfolgen, es sei denn, OpenAI legt seine Codebasis mit überprüfbarem Commit Verlauf offen. Selbst in diesem Fall halte ich es für sinnvoll, den Deep Seek Autoren alle Ehre zu erweisen, da sie die Arbeit tatsächlich veröffentlicht haben. Mark sagt weiter, dass die externe Reaktion jedoch etwas übertrieben sei, insbesondere in Bezug auf die Kosten. Ich zeige Ihnen dazu ein paar mögliche Verschwörungstheorien. Eine Auswirkung der zwei Paradigmen des Vortrainings und des Schlussfolgerns besteht darin, dass wir die Leistungsfähigkeit über zwei Zugriffe anstelle von einem optimieren können, was zu niedrigeren Kosten führt. Bill Amann, ein Milliardär, hat heute folgendes Wie hoch ist die Wahrscheinlichkeit, dass der Hedgefonds Partner von deepseek gestern mit Leerverkäufen von Nvidia und Energieunternehmen ein Vermögen gemacht hat? Es wurde ein glücklicher Zufall gewählt. Denn wenn der Ausverkauf bei Nvidia im Voraus geplant war und durch den Hedgefonds hinter Deep Seek ausgelöst wurde, was ich nicht glaube und hier ist eine sehr einfache Aussage von Jeremy Howard dazu. Er ist ein hervorragender Pädagoge und Mitbegründer von Answer AI und Fast AI. Ich denke, es gibt eine ganze Generation von Deep Learning Forschern und Praktikern, die durch den Fast AI Kurs eine Ausbildung erhalten haben. Er sagt Ihr versteht das alle. Ich hoffe, dass der Grund für den Zusammenbruch von Nvidia darin liegt, dass die USA massive Zölle auf importierte Chips angekündigt haben, die bei einer Umsetzung das Geschäft von Nvidia vollständig zerstören würden. Man kann den Chinesen dafür nicht die Schuld geben und ja, das ergibt absolut Sinn. Ich glaube nicht, dass dieser ganze Nvidia Ausverkauf durch die Veröffentlichung von R ausgelöst wurde, denn wie jemand hier angemerkt hat, ich bin mir nicht sicher, aber niemand hat mir je eine Antwort gegeben, Warum die Märkte 5 Tage brauchten, um nach der Veröffentlichung von R zu reagieren. Es kam am Donnerstag letzter Woche. Wenn Sie die Nachrichten also nicht verfolgen, hatte Nvidia einen Verlust von fast 17 Prozent an Marktkapitalisierung. Aber heute haben sie fast 9 Prozent davon wieder wettgemacht. Und es scheint, als sei das Ganze durch Trumps Forderung nach Zöllen auf Computerchips, Halbleiter und Pharmazeutika aus Taiwan ausgelöst worden. Insbesondere gibt es meiner Meinung nach einen Vorschlag, einen Zoll von 25 bis 100 Prozent auf Chips. Zu erheben, die von TSMC in Taiwan hergestellt werden, was meiner Meinung nach diesen Ausverkauf leicht erklärt aus Denn das wird enorme Auswirkungen auf das Geschäft von Nvidia haben. Nun gibt es noch eine andere Meinung von Palmer Lucky Der Deep Seek ist wirklich beeindruckend, aber das Ausmaß der Hysterie ist ein Indiz dafür, dass so viele die Zahl von 5 Millionen Dollar für falsch halten. Dem stimme ich nicht zu, denn man kann sich leicht ausdenken, wie sie auf die Zahl von 5 Millionen Dollar gekommen. Sind. Ich zeige es Ihnen und das wird von einem chinesischen Hedgefonds vorangetrieben, um Investitionen in amerikanische Key Start Ups zu bremsen, ihre eigenen Shorts gegen amerikanische Titanen wie Nvidia zu bedienen und die Sanktionsinvasion zu verbergen. Das ist also eine sehr ähnliche Stimmung wie bei billment. Aber um ehrlich zu sein, ist deepseak nicht das einzige chinesische Unternehmen. Die Chinesen übernehmen tatsächlich eine Führungsrolle, wenn es um Open Source geht. In Bezug auf die Kosten von 5 Dollar waren sie sehr transparent über die Art der verwendeten GPUs. Wie viele GPU Stunden wurden für das Training verwendet? In dem Paper heißt es nun, dass unter der Annahme, dass der Mietpreis für die H GPU bei etwa 2 US Dollar pro GPU liegt, die gesamten Trainingskosten 5,756 Millionen US Dollar betragen. Aber die Leute ignorieren diesen Teil. Beachten Sie, dass die genannten Kosten nur das offizielle Training von Deep Sequence 3 umfassen, ausgenommen die Kosten für vorherige Forschungs und Ablationsexperimente zu Architektur, Algorithmen und Daten. Sie machen also sehr deutlich, dass Sie von diesem einen einzigen Lauf für das finale Training von deepseek sprechen. Es geht nicht um die Architekturexperimente, die sie durchgeführt haben, oder verschiedene Algorithmen, die sie ausprobiert haben, oder sogar die Gehälter der beteiligten Personen. Basierend darauf und auf dem, was andere Personen zuvor berichtet haben, sind dies plausible Zahlen. Aber ich Sie beziehen sich auf einen einzelnen Trainingslauf. Die Gesamtkosten sind definitiv viel, viel höher. Nun scheint die Leistung von deepseek für uns alle eine Überraschung zu sein, aber deepseek erzählt uns das schon seit einiger Zeit. Wie Jeremy bereits betonte, Wie konnte irgendjemand R kommen sehen, nur weil deepseak vor Monaten eine Vorschau von deepseak R Lite zeigte, das Skalierungsdiagramm zeigte und sagte, dass sie eine API und Open Source veröffentlichen würden. Wie hätte das irgendjemand ahnen können, oder? Und er verweist auf diesen Tweet des Deep Seek T Teams, das tatsächlich die frühen Skalierungsgesetze von deepseek R als Vorschau zeigte. Dies wurde angekündigt oder zumindest im ursprünglichen deepseek V Papier erwähnt, in dem einige der Trainingsdaten für das V Modell tatsächlich von R stammten, was ziemlich interessant ist. Hier zeigen sie also eine stetige Verbesserung der Punktzahl bei der Argumentationsaufgabe. Einer dieser Benchmarks ist AIMI mit zunehmender Gedankenlänge, und Sie können sehen, dass die Genauigkeit des Systems tatsächlich zunimmt, wenn Sie die Anzahl der Token erhöhen, die zur Inferenzzeit mit Hilfe der Testzeitberechnung generiert werden. Obwohl deepseek im Moment im Rampenlicht steht, gibt es einige andere erstaunliche chinesische Unternehmen, die Open Source wirklich vorantreiben, Und eines davon ist die Quin Abteilung von Alibaba. Sie haben Quin Max veröffentlicht, das bei einer Reihe sehr wichtiger Benchmarks besser abschneidet als DeepSeq 3. Sie sagen hier, dass der Erfolg von DeepSecu die Aufmerksamkeit der gesamten KI Community auf groß angelegte MO Modelle gelenkt hat. Gleichzeitig haben wir Quin Max entwickelt, ein großes LM Pre Training auf riesigen Datenmengen und ein Posttraining mit Q ratierten, überwachten Feinabstimmungen und RLHF Rezepten. Es erzielt eine konkurrenzfähige Leistung im Vergleich zu den Top Modellen und übertrifft DeepSecu in Benchmarks wie Hard Up, Arena, Hard Lifebench, Live Code Bench und GPQA Diamond. Dieses Modell ist derzeit auf ihrer Plattform verfügbar. Sie können es absolut kostenlos nutzen. Es gibt ein weiteres Modell, das eine wirklich gute Open Source Alternative zu etwas wie Sono ist. Dies ist also ein Modell zur Generierung von Text zu Musik, das mit den Sono Modellen ebenbürtig ist. Und noch einmal, dies ist Open Source. Sie können es auf ihrem lokalen Rechner ausführen, ohne externe API Dienste oder Closed Source Modelle verwenden zu müssen. Aus irgendeinem Grund versuchen die Leute nun, mit der R Version US amerikanische oder chinesische Unternehmen gegenüberzustellen. Ich denke aber, es geht eher um Closed Source oder Open Source. Im Moment übernehmen China oder chinesische Unternehmen die Führung bei Open Source Versionen. Wenn man an das letzte Modell denkt, sind es derzeit chinesische Unternehmen, die die Open Source Versionen dieser Modelle tatsächlich anführen. Meta, die diese ganze Open World Bewegung für große Sprachmodelle ins Leben gerufen haben, haben ihr letztes Modell letztes Jahr veröffentlicht. Das ist also schon eine Weile her. Ein weiteres großes Unternehmen war Mistel. Ich weiß gar nicht mehr, wann sie das letzte Mal ein Open Weight Modell veröffentlicht haben. Bei chinesischen Unternehmen gibt es fast wöchentlich oder sogar täglich neue Modellversionen oder Updates, was ziemlich unglaublich ist. Das bedeutet, wenn man entschlossen genug ist, kann man sogar ein Modell wie R komplett lokal auf seinem eigenen Setup ausführen. Man benötigt zwar etwa US Dollar für Hardware, wenn man keine GPU verwendet, aber das wird einem wahrscheinlich bis zu 5 Token pro Sekunde. Liefern. Matthew Carrick hat also eine ganze Liste mit der gesamten Hardware zusammengestellt, die man braucht, um ein Modell auszuführen, das zu einem modell mit über 7100 Milliarden Parametern passt. OK, ich beende dieses Video mit einem Tweet von xanwe, um es klarzustellen, bei DPC geht es nicht darum, wer schneller ist. Es geht um die inhärenten Fehler in geschlossenen Modellen. Die Zukunft der KI gehört nicht denen, die Code verstecken oder Chips horten. Sie basiert auf Vertrauen und Vertrauen erfordert Transparenz. Wenn Modelle Blackboxes sind, gibt man die Kontrolle über den Datenschutz, die kulturell angepasste Ethik und die Anpassung nach dem Training an reale Szenarien aus der Hand. Das ist keine Führung, sondern eine Haftung. Chinas Konsolidierung im Pre Training beweist, eine einfache KI wird zur Ware. Es geht nicht mehr um Modelle. Der wahre Wert liegt nicht im Modell, sondern in dem, was man damit macht. Warum Milliarden verschwenden, um geschlossene, quellbasierte Modelle neu zu erfinden. Wenn der Markt nach Anwendungen verlangt, die Armut, Klimakrise und Lücken in der Gesundheitsversorgung schließen und Labore an Geheimhaltung, Risiko und Irrelevanz festhalten. Als würde man sich auf ein Faxgerät verlassen, als E Mails die Oberhand gewannen, bedenken Sie die Ironie. Heute stammen die kostenlosen Modelle aus quantitativen Quellen, während gemeinnützige Organisationen vorab Prämien für den Zugriff verlangen. Niemand hat 200 Dollar pro Monat übrig, um Zugriff auf ein Argumentationsmodell zu erhalten oder eine sehr begrenzte Anzahl von Zugriffen auf etwas wie zu haben, während etwas wie Deep Seek dies tatsächlich absolut kostenlos anbietet. OpenAIs Schwenk von einem offenen zu einem Weltgarten verrät genau das Ethos, aus dem die moderne KI hervorgegangen ist. In der Zwischenzeit setzen sich die Prinzipien der Marktwirtschaft durch. Beschränken Sie den Zugang und es entstehen Ersatzprodukte. Sie werden weniger. Vertrauen schlägt Kontrolle. Offene Modelle binden Entwickler ein. Geschlossene Modelle erzeugen Misstrauen und Misstrauen schürt Ersatzprodukte. Wie kann man Leads aufrechterhalten? Stoppen Sie die Gatekeeping Maßnahmen. Bei einer offenen Infrastruktur vertraut die Welt wie beim Internet. Die Geschichte belohnt nicht das Festhalten an Knappheit, sie belohnt diejenigen, die ermächtigen die vielen. Du hast die Wahl. Danke fürs Zuschauen und wie immer bis zum nächsten Mal.