تحلیل هزینههای واقعی دیپسیک ۱.۶ میلیارد دلار و ۵۰ هزار تراشه انویدیا در پشت پرده, شرکت چینی دیپسیک با ادعای آموزش مدل پیشرفته با هزینهای در حدود ۶ میلیون دلار و استفاده از ۲٬۰۴۸ پردازنده گرافیکی، توجه گستردهای را در صنعت هوش مصنوعی به خود جلب کرد.

این ادعا در تضاد آشکاری با سرمایهگذاریهای میلیاردی رقبای آمریکایی قرار داشت و سوالات زیادی را برانگیخت.\گزارش سیمیآنالیسیس واقعیت رقمهای کلانمؤسسه تحقیقاتی معتبر در گزارش جدیدی ابعاد واقعی سرمایهگذاریهای دیپسیک را فاش کرد.

بر اساس این تحلیل، شرکت برای گسترش زیرساختهای سختافزاری خود نزدیک به ۱.۶ میلیارد دلار هزینه کرده و از ۵۰ هزار تراشه گرافیکی هاپر انویدیا شامل ۱۰ هزار واحد و ۱۰ هزار واحد بهره میبرد.\تفاوت بین هزینه آموزش و سرمایهگذاری کلانآمارهای سیمیآنالیسیس با ادعاهای اولیه دیپسیک در تضاد ظاهری است، اما بررسی دقیقتر نشان میدهد که رقم ۶ میلیون دلار احتمالاً تنها مربوط به هزینه محاسبهای مرحله پیشآموزش مدل بوده و شامل هزینههای تحقیق و توسعه، پردازش دادهها، نیروی انسانی و زیرساختهای دیتاسنتر نمیشود.

رکت سرمایهگذاری چینی جدا شد. این شرکت مادر سالها پیش از راهاندازی دیپسیک، سرمایهگذاریهای گستردهای در حوزه GPU و زیرساختهای هوش مصنوعی انجام داده بود.

برخلاف بسیاری از استارتاپها که از خدمات ابری استفاده میکنند، دیپسیک دیتاسنترهای اختصاصی خود را مدیریت میکند که کنترل کامل بر فرآیند آزمایش، بهینهسازی و استقرار مدلها را فراهم میآورد.\جذب نخبگان با بستههای حقوقی شکناناستراتژی دیپسیک برای جذب استعداد از دانشگاههای برتر چین مانند دانشگاه پکن و دانشگاه ژجیانگ، بر پایه ارائه حقوق و مزایای رقابتی بسیار بالا استوار است.

گزارشها حاکی از آن است که برخی محققان ارشد در این شرکت حقوق سالانهای بیش از ۱.۳ میلیون دلار دریافت میکنند که حتی از پرداختیهای غولهای داخلی مانند هم بالاتر است.\نوآوری الگوریتمی به جای مقیاسسازی محض سختافزاریدیپسیک تمرکز اصلی خود را بر بهینهسازی الگوریتمی گذاشته است. توسعه الگوریتم (MLA) نمونه بارزی از این رویکرد است که ماهها تحقیق و قدرت محاسبهی گسترده GPU را طلب کرده است.

نوآوریهای فنی قابل توجه، کارشناسان سختافزار و هوش مصنوعی بر این باورند که ادعاهای اولیه دیپسیک درباره هزینههای بسیار پایین آموزش مدل، جنبه تبلیغاتی داشته و با واقعیت فاصله دارد.

در عمل، دیپسیک همانند دیگر بازیگران بزرگ حوزه هوش مصنوعی، برای حفظ رقابتپذیری نیازمند سرمایهگذاریهای کلان، زیرساختهای پیشرفته و تلاشهای پیوسته است.