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 vom Hedgefonds High-Flyer finanziert wird. Das Modell wurde im Januar 2025 zusammen mit dem DeepSeek-Chatbot veröffentlicht und zeigte fortgeschrittene Denkfähigkeiten, die mit führenden proprietären Systemen vergleichbar sind, während seine berichtete Trainingseffizienz und offene Verfügbarkeit einen erheblichen Ausverkauf bei globalen Technologieaktien auslösten, der insbesondere Nvidia und andere Chiphersteller betraf.
Die Veröffentlichung markierte einen bemerkenswerten Moment im Bereich der künstlichen Intelligenz, da sie Annahmen über die Notwendigkeit massiver Rechenressourcen für hochmoderne Large Language Models in Frage stellte. Das Framework mit offenen Gewichten von DeepSeek-R1 ermöglichte es Forschern und Entwicklern weltweit, das Modell herunterzuladen und anzupassen, was zu seiner schnellen Verbreitung und der Marktreaktion beitrug.
Hintergrund und Unternehmensursprünge
DeepSeek wurde im Juli 2023 von Liang Wenfeng gegründet, der zuvor im Juni 2015 High-Flyer mitbegründet hatte. High-Flyer begann am 21. Oktober 2016 mit der Nutzung von GPU-abhängigen Deep-Learning-Modellen für den Aktienhandel und wechselte von früheren CPU-basierten linearen Modellen. Bis Ende 2017 wurden die meisten Handelsentscheidungen von KI gesteuert.
Im Jahr 2019 baute High-Flyer seinen ersten Rechencluster, Fire-Flyer, zu Kosten von 200 Millionen Yuan, der 1.100 GPUs mit einer Verbindungsgeschwindigkeit von 200 Gbit/s umfasste. Der Cluster wurde nach 1,5 Jahren stillgelegt. Bis 2021 hatte Liang etwa 10.000 Nvidia-A100-GPUs erworben, bevor US-Beschränkungen für Chipverkäufe nach China in Kraft traten.
Der Fire-Flyer-2-Cluster, der ab 2021 mit einem Budget von 1 Milliarde Yuan gebaut wurde, wurde mit 5.000 PCIe-A100-GPUs in 625 Knoten betriebsbereit. Im Jahr 2022 überstieg seine Kapazitätsauslastung 96%, insgesamt 56,74 Millionen GPU-Stunden, wobei 27% der Kapazität externe wissenschaftliche Berechnungen unterstützten. Der Cluster verwendete zunächst nur PCIe-Verbindungen, da Modelle in den 40 GB GPU-VRAM passten und nur Datenparallelität erforderten; später wurden NVLink und NCCL für größere Modelle hinzugefügt, die Modellparallelität benötigten.
Gründung und Unternehmensstruktur
Am 14. April 2023 kündigte High-Flyer die Gründung eines Forschungslabors für künstliche allgemeine Intelligenz (AGI) an. Zwei Monate später, am 17. Juli 2023, wurde dieses Labor als unabhängiges Unternehmen namens DeepSeek ausgegliedert, mit High-Flyer als Hauptinvestor. Venture-Capital-Investoren waren zunächst zurückhaltend, das Unternehmen zu finanzieren, da sie an der Fähigkeit zweifelten, einen schnellen Exit zu erzielen.
DeepSeek hat seinen Hauptsitz in Hangzhou, Zhejiang, und bleibt im Besitz und unter der Finanzierung von High-Flyer. Liang Wenfeng fungiert als CEO und hielt ab Mai 2024 persönlich einen Anteil von 84% über zwei Briefkastenfirmen. Das Unternehmen hat eine forschungsorientierte Strategie beibehalten und erklärt, keine unmittelbaren Kommerzialisierungspläne zu haben, was es auch ermöglicht, bestimmte chinesische KI-Vorschriften zu umgehen, die auf verbraucherorientierte Technologien abzielen.
Das DeepSeek-R1-Modell
DeepSeek-R1 wurde im Januar 2025 als Denkmodell mit offenen Gewichten veröffentlicht. Im Gegensatz zu proprietären Modellen von Unternehmen wie OpenAI oder Anthropic wurden die genauen Parameter von DeepSeek-R1 öffentlich geteilt, obwohl die Trainingsdaten nicht offen lizenziert waren. Das Modell zeigte starke Leistungen bei Denk-Benchmarks und soll in bestimmten Aufgaben mit führenden westlichen Modellen konkurrieren oder diese übertreffen.
Die Entwicklung des Modells profitierte von DeepSeeks kontinuierlicher Verfeinerung von Algorithmen zur Maximierung der Recheneffizienz, eine Notwendigkeit angesichts der US-Exportbeschränkungen für Chips. Dieser Fokus auf Effizienz ermöglichte es DeepSeek, mit älterer oder weniger leistungsfähiger Hardware wettbewerbsfähige Ergebnisse zu erzielen, was den Energieverbrauch und die Trainingskosten reduzierte.
Globale Marktauswirkungen
Nach der Veröffentlichung von DeepSeek-R1 erlebten globale Technologieaktien einen scharfen Ausverkauf. Investoren reagierten auf die Möglichkeit, dass die hohen Kapitalausgaben großer KI-Unternehmen möglicherweise nicht notwendig sind, um fortgeschrittene KI-Fähigkeiten zu erreichen. Nvidia, ein wichtiger Lieferant von GPUs für KI-Training, verzeichnete einen erheblichen Rückgang seines Marktwerts, und auch andere Chiphersteller und Cloud-Anbieter waren betroffen.
Der Ausverkauf spiegelte Bedenken wider, dass Modelle mit offenen Gewichten wie DeepSeek-R1 die KI-Entwicklung kommodifizieren könnten, was den Wettbewerbsvorteil von Unternehmen verringert, die stark in proprietäre Modelle und Infrastruktur investiert hatten. Das Ereignis wurde in Finanzmedien breit abgedeckt und löste Debatten über die Nachhaltigkeit des KI-Investitionsbooms aus.
Verbreitung und Ökosystem
Aufgrund seines Frameworks mit offenen Gewichten wurde DeepSeek-R1 und andere DeepSeek-Modelle nativ von Cloud-Anbietern gehostet, darunter Microsoft Azure und Perplexity AI. Die Verfügbarkeit des Modells auf großen Plattformen erleichterte seine Integration in verschiedene Anwendungen und Forschungsprojekte.
DeepSeek expandierte auch nach Afrika und bot erschwinglichere und weniger energieintensive KI-Lösungen an. Das Unternehmen stärkte afrikanische Sprachmodelle und brachte eine Reihe von Startups hervor, beispielsweise in Nairobi. Zusammen mit Huaweis Speicher- und Cloud-Computing-Diensten war DeepSeeks Einfluss auf die Tech-Szene in Subsahara-Afrika beträchtlich und bot lokale Datensouveränität und mehr Flexibilität im Vergleich zu westlichen KI-Plattformen.
Trainingsinfrastruktur
Das Trainingsframework von DeepSeek basiert auf den Fire-Flyer-Clustern, wobei Fire-Flyer 2 bis 2025 noch in Betrieb ist. Der Cluster verfügt über eine gemeinsam entwickelte Software- und Hardware-Architektur. Auf der Hardwareseite verwenden Nvidia-GPUs 200-Gbit/s-Verbindungen, und die Netzwerktopologie besteht aus zwei Fat Trees für hohe Bisektionsbandbreite. Der Cluster ist in zwei Zonen unterteilt, die zonenübergreifende Aufgaben unterstützen.
Auf der Softwareseite umfassen die Schlüsselkomponenten:
- 3FS (Fire-Flyer-Dateisystem): Ein verteiltes paralleles Dateisystem, das für asynchrone Zufallslesevorgänge entwickelt wurde und Direct I/O und RDMA Read verwendet. Im Gegensatz zu standardmäßigem Buffered I/O speichert Direct I/O keine Daten im Cache, was für Zufallslesevorgänge effizient ist, bei denen Daten nicht wiederverwendet werden.
- hfreduce: Eine Bibliothek für asynchrone Kommunikation, die ursprünglich entwickelt wurde, um Nvidias NCCL in bestimmten Szenarien zu ersetzen und Skalierbarkeit sowie Leistung zu verbessern.
Diese Innovationen ermöglichten es DeepSeek, trotz Hardwarebeschränkungen große Modelle effizient zu trainieren, was zur Kosteneffektivität beitrug, die DeepSeek-R1 demonstrierte.
Spätere Entwicklungen
Im Februar 2026 beschuldigte Anthropic DeepSeek, Tausende betrügerischer Konten verwendet zu haben, um Millionen von Gesprächen mit Claude zu generieren, um eigene Modelle zu trainieren. Im April 2026 begannen Investoren Gespräche über eine Finanzierungsrunde von 300 Millionen US-Dollar, die DeepSeek mit 10 Milliarden US-Dollar bewerten würde. Das Unternehmen schloss im Mai 2026 eine Serie-A-Runde mit 7 Milliarden US-Dollar ab und erreichte eine Post-Money-Bewertung von 52 Milliarden US-Dollar.
Im Juli 2026 berichteten Bloomberg und die Financial Times, dass DeepSeek mit den Vorbereitungen für einen Börsengang (IPO) begonnen habe, möglicherweise mit einer Notierung bereits 2027. Im selben Monat initiierte das Unternehmen eine weitere Finanzierungsdiskussion mit dem Ziel einer Pre-Money-Bewertung von 70 Milliarden US-Dollar.
DeepSeeks Einstellungsansatz betont Fähigkeiten über lange Berufserfahrung, was dazu führt, dass viele Neueinstellungen direkt von der Universität kommen. Das Unternehmen rekrutiert auch Personen ohne Informatik-Hintergrund, um Fachwissen in Bereichen wie Poesie und fortgeschrittener Mathematik zu erweitern. Laut The New York Times haben Dutzende DeepSeek-Forscher Verbindungen zu Laboren der Volksbefreiungsarmee und den Sieben Söhnen der Landesverteidigung oder hatten diese zuvor. Seit 2025 wurde sein Chatbot in nicht-kampfbezogenen Rollen von der Volksbefreiungsarmee übernommen, darunter in Krankenhäusern, bei der Volksbewaffneten Polizei und in nationalen Mobilisierungsorganisationen.
Fazit
Die Einführung von DeepSeek-R1 im Januar 2025 stellte einen bedeutenden Meilenstein in der generativen KI-Landschaft dar und zeigte, dass Modelle mit offenen Gewichten wettbewerbsfähige Leistungen mit geringeren Ressourcenanforderungen erzielen können. Der globale Ausverkauf von Tech-Aktien unterstrich das disruptive Potenzial des Modells, während spätere Finanzierungsrunden und IPO-Vorbereitungen auf starkes Investoreninteresse hindeuteten. DeepSeeks fortgesetzter Fokus auf Effizienz und offene Verfügbarkeit positioniert das Unternehmen als bemerkenswerten Akteur im sich entwickelnden KI-Ökosystem.