PEKING / MÜNCHEN (IT BOLTWISE) – Inmitten der Herausforderungen durch US-Sanktionen zeigt das chinesische KI-Startup DeepSeek, dass Innovation auch mit begrenzten Ressourcen möglich ist.
- Die besten Bücher rund um KI & Robotik
präsentiert von Amazon! - Unsere täglichen KI-News von IT Boltwise® bei LinkedIn abonnieren!
- KI-Meldungen bequem via Telegram oder per Newsletter erhalten!
- IT Boltwise® bei Facy oder Insta als Fan markieren und abonnieren!
- AI Morning Podcast bei Spotify / Amazon / Apple verfolgen!
- RSS-Feed 2.0 von IT Boltwise® für KI-News speichern!
Das chinesische KI-Startup DeepSeek hat kürzlich bekannt gegeben, dass es gelungen ist, ein KI-Modell zu entwickeln, das mit den führenden Modellen von Unternehmen wie OpenAI und Meta vergleichbar ist, jedoch mit einer um das 11-fache reduzierten Rechenleistung. Diese Ankündigung wirft ein neues Licht auf die Auswirkungen der US-Sanktionen, die die Verfügbarkeit von KI-Hardware in China einschränken. Doch DeepSeek zeigt, dass durch clevere Optimierungen und innovative Ansätze die Leistung aus begrenzter Hardware maximiert werden kann.
DeepSeek hat sein DeepSeek-V3 Mixture-of-Experts (MoE) Sprachmodell mit 671 Milliarden Parametern unter Einsatz von 2.048 NVIDIA H800 GPUs in nur zwei Monaten trainiert. Dies entspricht 2,8 Millionen GPU-Stunden. Zum Vergleich: Meta benötigte 30,8 Millionen GPU-Stunden, um sein Llama 3 Modell mit 405 Milliarden Parametern zu trainieren. Diese Zahlen verdeutlichen die Effizienz der von DeepSeek entwickelten Optimierungen.
Ein zentraler Aspekt der Effizienzsteigerung ist die Verwendung des DualPipe-Algorithmus, der die Phasen der Berechnung und Kommunikation innerhalb und zwischen den Mikro-Batches überlappt. Dies reduziert die Pipeline-Ineffizienzen erheblich. Besonders die Operationen Dispatch und Combine werden parallel zur Berechnung durchgeführt, was die Trainingsengpässe minimiert und eine nahezu kommunikationsfreie Verarbeitung von 14,8 Billionen Tokens während des Pre-Trainings ermöglicht.
Ein weiterer Schlüssel zur Reduzierung der Rechen- und Kommunikationsanforderungen war der Einsatz von Niedrigpräzisionstechniken. DeepSeek nutzte ein FP8-Mixed-Precision-Framework, das schnellere Berechnungen und einen geringeren Speicherverbrauch ermöglicht, ohne die numerische Stabilität zu beeinträchtigen. Diese Methode reduziert den Speicherbedarf, während die Genauigkeit erhalten bleibt.
Obwohl das DeepSeek-V3 Modell möglicherweise hinter den Spitzenmodellen wie GPT-4o oder o3 in Bezug auf Parameteranzahl oder Argumentationsfähigkeiten zurückbleibt, zeigt es, dass es möglich ist, ein fortschrittliches MoE-Sprachmodell mit relativ begrenzten Ressourcen zu trainieren. Dies erfordert jedoch umfangreiche Optimierungen und Programmierungen auf niedriger Ebene.
Die Bereitstellung des DeepSeek-V3 Modells erfordert fortschrittliche Hardware sowie eine Bereitstellungsstrategie, die die Vorfüll- und Dekodierungsphasen trennt. Dies könnte für kleinere Unternehmen aufgrund fehlender Ressourcen eine Herausforderung darstellen. Dennoch sind die erzielten Ergebnisse ein beeindruckender Beweis für die Innovationskraft des Unternehmens.
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- Die Zukunft von Mensch und MaschineIm neuen Buch des renommierten Zukunftsforschers und Technologie-Visionärs Ray Kurzweil wird eine faszinierende Vision der kommenden Jahre und Jahrzehnte entworfen – eine Welt, die von KI durchdrungen sein wird
- Künstliche Intelligenz: Expertenwissen gegen Hysterie Der renommierte Gehirnforscher, Psychiater und Bestseller-Autor Manfred Spitzer ist ein ausgewiesener Experte für neuronale Netze, auf denen KI aufbaut
- Obwohl Künstliche Intelligenz (KI) derzeit in aller Munde ist, setzen bislang nur wenige Unternehmen die Technologie wirklich erfolgreich ein
- Wie funktioniert Künstliche Intelligenz (KI) und gibt es Parallelen zum menschlichen Gehirn? Was sind die Gemeinsamkeiten von natürlicher und künstlicher Intelligenz, und was die Unterschiede? Ist das Gehirn nichts anderes als ein biologischer Computer? Was sind Neuronale Netze und wie kann der Begriff Deep Learning einfach erklärt werden?Seit der kognitiven Revolution Mitte des letzten Jahrhunderts sind KI und Hirnforschung eng miteinander verflochten
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Chinesisches KI-Startup DeepSeek erreicht bedeutende Fortschritte mit weniger Rechenleistung" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die deutsche Google-Suchmaschine für eine weitere Themenrecherche: »Chinesisches KI-Startup DeepSeek erreicht bedeutende Fortschritte mit weniger Rechenleistung« bei Google Deutschland suchen und bei Google News entdecken!