DeepSeek розкрила вражаючу рентабельність своїх ШІ-сервісів

Китайські розробники мовних моделей DeepSeek цього тижня опублікували цікаві дані про розрахункову рентабельність своїх мовних моделей V3 та R1 протягом умовного 24-годинного періоду. За даними авторів розрахунків, ці моделі дозволяють заробити у шість із половиною разів більше, ніж витрачають на оренду обчислювальних потужностей.

Що ще відомо

По суті, якщо спиратися на опубліковану представниками DeepSeek на сторінках GitHub інформацію за довільно обрану добу компанія витратила на оренду прискорювачів обчислень $87 072, тоді як потенційна монетизація її моделей V3 і R1 могла б принести їй $562 027 за той же період. Співвіднісши ці величини, автори розрахунків отримали умовну рентабельність у вигляді 545 %.

Втім, важливо розуміти, що розрахунки за цією методикою мають на увазі низку припущень. Насамперед потенційні доходи розраховувалися без урахування знижок, а за основу бралася цінова політика щодо більш дорогої моделі R1. По-друге, далеко не всі публічно доступні сервіси DeepSeek монетизовані та є платними для користувачів. Якби плата за доступ до них стягувалася за комерційною вартістю, кількість користувачів могли б скоротитися, а це зменшило б виручку, що отримується.

Зрештою, розрахунки в цьому прикладі ніяк не враховують витрати DeepSeek на електроенергію та оренду сховищ для даних, а також на дослідження та розробки як такі. У будь-якому випадку, ця спроба продемонструвати потенційним інвесторам свою перспективність та спроможність має надихнути представників інших стартапів на публікацію подібних розрахунків. Поки що сфера штучного інтелекту вимагає від інвесторів величезних витрат, а фінансова віддача дуже ефемерна і віддалена в часі.

DeepSeek пояснює, що високої ефективності своїх сервісів компанія досягла за рахунок низки оптимізацій. По-перше, трафік розподіляється між кількома центрами обробки даних максимально рівномірно. По-друге, гнучко регулюється час обробки запиту користувача. По-третє, оброблювані дані сортуються за партіями для оптимального навантаження на інфраструктуру.