DeepSeek ist ein Forschungsunternehmen für künstliche Intelligenz mit Sitz in Hangzhou, China, das 2023 von Liang Wenfeng gegründet wurde, der das Unternehmen auch weiterhin über High-Flyer finanzierte, einen quantitativen Hedgefonds, den er 2015 mitbegründet hatte. Das Handelsgeschäft von High-Flyer hatte bereits große Bestände an GPU-Hardware für algorithmischen Handel angesammelt, was DeepSeek im Vergleich zu typischen KI-Startups eine ungewöhnliche Rechenbasis bot, selbst als US-Exportkontrollen den Zugang chinesischer Firmen zu den fortschrittlichsten Nvidia-Chips einschränkten.
Modelle und der Schock im Januar 2025
DeepSeek veröffentlichte eine Reihe zunehmend leistungsfähiger Open-Weights-Modelle, darunter DeepSeek-V2 und V3, bevor es im Januar 2025 DeepSeek-R1 veröffentlichte, ein Reasoning-Modell, das maßgeblich mit Reinforcement-Learning-Techniken trainiert wurde und bei mehreren Mathematik- und Codierungs-Benchmark-Suiten die Leistung von OpenAI o1 erreichte oder annäherte, während es mit offenen Gewichten und einem technischen Papier, das sein Training beschreibt, veröffentlicht wurde. DeepSeek berichtete von Trainingskosten, die weit unter dem lagen, was vergleichbare westliche Labore vermutlich ausgaben, obwohl die genauen Zahlen und ihre Vergleichbarkeit umstritten waren. Die Veröffentlichung löste den DeepSeek-Schock aus, einen starken Ausverkauf bei KI-bezogenen Aktien, insbesondere einen Rekordverlust der Marktkapitalisierung von Nvidia an einem einzigen Tag, als Investoren Annahmen darüber überdachten, wie viel Rechenleistung erforderlich war, um die Frontier-Model-Stufe zu erreichen.
Technischer Ansatz
DeepSeeks Modelle nutzten prominent Mixture-of-Experts-Architekturen, um die Trainings- und Inferenzeffizienz zu verbessern, und das Unternehmen veröffentlichte Details zu Trainingsoptimierungen, einschließlich Ansätzen zur Reduzierung von Speicher- und Kommunikationsaufwand, die von anderen Laboren weithin untersucht wurden. Die Trainingspipeline von DeepSeek-R1 war bemerkenswert, weil sie zeigte, dass große Verbesserungen im Chain-of-Thought-Stil des Denkens durch Reinforcement Learning an überprüfbaren Aufgaben ohne umfangreiche menschlich gekennzeichnete RLHF-Daten entstehen konnten, und das Unternehmen veröffentlichte kleinere destillierte Versionen des Modells, die auf weitaus bescheidenerer Hardware laufen konnten, was die Übernahme durch externe Entwickler über Hosts wie Hugging Face beschleunigte.
Rezeption und geopolitischer Kontext
DeepSeeks Aufstieg wurde weithin als Beleg dafür interpretiert, dass US-Exportkontrollen für fortschrittliche Chips chinesische Labore nicht daran gehindert hatten, die KI-Frontier zu erreichen, was Debatten in Washington über die Wirksamkeit von Hardware-Beschränkungen intensivierte und Diskussionen über KI-Governance und nationale Konkurrenz neben Laboren wie dem Entwickler von Qwen, Alibaba, Dringlichkeit verlieh. Einige Analysten und konkurrierende Labore stellten Aspekte der berichteten Trainingskosten von DeepSeek in Frage und äußerten Bedenken hinsichtlich der Datenherkunft und möglicher Destillation aus Ausgaben geschlossener westlicher Modelle, Vorwürfe, die DeepSeek nicht vollständig öffentlich adressierte. Die Episode etablierte DeepSeek dennoch neben Laboren wie Mistral AI als glaubwürdige Open-Weights-Alternative zu den größten geschlossenen amerikanischen Entwicklern.