ИИ за $294 тысячи: китайская компания обошла OpenAI без миллиарда в кармане

История китайской компании DeepSeek показывает, что на рынке искусственного интеллекта победа зависит не только от мощности чипов, но и от умения грамотно использовать ресурсы. Компания заявила, что обучение её модели R1 обошлось всего в $294 тыс., что в десятки и даже сотни раз меньше, чем суммы, которые называют американские конкуренты. Такой результат стал возможен благодаря эффективной организации вычислений и использованию доступных ускорителей Nvidia.

Сколько стоит обучение ИИ

Тренировка крупной языковой модели требует колоссальных мощностей: тысячи ускорителей работают неделями, обрабатывая терабайты текста и кода. Стоимость таких экспериментов обычно измеряется десятками миллионов долларов. В 2023 году, например, глава OpenAI Сэм Альтман называл цифру в $100 млн за обучение базовой модели, хотя точные детали так и не были раскрыты.

На этом фоне отчёт DeepSeek выглядит почти сенсационно. Компания задействовала 512 ускорителей Nvidia H800, разработанных специально для китайского рынка. Эти чипы слабее флагманских H100 и A100, поставки которых в КНР ограничены. Но, как показал опыт, даже H800 при правильной организации способны дать результат.

Политика и чипы

Вокруг DeepSeek развернулась и геополитическая история. Американские власти подозревали, что китайская компания имела доступ к запрещённым H100, несмотря на экспортный контроль. В июне официальные лица США заявили, что DeepSeek закупила значительные партии этих чипов ещё до введения ограничений. Nvidia же утверждает, что для обучения R1 применялись именно H800.

Кроме того, DeepSeek впервые признала владение A100, но пояснила, что они использовались лишь для подготовки к экспериментам с меньшими моделями. Основная часть обучения заняла 80 часов и прошла на H800.

Обвинения в копировании

После релиза R1 в январе 2025 года конкуренты обвинили DeepSeek в том, что её модель якобы создана с помощью дистилляции решений OpenAI. Такой метод предполагает, что крупная модель используется для обучения более компактной. Это снижает требования к ресурсам, но вызывает вопросы об оригинальности.

Компания ответила на эти обвинения в статье для журнала Nature. По мнению её специалистов, дистилляция — не копирование, а способ сделать ИИ более доступным. Компактные модели проще внедрять и дешевле поддерживать, а значит, больше компаний и университетов могут работать с ИИ без миллиардных бюджетов.

Сравнение затрат на обучение моделей

Советы шаг за шагом: как снизить стоимость ИИ-проектов

1. Используйте дистилляцию моделей: это позволяет обучать меньшие версии без потери ключевых возможностей.

2. Подбирайте оптимальные ускорители: не всегда нужны самые дорогие чипы, как показал пример с H800.

3. Разделяйте обучение на этапы: предварительная работа может проводиться на слабых ускорителях, а финальная — на более мощных.

4. Сокращайте время тренировки за счёт оптимизации кода и использования библиотек вроде DeepSpeed или Megatron-LM.

5. Рассматривайте аренду облачных ресурсов вместо покупки "железа", если проект не требует постоянной нагрузки.

Ошибка → Последствие → Альтернатива

• Ошибка: опора исключительно на самые дорогие ускорители.
  Последствие: рост бюджета до сотен миллионов долларов.
  Альтернатива: комбинировать более доступные чипы и алгоритмы оптимизации.

• Ошибка: игнорирование методов дистилляции.
  Последствие: чрезмерные вычислительные расходы.
  Альтернатива: обучать компактные модели на основе больших.

• Ошибка: отсутствие прозрачности в расходах.
  Последствие: потеря доверия инвесторов.
  Альтернатива: публиковать данные о конфигурациях и стоимости.

А что если…

Что будет, если подход DeepSeek станет массовым? Компании по всему миру смогут обучать свои модели за сотни тысяч долларов вместо десятков миллионов. Это приведёт к демократизации рынка: искусственный интеллект перестанет быть только инструментом крупных корпораций. Однако одновременно возрастёт конкуренция, и лидерам придётся искать новые способы удержать позиции.

Плюсы и минусы стратегии DeepSeek

FAQ

Как выбрать ускорители для обучения ИИ?
Если проект ограничен в бюджете, лучше начинать с H800 или A100. Для самых больших моделей необходимы H100 или TPU.

Сколько времени занимает обучение модели, подобной R1?
По словам DeepSeek, финальный этап занял 80 часов, что значительно меньше, чем месяцы у конкурентов.

Что лучше: дистилляция или обучение "с нуля"?
Для старта дистилляция дешевле и эффективнее, но для создания уникальной модели компании часто комбинируют оба подхода.

Мифы и правда

• Миф: без H100 невозможно обучить современную модель.
  Правда: DeepSeek показала, что H800 тоже справляются.

• Миф: дистилляция — это воровство.
  Правда: это признанная практика в ИИ, позволяющая удешевлять обучение.

• Миф: дешёвое обучение означает низкое качество.
  Правда: эффективность модели определяется не только затратами, но и архитектурой.

3 интересных факта

• После релиза R1 акции Nvidia и других компаний упали из-за страха инвесторов перед новым конкурентом.
• DeepSeek использовала A100 только на подготовительном этапе, а основное обучение прошло на H800.
• Компания впервые публично признала владение A100 именно в статье для Nature.

Исторический контекст

• 2023 год: Сэм Альтман сообщил, что обучение моделей OpenAI стоит ~$100 млн.

• Январь 2025 года: релиз DeepSeek-R1, вызвавший резонанс на мировом рынке.

• Июнь 2025 года: США заявили о подозрении в использовании H100 китайской компанией.

• Сентябрь 2025 года: DeepSeek раскрыла детали о стоимости обучения и применении H800.