La prochaine phase de l’IA n’est pas de voir qui investit plus mais qui investit moins
Le trou que la profondeur a causé dans l’évaluation de Nvidia (un demi-milliard de dollars et de l’escalade) est un peu plus profond qu’un simple ajustement du marché: c’est la fin d’une époque de l’industrie de l’IA.
Le succès ne peut plus être mesuré en dollars investis.
Pourquoi est-ce important. Jusqu’à présent, le récit dominant de l’IA a été très simple: plus d’argent = meilleurs modèles. Cette équation a favorisé les évaluations stratosphériques et a justifié des investissements en masse tels que le projet Stargate et son demi-milliard.
Deepseek vient de démontrer que cette logique commence à devenir obsolète.
Le contraste. Openai investit des centaines de millions de dollars dans chaque itération de GPT. L’objectif a consacré des milliards à Flame, également open source (avec nuances), sans mener en performance.
Deepseek a obtenu des résultats équivalents ou plus élevés avec 5,6 millions de dollars. L’efficacité a triomphé des muscles financiers. Même si les 5,6 millions ont une petite impression importante et que le coût réel est plus élevé, cela n’annule pas son jalon d’efficacité.
Entre les lignes. La réaction du marché, avec des effondrements généralisés de la technologie au-delà de Nvidia, renforce le changement de paradigme. Non seulement DePseek est construit un bon modèle, mais il a montré que l’empereur est nu.
D’énormes investissements dans l’infrastructure d’IA, après tout, pourraient être basés sur des hypothèses erronées sur la relation entre les dépenses et les performances.
La piste monétaire. L’innovation technique de Deepseek – son architecture des «experts mixtes» ou de son système de précision réduit – est un signal: l’avenir de l’IA ne va pas pour construire des centres de données plus grands, mais les rendre plus intelligents et efficaces.
Et laissez la grande position technologique de l’autre côté du Pacifique:
- Comment justifier des investissements de plusieurs millions de personnes lorsqu’un rival obtient des résultats similaires avec une fraction de coût?
- Qu’arrive-t-il aux évaluations en fonction de l’hypothèse que l’IA nécessite des investissements en masse continus?
- Les marges NVIDIA sont-elles durables dans les puces AI si la tendance est à l’efficacité?
Oui, mais. Tout n’est pas de l’efficacité. Le Grand soutiendra que leurs investissements massifs sont justifiés par le besoin d’échelle et de fiabilité.
Même ici, Deepseek soulève des questions plus inconfortables: 100 000 GPU sont-ils nécessaires pour former un bon modèle … ou avons-nous été des ressources de déchets en raison du manque d’innovation?
Le suivant. Le marché va réévaluer toute la chaîne de valeur de l’IA. Si les modèles peuvent s’entraîner avec une fraction du coût attendu, qu’est-ce que cela signifie pour …?
- Les fabricants de puces tels que Nvidia et AMD.
- Fournisseurs d’infrastructures.
- Les startups qui ont levé des milliards en fonction des projections d’investissement de masse.
Même pour les projections de consommation d’énergie par formation d’IA.
La phase suivante de la race d’IA peut ne pas être mesurée dans les téraflops ou dans la taille des modèles, mais dans les innovations qui améliorent l’efficacité. La course n’est plus pour voir qui peut dépenser plus, mais pour voir qui peut dépenser moins tout en obtenant plus.
L’arrivée de Deepseek marque une étape importante et le début d’une époque: celle dans laquelle l’avantage concurrentiel ne viendra pas pour avoir la poche la plus profonde, mais l’idée la plus intelligente.
Cette goutte de cheval est déjà un demi-milliard de dollars pour Wall Street. Pour l’instant.
Image exceptionnelle | Simseo avec studio mockuuuups
Dans Simseo | Deepseek est le mannequin. Le problème est que personne ne sait très bien ce que vous faites avec nos données
