DeepSeek-R1 ist ein Large Language Model mit offenen Gewichten, das von der Hangzhou DeepSeek Artificial Intelligence Basic Technology Research Co., Ltd. entwickelt wurde, einem chinesischen KI-Unternehmen mit Sitz in Hangzhou, Zhejiang. Das Modell wurde am 20. Januar 2025 veröffentlicht und zeigte fortschrittliche Denkfähigkeiten zu einem Bruchteil der Trainingskosten vergleichbarer westlicher Modelle, was eine erhebliche Marktreaktion auslöste. Innerhalb weniger Tage fiel die Aktie von Nvidia stark, und Technologieaktien weltweit erlebten einen Ausverkauf, da Anleger die Wettbewerbslandschaft der künstlichen Intelligenz und die Nachfrage nach teuren Grafikprozessoren (GPUs) neu bewerteten.
Die Veröffentlichung von DeepSeek-R1 war nicht nur wegen seiner technischen Errungenschaften bemerkenswert, sondern auch wegen seiner strategischen Implikationen. Das Modell wurde unter einer Lizenz mit offenen Gewichten verfügbar gemacht, die es Forschern und Entwicklern ermöglichte, auf seine Parameter zuzugreifen, obwohl die Trainingsdaten nicht offengelegt wurden. Diese Offenheit stand im Gegensatz zu den proprietären Ansätzen großer US-KI-Labore und unterstrich den raschen Fortschritt chinesischer KI-Unternehmen trotz US-Exportkontrollen für fortschrittliche Chips. Das Ereignis wurde zu einem Meilenstein im globalen KI-Wettlauf und hob sowohl die Effizienzgewinne hervor, die durch algorithmische Innovation möglich sind, als auch die Sensibilität des Marktes für Veränderungen in den KI-Lieferketten.
Hintergrund
DeepSeek wurde im Juli 2023 von Liang Wenfeng gegründet, einem KI-Enthusiasten und Mitbegründer von High-Flyer, einem chinesischen Hedgefonds. Das Unternehmen entstand aus High-Flyers früherer Forschung zu Deep Learning für den Finanzhandel. Bis 2023 hatte High-Flyer eine erhebliche Recheninfrastruktur aufgebaut, einschließlich Clustern von Nvidia-GPUs, die eine Grundlage für die Modellentwicklung von DeepSeek bildeten. Die Mission von DeepSeek konzentrierte sich auf die Weiterentwicklung von Large Language Models mit einem Schwerpunkt auf Forschung statt auf sofortige Kommerzialisierung. Das Unternehmen rekrutierte Forscher von führenden chinesischen Universitäten und, ungewöhnlicherweise, aus nicht-informatischen Bereichen wie Poesie und fortgeschrittener Mathematik, um das Wissen und die Fähigkeiten der Modelle zu erweitern.
Die Modelle von DeepSeek haben offene Gewichte, das heißt, die trainierten Parameter werden öffentlich geteilt, aber die Trainingsdaten sind nicht offen lizenziert. Seit Januar 2025 veröffentlicht DeepSeek seine Modelle unter freien und Open-Source-Softwarelizenzen. Dieser Ansatz hat die Übernahme durch Dritte erleichtert, einschließlich Cloud-Anbietern wie Microsoft Azure und Perplexity AI, die DeepSeek-Modelle nativ hosten. Die Strategie des Unternehmens ermöglichte es ihm auch, bestimmte chinesische KI-Vorschriften zu umgehen, die auf verbraucherorientierte Technologien abzielen, da sein Fokus auf Forschung und offener Verteilung die direkte Verbraucherexposition reduzierte.
Entwicklung und Training
Die Trainingsinfrastruktur von DeepSeek entwickelte sich aus den früheren Rechenclustern von High-Flyer. Der erste Cluster, Fire-Flyer, wurde 2019 mit 1.100 GPUs gebaut, die mit 200 Gbit/s verbunden waren, zu Kosten von 200 Millionen Yuan. Er wurde nach 1,5 Jahren stillgelegt. Ein zweiter Cluster, Fire-Flyer 2, begann 2021 mit einem Budget von 1 Milliarde Yuan und umfasste 5.000 PCIe-A100-GPUs in 625 Knoten. Bis 2022 überstieg seine Kapazitätsauslastung 96%, insgesamt 56,74 Millionen GPU-Stunden, wobei 27% der Kapazität externe wissenschaftliche Berechnungen unterstützten. Der Cluster verwendete eine gemeinsam entwickelte Software- und Hardwarearchitektur, einschließlich des Fire-Flyer-Dateisystems (3FS) für effiziente asynchrone Zufallslesevorgänge und der hfreduce-Bibliothek für asynchrone Kommunikation.
DeepSeek-R1 wurde mit einer Kombination aus überwachter Feinabstimmung und Reinforcement Learning trainiert, mit einem Fokus auf Denkaufgaben. Das Modell verwendete eine Transformer (architecture)-Architektur und integrierte Techniken wie Multi-Head Attention und Residual Networks. Der Trainingsprozess betonte rechnerische Effizienz, nutzte ältere Hardware und algorithmische Verfeinerungen, um Energieverbrauch und Kosten zu reduzieren. Diese Effizienz war ein Schlüsselfaktor für die Marktwirkung des Modells, da sie zeigte, dass leistungsstarke KI-Modelle ohne Zugang zu den neuesten, teuersten Chips entwickelt werden konnten.
Veröffentlichung und technische Merkmale
DeepSeek-R1 wurde am 20. Januar 2025 zusammen mit einem gleichnamigen Chatbot veröffentlicht. Das Modell zeigte starke Leistungen bei Benchmarks für Denken, Mathematik und Programmierung und übertraf einige proprietäre Modelle von US-Laboren oder stand ihnen gleich. Seine offene Gewichtung ermöglichte es Forschern, das Modell zu inspizieren und feinzutunen, was eine Gemeinschaft von Entwicklern förderte. Die Veröffentlichung umfasste mehrere Versionen, wobei das Flaggschiffmodell und kleinere destillierte Varianten für eine breitere Bereitstellung entwickelt wurden.
Ein bemerkenswerter Aspekt von DeepSeek-R1 war seine Trainingsmethodik, die Reinforcement Learning aus KI-Feedback (RLAIF) integrierte, um Denkketten zu verbessern. Das Modell wurde entwickelt, um schrittweise Lösungen zu generieren, was seine Interpretierbarkeit und Genauigkeit bei komplexen Aufgaben erhöhte. Darüber hinaus verwendete DeepSeek Techniken wie Top-p-Sampling und Temperaturskalierung, um die Ausgabevielfalt zu steuern. Die Effizienz des Modells wurde teilweise auf Innovationen bei Modellbereinigung und Datenerweiterung zurückgeführt, die die Rechenlast ohne Leistungseinbußen reduzierten.
Marktauswirkungen
Nach der Veröffentlichung von DeepSeek-R1 erlebten die globalen Finanzmärkte eine erhebliche Reaktion. Am 27. Januar 2025 fiel der Aktienkurs von Nvidia um etwa 17%, wodurch Hunderte von Milliarden Dollar an Marktwert vernichtet wurden. Der Ausverkauf weitete sich auf andere Technologieunternehmen aus, darunter AMD, Broadcom und TSMC, da Anleger befürchteten, dass die Nachfrage nach High-End-GPUs sinken könnte, wenn KI-Modelle effizienter trainiert werden könnten. Der breitere Technologiesektor, einschließlich Microsoft (AI) und Alphabet Inc., verzeichnete ebenfalls Rückgänge, was Bedenken über Wettbewerbsdruck und das Potenzial für geringere KI-Infrastrukturausgaben widerspiegelte.
Die Marktreaktion wurde durch mehrere Faktoren angetrieben. Die Leistung von DeepSeek-R1 deutete darauf hin, dass Spitzen-KI-Fähigkeiten mit weniger Rechenressourcen erreicht werden könnten, was die Annahme untergrub, dass massive GPU-Cluster eine Voraussetzung für fortgeschrittene KI seien. Darüber hinaus bedrohte die Verfügbarkeit offener Gewichte des Modells die proprietären Vorteile von US-KI-Unternehmen und könnte KI-Technologie kommodifizieren. Analysten stellten fest, dass der Ausverkauf auch eine Reaktion auf die geopolitischen Implikationen war, da ein chinesisches Unternehmen trotz US-Exportkontrollen technologische Parität demonstrierte.
Branchenreaktionen
Branchenführer und Experten gaben unterschiedliche Antworten auf DeepSeek-R1. Einige lobten die Effizienz und den offenen Ansatz des Modells und betrachteten es als eine demokratisierende Kraft in der KI. Andere äußerten Bedenken hinsichtlich der nationalen Sicherheit und des Potenzials für Missbrauch, angesichts der offenen Gewichte des Modells. Im Februar 2026 beschuldigte Anthropic DeepSeek, Tausende von betrügerischen Konten verwendet zu haben, um Millionen von Gesprächen mit Claude, seinem eigenen KI-Modell, zu generieren, um DeepSeeks LLMs zu trainieren. Diese Anschuldigung hob die wettbewerblichen Spannungen zwischen US-amerikanischen und chinesischen KI-Unternehmen hervor.
Der Erfolg von DeepSeek löste auch Diskussionen über die Wirksamkeit der US-Exportkontrollen aus. Das Unternehmen hatte Berichten zufolge 10.000 Nvidia-A100-GPUs erworben, bevor die Beschränkungen verschärft wurden, und sein fortgesetzter Fortschritt deutete darauf hin, dass algorithmische Innovation Hardwarebeschränkungen teilweise ausgleichen könnte. Einige Beobachter forderten erhöhte Investitionen in die heimische KI-Forschung, während andere für nuanciertere Exportpolitiken plädierten.
Breiterer Kontext
Die Veröffentlichung von DeepSeek-R1 erfolgte inmitten einer sich rasch entwickelnden KI-Landschaft. Große Akteure wie OpenAI, Anthropic und Google DeepMind entwickelten zunehmend leistungsfähigere Modelle, aber ihre proprietäre Natur begrenzte externe Prüfung. Der offene Gewichtsansatz von DeepSeek bot eine Alternative, die unabhängige Verifikation und Anpassung ermöglichte. Das Modell hatte auch Auswirkungen auf die KI-Zugänglichkeit in Entwicklungsregionen, da seine Effizienz und offene Lizenzierung es machbar machten, es auf weniger leistungsfähiger Hardware bereitzustellen.
Die Expansion von DeepSeek nach Afrika, die erschwingliche und energieeffiziente KI-Lösungen anbot, war Teil dieses breiteren Trends. Das Unternehmen arbeitete mit lokalen Startups und Cloud-Anbietern wie Huawei zusammen, um afrikanische Sprachmodelle zu verbessern und lokale Datensouveränität zu unterstützen. Dies stand im Gegensatz zu westlichen KI-Plattformen, die oft erhebliche Infrastruktur erforderten und Bedenken hinsichtlich des Datenschutzes aufwarfen.
Nachwirkungen
In den Monaten nach der Veröffentlichung entwickelte DeepSeek seine Technologie weiter und erweiterte seine Präsenz. Das Unternehmen kündigte Pläne für eine Serie-A-Finanzierungsrunde im Mai 2026 an, die 7 Milliarden US-Dollar bei einer Post-Money-Bewertung von 52 Milliarden US-Dollar aufbrachte. Berichte über einen möglichen Börsengang bereits 2027 tauchten im Juli 2026 auf, mit Diskussionen, die auf eine Pre-Money-Bewertung von 70 Milliarden US-Dollar abzielten. Diese Entwicklungen signalisierten das Vertrauen der Anleger in die Entwicklung von DeepSeek, trotz der früheren Marktturbulenzen.
Der Aktienrückgang von Nvidia und der Technologieausverkauf wurden zu einer Fallstudie darüber, wie KI-Durchbrüche die Finanzmärkte stören können. Er unterstrich die Bedeutung der Überwachung technologischer Fortschritte und ihres Potenzials, die Branchendynamik neu zu gestalten. Für DeepSeek festigte das Ereignis seinen Ruf als wichtiger Akteur im globalen KI-Wettlauf, forderte die Dominanz der US-Technologiegiganten heraus und führte zu einer Neubewertung der KI-Investitionsstrategien weltweit.