डीपसीक बाजार झटका उस तीव्र बिकवाली को संदर्भित करता है जो एआई-संबंधित शेयरों में हुई, सबसे गंभीर रूप से Nvidia में, जो जनवरी 2025 के अंत में DeepSeek-R1 की रिलीज़ के बाद आई। यह चीनी प्रयोगशाला DeepSeek का एक तर्क मॉडल था जो कई बेंचमार्क पर प्रमुख पश्चिमी मॉडलों से मेल खाता प्रतीत हुआ, बावजूद इसके कि इसका प्रशिक्षण बजट कहीं छोटा होने का दावा किया गया। 27 जनवरी 2025 को, Nvidia का बाजार पूंजीकरण एक ही कारोबारी दिन में लगभग 600 अरब डॉलर गिर गया, जो उस समय रिपोर्ट के अनुसार किसी भी कंपनी के लिए इतिहास में एक दिन का सबसे बड़ा बाजार मूल्य नुकसान था, क्योंकि निवेशकों ने एआई बुनियादी ढांचे के विस्तार को रेखांकित करने वाली धारणाओं का पुनर्मूल्यांकन किया।
पृष्ठभूमि
DeepSeek, जिसकी स्थापना लियांग वेनफेंग ने की थी और मूल रूप से एक चीनी मात्रात्मक हेज फंड से निकली थी, ने 2024 के दौरान पहले के मॉडल जारी किए थे लेकिन विशेषज्ञ हलकों के बाहर बहुत कम ध्यान आकर्षित किया। DeepSeek-R1, जनवरी 2025 में एक खुले-वजन मॉडल के रूप में जारी किया गया, कई गणित और कोडिंग बेंचमार्क पर OpenAI के o1 के प्रदर्शन से मेल खाता या उसके करीब पहुंच गया, जबकि इसके साथ जारी तकनीकी रिपोर्ट में दक्षता पर जोर देने वाली प्रशिक्षण तकनीकों का वर्णन किया गया, जिसमें एक मिश्रण-विशेषज्ञ वास्तुकला और सत्यापन योग्य कार्यों पर बड़े पैमाने पर सुदृढीकरण सीखना शामिल था, और प्रशिक्षण लागत को तुलनीय पश्चिमी फ्रंटियर मॉडलों से जुड़े सामान्य आंकड़ों की तुलना में नाटकीय रूप से कम बताया गया।
बाजार प्रतिक्रिया
DeepSeek-R1 के प्रशिक्षण की स्केल और कम बताई गई लागत ने एआई बुनियादी ढांचे पर वर्षों से बढ़ते पूंजीगत व्यय के पीछे एक मुख्य धारणा को चुनौती दी, कि फ्रंटियर-स्तरीय प्रदर्शन के लिए विशाल GPU क्लस्टर और तदनुसार भारी खर्च की आवश्यकता होती है, एक धारणा जिसने Nvidia के मूल्यांकन को दुनिया में सबसे ऊंचे स्तर पर पहुंचा दिया था। घबराहट इस तथ्य से और बढ़ी कि DeepSeek का ऐप संक्षेप में Apple के अमेरिकी ऐप स्टोर पर डाउनलोड चार्ट में शीर्ष पर पहुंच गया, जो कम लागत वाले विकल्प के तेजी से मुख्यधारा में अपनाए जाने का संकेत देता है। Nvidia, साथ ही एआई बुनियादी ढांचे के खर्च से जुड़ी अन्य कंपनियां जैसे बिजली और डेटा सेंटर फर्म, में तीव्र गिरावट देखी गई, इससे पहले कि बाजार आने वाले हफ्तों में आंशिक रूप से उबर पाता, क्योंकि कुछ विश्लेषकों ने सवाल उठाया कि क्या DeepSeek की बताई गई प्रशिक्षण लागत पूरी कहानी बताती है, जिसमें पिछले शोध व्यय और अंतर्निहित हार्डवेयर लागत शामिल नहीं थी।
परिणाम और बहस
इस प्रकरण ने फ्रंटियर मॉडलों के प्रशिक्षण की वास्तविक लागत और इस पर बहस को तेज कर दिया कि क्या निरंतर स्केलिंग के लिए और भी बड़े पूंजी निवेश की आवश्यकता है या इसे एल्गोरिथमिक दक्षता लाभों द्वारा काफी हद तक ऑफसेट किया जा सकता है, जो स्केलिंग-नियमों की चल रही चर्चा में योगदान देता है। इसने एआई में अमेरिका-चीन प्रतिस्पर्धा पर भी ध्यान तेज किया, यह देखते हुए कि DeepSeek ने कथित तौर पर अमेरिकी निर्यात नियंत्रणों के कारण प्रतिबंधित या कम क्षमता वाले Nvidia चिप्स का उपयोग करके अपने परिणाम प्राप्त किए थे, जिससे उन नियंत्रणों की प्रभावशीलता पर सवाल उठे। झटके के बाद, DeepSeek-R1 के खुले वजनों ने अन्य डेवलपर्स द्वारा निर्मित व्युत्पन्न और आसवित मॉडलों की एक लहर को जन्म दिया, और यह घटना OpenAI और Anthropic जैसी बंद फ्रंटियर प्रयोगशालाओं के खिलाफ खुले-वजन प्रतिस्पर्धात्मकता की चर्चाओं में व्यापक रूप से उद्धृत संदर्भ बिंदु बन गई।