DeepSeek, ein chinesisches Unternehmen für künstliche Intelligenz mit Sitz in Hangzhou, veröffentlichte im Januar 2025 sein Open-Weight-Sprachmodell DeepSeek-R1. Die Veröffentlichung löste einen erheblichen Ausverkauf bei globalen Technologieaktien aus, da Investoren die Wettbewerbslandschaft der KI-Entwicklung und die Notwendigkeit massiver Kapitalausgaben neu bewerteten. Das Ereignis führte zu einer breiten Branchendiskussion über die Effizienz des KI-Trainings und die Tragfähigkeit von Open-Source-Modellen.
DeepSeek ist eine Tochtergesellschaft von High-Flyer, einem chinesischen Hedgefonds, der von Liang Wenfeng mitbegründet wurde. Das Unternehmen konzentriert sich auf die Entwicklung von Open-Weight-Modellen, was bedeutet, dass die Modellparameter öffentlich geteilt werden, obwohl Trainingsdaten nicht offen lizenziert sind. Seit Januar 2025 hat DeepSeek seine Modelle unter freien und Open-Source-Softwarelizenzen veröffentlicht. Der Ansatz des Unternehmens betont Forschung gegenüber sofortiger Kommerzialisierung, wodurch es bestimmte regulatorische Bestimmungen umgehen kann.
Hintergrund
DeepSeek wurde im Juli 2023 gegründet, nachdem High-Flyer im April 2023 ein Forschungslabor für allgemeine künstliche Intelligenz (AGI) eingerichtet hatte. Das Labor wurde zwei Monate später in ein unabhängiges Unternehmen ausgegliedert, mit High-Flyer als Hauptinvestor. Liang Wenfeng, der seit der Finanzkrise 2008 handelte, gründete High-Flyer im Juni 2015 mit. Der Hedgefonds begann im Oktober 2016, GPU-abhängige Deep-Learning-Modelle für den Aktienhandel zu verwenden, und wechselte von CPU-basierten linearen Modellen.
Die Ursprünge von DeepSeek liegen in der Recheninfrastruktur von High-Flyer. Im Jahr 2019 baute das Unternehmen seinen ersten Rechencluster, Fire-Flyer, zu Kosten von 200 Millionen Yuan. Der Cluster enthielt 1.100 GPUs, die mit 200 Gbit/s verbunden waren, und wurde nach 1,5 Jahren stillgelegt. Bis 2021 hatte Liang begonnen, große Mengen an Nvidia-GPUs zu erwerben, wobei Berichten zufolge 10.000 Nvidia A100-GPUs beschafft wurden, bevor US-Beschränkungen für Chipverkäufe nach China in Kraft traten.
Fire-Flyer 2
Der Bau von Fire-Flyer 2 begann 2021 mit einem Budget von 1 Milliarde Yuan. Bis 2022 wurde seine Kapazität zu über 96 % genutzt, insgesamt 56,74 Millionen GPU-Stunden. Der Cluster verfügte über 5.000 PCIe-A100-GPUs in 625 Knoten, die jeweils 8 GPUs enthielten. Zunächst wurde PCIe anstelle der DGX-Version der A100 verwendet, da die trainierten Modelle in einen einzelnen 40-GB-GPU-VRAM passten und nur Datenparallelität erforderten. Später wurden NVLinks und die Nvidia Collective Communications Library (NCCL) integriert, um größere Modelle zu trainieren, die Modellparallelität erfordern.
Fire-Flyer 2 ist Stand 2025 weiterhin in Betrieb. Es verfügt über eine gemeinsam entwickelte Software- und Hardware-Architektur. Die Hardware verwendet Nvidia-GPUs mit 200-Gbit/s-Verbindungen, die in zwei Zonen mit zwei Fat Trees für hohe Bisektionsbandbreite unterteilt sind. Die Software umfasst 3FS (Fire-Flyer File System), ein verteiltes paralleles Dateisystem, das für asynchrone Zufallslesevorgänge entwickelt wurde und Direct I/O und RDMA Read verwendet. Sie umfasst auch hfreduce, eine Bibliothek für asynchrone Kommunikation.
DeepSeek-R1-Veröffentlichung
DeepSeek-R1 wurde im Januar 2025 zusammen mit einem gleichnamigen Chatbot eingeführt. Das Modell zeigte wettbewerbsfähige Leistungen bei Denkaufgaben und soll mit führenden Modellen von OpenAI und anderen westlichen KI-Unternehmen konkurrieren. Seine Open-Weight-Natur ermöglichte es Entwicklern und Forschern, das Modell zu inspizieren und zu modifizieren, was eine schnelle Übernahme und Experimentierung förderte.
Die Veröffentlichung hatte unmittelbare finanzielle Auswirkungen. Am Tag der Ankündigung erlebten große Technologieaktien starke Rückgänge. Nvidia, ein führender GPU-Hersteller, sah seinen Marktwert erheblich sinken, da Investoren in Frage stellten, ob die hohe Nachfrage nach KI-Chips anhalten würde, wenn Modelle effizienter trainiert werden könnten. Auch andere Unternehmen in der KI-Lieferkette, darunter AMD, TSMC und Broadcom, waren von Ausverkäufen betroffen. Der Marktschock wurde auf DeepSeeks Fähigkeit zurückgeführt, hohe Leistung mit relativ geringeren Rechenkosten zu erzielen, was die Annahme in Frage stellte, dass massive Recheninvestitionen für hochmoderne KI notwendig seien.
Marktauswirkungen und Branchenneubewertung
Die Veröffentlichung von DeepSeek-R1 führte zu einer breiten Neubewertung der KI-Strategien in der gesamten Branche. Analysten und Führungskräfte begannen, die Nachhaltigkeit der enormen Kapitalausgaben von Unternehmen wie OpenAI, Anthropic und Google DeepMind in Frage zu stellen. Das Ereignis hob das Potenzial von Open-Source-Modellen hervor, proprietäre Angebote zu stören, da DeepSeeks Modell frei verfügbar war und die Eintrittsbarrieren für kleinere Akteure senkte.
Als Reaktion darauf beschleunigten einige Unternehmen ihre eigenen Effizienzbemühungen und konzentrierten sich auf algorithmische Verbesserungen und Hardware-Optimierung. Der Vorfall intensivierte auch Diskussionen über US-Exportkontrollen für fortschrittliche Chips, da DeepSeeks Erfolg zeigte, dass chinesische Unternehmen trotz Beschränkungen wettbewerbsfähige Ergebnisse erzielen konnten. Der Marktschock wurde als Weckruf für Investoren angesehen, die zuvor angenommen hatten, dass KI-Führung mit Zugang zu der fortschrittlichsten Hardware verbunden sei.
Unternehmensbetrieb und Strategie
DeepSeek hat seinen Hauptsitz in Hangzhou, Zhejiang, und gehört High-Flyer, das es auch finanziert. Liang Wenfeng fungiert als CEO und hält Stand Mai 2024 einen Anteil von 84 % über zwei Briefkastenfirmen. Das Unternehmen konzentriert sich auf Forschung und hat erklärt, dass es keine unmittelbaren Pläne zur Kommerzialisierung hat. Diese Haltung ermöglicht es ihm, bestimmte Bestimmungen der chinesischen KI-Regulierung zu umgehen, die auf verbraucherorientierte Technologien abzielen.
DeepSeeks Einstellungsansatz betont Fähigkeiten gegenüber langjähriger Berufserfahrung, was dazu führt, dass viele Neueinstellungen direkt von der Universität kommen. Das Unternehmen rekrutiert auch Personen ohne Informatikhintergrund, um die Bandbreite des Fachwissens zu erweitern, das in die Modelle einfließt, wie Poesie oder fortgeschrittene Mathematik. Laut The New York Times haben Dutzende von DeepSeek-Forschern Verbindungen zu Laboren der Volksbefreiungsarmee und den Sieben Söhnen der Nationalen Verteidigung. Seit 2025 wird sein Chatbot von der Volksbefreiungsarmee in nicht-kampfbezogenen Rollen eingesetzt, darunter Krankenhäuser, die Volksbewaffnete Polizei und nationale Mobilisierungsorganisationen.
Aufgrund der US-Chipbeschränkungen hat DeepSeek seine Algorithmen verfeinert, um die Recheneffizienz zu maximieren, ältere Hardware zu nutzen und den Energieverbrauch zu senken. Das Unternehmen hat auch seine Präsenz in Afrika ausgebaut und bietet erschwinglichere und weniger energiehungrige KI-Lösungen an. DeepSeek hat afrikanische Sprachmodelle gestärkt und Startups hervorgebracht, beispielsweise in Nairobi. Zusammen mit Huaweis Speicher- und Cloud-Computing-Diensten ist die Auswirkung auf die Tech-Szene in Subsahara-Afrika erheblich und bietet lokale Datensouveränität und Flexibilität im Vergleich zu westlichen KI-Plattformen.
Cloud-Hosting und Übernahme
Aufgrund seines Open-Weight-Frameworks wurden DeepSeek-Modelle nativ von Cloud-Anbietern wie Microsoft Azure und Perplexity AI gehostet. Dies hat den breiten Zugang zu den Modellen erleichtert und es Entwicklern ermöglicht, sie in verschiedene Anwendungen zu integrieren. Der Open-Weight-Ansatz hat auch Drittanbieter-Feinabstimmung und -Anpassung ermöglicht, was zur schnellen Übernahme des Modells beigetragen hat.
Die Veröffentlichung von DeepSeek-R1 wurde mit historischen Momenten in der Technologie verglichen, in denen disruptive Innovationen Märkte neu formten. Sie unterstrich das Potenzial für nicht-amerikanische Unternehmen, in der KI-Entwicklung führend zu sein, und stellte die Dominanz amerikanischer Tech-Giganten in Frage. Das Ereignis warf auch Fragen zur langfristigen Tragfähigkeit von Closed-Source-KI-Modellen auf, da Open-Source-Alternativen sich weiter verbessern.
Zukunftsausblick
Nach dem Marktschock entwickelte und veröffentlichte DeepSeek weiterhin neue Modelle. Im Februar 2026 beschuldigte Anthropic DeepSeek, Tausende betrügerischer Konten verwendet zu haben, um Millionen von Konversationen mit Claude zu generieren, um eigene LLMs zu trainieren. Im April 2026 begannen Investoren Gespräche mit DeepSeek über eine Finanzierungsrunde von 300 Millionen US-Dollar, die das Unternehmen auf eine Gesamtbewertung von 10 Milliarden US-Dollar bringen würde. DeepSeek schloss im Mai 2026 eine Serie-A-Runde ab und erhielt 7 Milliarden US-Dollar, was zu einer Post-Money-Bewertung von 52 Milliarden US-Dollar führte. Im Juli 2026 berichteten Bloomberg und die Financial Times, dass das Unternehmen mit den Vorbereitungen für einen Börsengang begonnen habe, möglicherweise bereits 2027. Im selben Monat begann es Gespräche mit dem Ziel einer Pre-Money-Bewertung von 70 Milliarden US-Dollar.
Die Veröffentlichung von DeepSeek-R1 im Januar 2025 bleibt ein Meilenstein in der Geschichte der künstlichen Intelligenz und veranschaulicht das schnelle Tempo der Innovation und die Vernetzung von Technologie und Finanzmärkten. Das Ereignis löste eine globale Diskussion über KI-Effizienz, Open-Source-Entwicklung und die geopolitischen Dimensionen des KI-Fortschritts aus.