Wie Deepseek einen mächtigen Industriestandard umgehen konnte
Düsseldorf, Peking. Elon Musk beschreibt sein Start-up xAI gerne mit Superlativen. Seine Künstliche Intelligenz (KI) Grok3 sei „die intelligenteste der Welt“. Das scheint der Tech-Milliardär auf die enorme Rechenleistung zurückzuführen, die in die KI geflossen ist. Für ihn, und andere KI-Entwickler, gilt offenbar weiterhin: Mehr Rechenleistung gleich besseres Modell. Dabei hatte das chinesische KI-Start-up Deepseek eben dieses Prinzip jüngst infrage gestellt.
Mit kleinem Budget und ohne Hightech-Chips soll Deepseek ein Modell auf dem Niveau von ChatGPT-4o entwickelt haben, dem Chatbot des führenden KI-Unternehmens OpenAI. Drei Wochen ist der Deepseek-Schock her und noch immer wird diskutiert und analysiert, wie das Start-up aus Hangzhou das geschafft hat.
Für den ehemaligen leitenden Systemarchitekten und Entwickler bei den US-Tech-Konzernen Apple und Google, Chris Lattner, zeigt der Erfolg von Deepseek: „Kleinere, hochspezialisierte Teams können die Branchenriesen herausfordern – und sogar das Spielfeld ebnen.“
In der Welt des Tech-Unternehmers Elon Musk scheint es hingegen, als habe der Deepseek-Schock, der Nvidias Aktie einen kurzfristigen Verlust von 589 Milliarden US-Dollar Börsenwert bescherte, nie stattgefunden. Sein KI-Modell Grok soll auf 200.000 Chips, genauer gesagt, H100 Grafikprozessoren (GPUs) von Nvidia trainiert worden sein. Und das reicht Musk offenbar noch nicht: In seinem Rechenzentrum „Memphis“ sollen eine Million GPUs von Nvidia zum Einsatz kommen.
Wie ist es dem chinesischen Start-up gelungen, sich von der Abhängigkeit solcher stetig wachsenden Chip-Cluster zu befreien? Um das zu verstehen, hat das Handelsblatt den technischen Bericht des Deepseek-Modells analysiert und mit Branchenexperten gesprochen.