Если вы не жили в подземном бункере без доступа в Интернет, вы, вероятно, слышали о DeepSeek в последние несколько недель. Как одно из этих редких технических разработок, которым удалось привлечь внимание мейнстрима, интерес к этой объективно сложной теме привел к различным историям. Для брендов и рекламодателей отделение сигнала от шума и понимания последствий может быть проблемой.
Давайте начнем с наиболее важной закуски: DeepSeek, вероятно, не очень (если вообще) прямое влияние на маркетинговую индустрию, поскольку они не разблокируют приложения, контролируемые ИИ, которые отменяются с помощью того, что уже возможно с существующими моделями ИИ. Тем не менее, более всестороннее влияние на ускорение развития и управления ИИ приведет к значимым преимуществам во всех областях, включая маркетинг.
Для целей настоящей статьи мы сосредоточимся на областях, которые затрагивают большинство маркетологов.
Что такое DeepSeek?
DeepSeek-китайская компания по искусственному искусству, которая слышна и финансируется в хедж-фонд под названием High-Flyer. Приблизительно с 150 сотрудниками и быстро не растет, как описано некоторые, а серьезную лабораторию AI, которая была на радаре аналитиков с момента публикации модели V2 в мае 2024 года с приложением Free Chat Bot в конце января , который управляется двумя большими моделями (LLMS): DeepSeek V3, ее общей базовой моделью и DeepSeek R1, ее специальная модель аргументации, созданная из V3.
DeepSeek имеет значение на техническом уровне, поскольку он достиг модели, которая была сопоставима с ведущими западными лабораториями ИИ (например, Openaai, Anpropic), хотя санкции от США ограничивают доступ к самым продвинутым чипам Nvidia. Два термина должны быть приняты во внимание при использовании ИИ, когда дело доходит до функций чипа:
- Рассчитать: Необработанная производительность обработки, необходимая для обучения моделей и для проведения процессов
- Память: Способность хранить и организовывать данные при работе над задачей
До настоящего времени модели в значительной степени улучшились за счет увеличения расчетов, хранения, данных и размера модели. Из -за санкций Deepseek пришлось работать с тиснеными химическими чипсами. Эта принудительная эффективность привела к разработке прорывов в оптимизации моделей ИИ, что представляет собой альтернативный выход из парадигмы «больше», чтобы просто бросить больше ресурсов на проблему.
Эти прорывы привели к определенной экономической эффективности. Хотя это имеет большое значение, заголовки, которые утверждают, что Deepseek «за 6 миллионов долларов США, которые нуждались в 1 миллиардах», вводят в заблуждение. Затраты LLM могут быть в значительной степени разделены на две категории:
- Обучение: Затраты, связанные с разработкой и обучением модели. Это включает в себя все, от инфраструктуры и расчетов/памяти (например, графических процессоров) до F &- и фактического обучения модели.
- заключение: Затраты на модель, которая выпускает вход (например, запрос ввода) и ответ. Это может включать потребителей/компаний, которые используют завершенную модель или лаборатории ИИ для вывода существующих моделей для вывода данных для обучения новых моделей.
6 миллионов долларов США сообщили (если быть точным) только связаны с окончательным обучением для модели V3 (что DeepSeek указывает в своей технической статье) и исключает все другие затраты, которые достигают этой точки. Нет, V3 или R1 не были разработаны с нуля за 6 миллионов долларов США.
С другой стороны, экономическая эффективность Deepseek для вывода (из -за вышеуказанных инноваций) должна привлечь гораздо больше внимания. Основываясь на дизайне цен на API, затраты на вывод для моделей DeepSeek имеют более дешевую порядок, чем сопоставимые западные конкуренты. Снижение затрат на вывод является гораздо более важной межрекцией искусственного интеллекта в отношении приложений и отраслей (включая маркетинг/рекламу).
Другая важная особенность различия — подход DeepSeek к открытым весам. Хотя R1 может быть не лучшей доступной моделью, она считается ведущей моделью «открытого веса». Технически говоря, его модели не являются открытым исходным кодом. Вместо этого DeepSeek делится «весами» моделей, но не все, что входит в этот вес (учебные данные, процесс и т. Д.). Компания сделала еще один шаг вперед и опубликовала свои модели с средним лицензированием и подробной технической документацией, которая облегчает экспериментирование и интеграцию компаний и разработчиков с их технологией.
Что это значит для брендов и рекламодателей?
Для брендов и рекламодателей наибольшее влияние на то, как DeepSeek ускоряет более широкую разработку и исполнение ИИ. Если вы вернетесь на шаг, «ki -stack» можно сделать видимым следующим образом:
Со временем дифференциация находится в прикладном уровне, поскольку слой моделей ИИ все чаще становится для коммодитации. Текущие и будущие маркетинговые и рекламные компании, основанные на ИИ, также будут сидеть здесь.
Поскольку пограничные затраты на вывод продолжают уменьшаться, экономическая жизнеспособность и масштабируемость этих компаний будут взлететь. Это, в свою очередь, значительно увеличит инновации, контролируемые ИИ и преимущества для маркетинговой индустрии. Если вы посмотрите на прошлое для контекста, это похоже на то, как снизить предельные затраты для процессоров, интернета и облачных вычислений современного цифрового маркетинга.
Подход открытых весов и допустимого лицензирования служит множителем мощности для прогресса ИИ, уменьшая входные барьеры и позволяет больше отдельных решений. Эта демократизация приносит пользу стартапам и KMBS и в то же время открывает возможности для специфических корректировок, включая маркетинговые приложения. Это также касается проблем с защитой данных, в частности, соответствующих Вы можете найти резюме в таблице)
Многим не неудобно с руководящими принципами DeepSeek по защите данных, в частности, идея отправки данных на серверы в Китае, где они подлежат местным законам. Хорошей новостью является то, что приложение Deepseek — самый прямой способ получить доступ к вашим моделям, это не единственный способ. Пользователи могут выполнять эти модели локально или получить доступ к ним с серверами за пределами Китая через приложения/платформы (путаница, гармония, Azure), чтобы предотвратить нежелательный обмен данными и цензура, связанный с КНР.
Происхождение Deepseek укрепило конкуренцию в ИИ, и Китай демонстрировал свою способность конкурировать с руководством США в этой области. Это уже вызвало ответы от Openaai и Meta, которые ускоряют разработку их следующих моделей. Еще более важно для компаний, которые производят экономическую эффективность со стороны DeepSeek, вызвали цены на западные лаборатории, что еще больше катализирует развитие на уровне приложения, в котором бренды и рекламодатели получают больше всего пользу.
В то время как ландшафт искусственного интеллекта развивается, косвенные преимущества инноваций DeepSeeks (более низкие затраты, повышение конкуренции и более широкий доступ к навыкам искусственного интеллекта), вероятно, будут иметь более постоянное влияние на маркетинг и рекламу, чем все прямые приложения в ваших конкретных моделях.
Винсент Ниу является основателем скелетного ключа агентства цифрового маркетинга.
