DeepSeek lidera um novo paradigma de IA: da competição de poder de computação à inovação de algoritmo

Recentemente, a DeepSeek lançou a atualização da versão mais recente V3 - DeepSeek-V3-0324 na plataforma Hugging Face. Este modelo com 685 bilhões de parâmetros apresenta melhorias significativas nas capacidades de codificação, design de UI e capacidade de raciocínio.

Na recente conferência GTC 2025, o CEO da Nvidia, Jensen Huang, elogiou altamente o DeepSeek. Ele enfatizou que a visão anterior do mercado de que o modelo eficiente do DeepSeek reduziria a demanda por chips estava errada, e que a demanda computacional no futuro será ainda maior, e não menor.

DeepSeek, como um produto representativo de quebra de algoritmos, levantou reflexões sobre a relação entre o fornecimento de chips, o poder de computação e o papel dos algoritmos no desenvolvimento da indústria.

Poder de computação e evolução simbiótica do algoritmo

No campo da IA, o aumento do poder de computação fornece a base para a execução de algoritmos mais complexos, permitindo que os modelos processem uma maior quantidade de dados e aprendam padrões mais complexos; enquanto a otimização dos algoritmos pode utilizar o poder de computação de forma mais eficiente, melhorando a eficiência do uso dos recursos computacionais.

O relacionamento simbiótico entre o Poder de computação e o Algoritmo está a remodelar o panorama da indústria de IA:

• Divergência nas rotas tecnológicas: algumas empresas buscam construir clusters de poder de computação de grande escala, enquanto outras se concentram na otimização da eficiência do algoritmo, formando diferentes escolas tecnológicas.
• Reconstrução da cadeia industrial: os fabricantes de chips tornam-se líderes em poder de computação de IA através do ecossistema, enquanto os prestadores de serviços em nuvem reduzem a barreira de implementação através de serviços de poder de computação elástico.
• Ajuste na alocação de recursos: As empresas buscam um equilíbrio entre o investimento em infraestrutura de hardware e o desenvolvimento de algoritmos eficientes.
• Surgimento da comunidade de código aberto: modelos de código aberto permitem que inovações em algoritmos e resultados de otimização de poder de computação sejam compartilhados, acelerando a iteração e a difusão da tecnologia.

Inovação técnica da DeepSeek

O sucesso da DeepSeek está intimamente ligado à sua inovação tecnológica. Abaixo está uma explicação simples dos seus principais pontos de inovação:

Otimização da arquitetura do modelo

O DeepSeek adotou uma arquitetura combinada de Transformer+MOE (Mistura de Especialistas) e introduziu um mecanismo de atenção latente de múltiplas cabeças (Multi-Head Latent Attention, MLA). Esta arquitetura funciona como uma super equipe, onde o Transformer é responsável por tarefas comuns, enquanto o MOE atua como um grupo de especialistas na equipe, com cada especialista possuindo sua própria área de especialização. Quando um problema específico surge, o especialista mais competente é acionado para lidar com isso, o que pode aumentar significativamente a eficiência e a precisão do modelo. O mecanismo MLA permite que o modelo preste atenção de forma mais flexível aos diferentes detalhes importantes ao processar informações, melhorando ainda mais o desempenho do modelo.

Inovação nos métodos de treino

A DeepSeek apresentou um framework de treinamento de precisão mista FP8. Este framework funciona como um distribuidor de recursos inteligente, capaz de escolher dinamicamente a precisão de computação adequada com base nas necessidades em diferentes fases do processo de treinamento. Quando é necessária uma computação de alta precisão, ele utiliza uma precisão mais alta para garantir a precisão do modelo; enquanto quando uma precisão mais baixa é aceitável, ele reduz a precisão, economizando recursos de computação, aumentando a velocidade de treinamento e diminuindo o uso de memória.

Aumento da eficiência de raciocínio

Na fase de inferência, o DeepSeek introduziu a tecnologia de Previsão Multi-Token (Multi-token Prediction, MTP). Os métodos tradicionais de inferência são feitos passo a passo, prevendo apenas um Token de cada vez. A tecnologia MTP permite prever vários Tokens de uma só vez, acelerando significativamente a velocidade da inferência e reduzindo os custos de inferência.

Avanço do algoritmo de aprendizagem reforçada

O novo algoritmo de aprendizado por reforço da DeepSeek, GRPO (Otimização Generalizada Penalizada por Recompensa), otimiza o processo de treinamento do modelo. O aprendizado por reforço é como dar ao modelo um treinador, que guia o modelo a aprender melhores comportamentos através de recompensas e punições. Os algoritmos tradicionais de aprendizado por reforço podem consumir grandes recursos de computação durante esse processo, enquanto o novo algoritmo da DeepSeek é mais eficiente, conseguindo reduzir cálculos desnecessários ao mesmo tempo em que garante a melhoria do desempenho do modelo, alcançando assim um equilíbrio entre desempenho e custo.

Essas inovações não são pontos tecnológicos isolados, mas formam um sistema técnico completo, reduzindo a necessidade de poder de computação em toda a cadeia, desde o treinamento até a inferência. Placas gráficas de consumo comuns agora podem executar poderosos modelos de IA, reduzindo significativamente a barreira de entrada para aplicações de IA, permitindo que mais desenvolvedores e empresas participem da inovação em IA.

Impacto sobre os fabricantes de chips

Muitas pessoas acreditam que o DeepSeek contornou a camada de software dos fabricantes de GPU, libertando-se assim da sua dependência. Na realidade, o DeepSeek otimiza algoritmos diretamente através da camada PTX (Parallel Thread Execution) dos fabricantes de GPU. PTX é uma linguagem de representação intermediária que está entre o código GPU de alto nível e as instruções reais da GPU, permitindo que o DeepSeek consiga um ajuste de desempenho mais refinado.

O impacto disso para os fabricantes de chips é duplo: por um lado, a DeepSeek está na verdade mais ligada ao hardware e ao ecossistema, e a redução da barreira de entrada para aplicações de IA pode expandir o tamanho total do mercado; por outro lado, a otimização do algoritmo da DeepSeek pode alterar a estrutura de demanda do mercado por chips de alta gama, pois alguns modelos de IA que antes precisavam de GPUs de alta gama agora podem ser executados de forma eficiente em placas gráficas de gama média ou até mesmo de consumo.

Significado para a indústria de IA na China

A otimização do algoritmo da DeepSeek oferece um caminho de ruptura técnica para a indústria de IA na China. Em um contexto de limitações em chips de alta gama, a abordagem de "software para complementar hardware" alivia a dependência de chips importados de topo.

No upstream, algoritmos eficientes reduziram a pressão sobre a demanda de poder de computação, permitindo que os provedores de serviços de poder de computação prolonguem o ciclo de uso do hardware e aumentem o retorno sobre o investimento através da otimização de software. No downstream, os modelos de código aberto otimizados diminuíram a barreira de entrada para o desenvolvimento de aplicações de IA. Muitas pequenas e médias empresas, sem a necessidade de grandes recursos de poder de computação, também podem desenvolver aplicações competitivas com base no modelo DeepSeek, o que levará ao surgimento de mais soluções de IA em setores verticais.

O impacto profundo do Web3+AI

Infraestrutura de IA descentralizada

A otimização do algoritmo da DeepSeek proporciona um novo impulso à infraestrutura de IA Web3, com uma arquitetura inovadora, algoritmos eficientes e uma menor necessidade de poder de computação, tornando possível a inferência de IA descentralizada. A arquitetura MoE é naturalmente adequada para implantação distribuída, permitindo que diferentes nós mantenham diferentes redes de especialistas, sem a necessidade de um único nó armazenar o modelo completo, o que reduz significativamente as exigências de armazenamento e computação de um único nó, aumentando assim a flexibilidade e a eficiência do modelo.

A estrutura de treinamento FP8 reduz ainda mais a necessidade de recursos de computação de alta gama, permitindo que mais recursos de computação sejam adicionados à rede de nós. Isso não apenas reduz a barreira de entrada para participar da computação AI descentralizada, mas também aumenta a capacidade e a eficiência de computação de toda a rede.

Sistema Multi-Agente

• Otimização de estratégias de negociação inteligentes: Através da análise de dados de mercado em tempo real agent, previsão de flutuações de preços de curto prazo agent, execução de negociações em cadeia agent, supervisão de resultados de negociação agent e outros, ajudando os usuários a obter maiores retornos.

• Execução automatizada de contratos inteligentes: agentes de monitoramento de contratos inteligentes, agentes de execução de contratos inteligentes, agentes de supervisão de resultados de execução, entre outros, operam em conjunto para realizar a automação de lógicas de negócios mais complexas.

• Gestão personalizada de portfólios de investimento: a IA ajuda os utilizadores a encontrar oportunidades ideais de staking ou fornecimento de liquidez em tempo real, com base nas preferências de risco, objetivos de investimento e situação financeira dos utilizadores.

DeepSeek é, de fato, uma inovação que busca突破 através da inovação no algoritmo sob restrições de poder de computação, abrindo um caminho de desenvolvimento diferenciado para a indústria de IA da China. Reduzir as barreiras de aplicação, promover a fusão entre Web3 e IA, diminuir a dependência de chips de alto desempenho e capacitar inovações financeiras, esses impactos estão remodelando o cenário da economia digital. O desenvolvimento futuro da IA não será mais uma competição de poder de computação, mas sim uma competição de otimização colaborativa entre poder de computação e algoritmo. Neste novo percurso, inovadores como a DeepSeek estão redefinindo as regras do jogo com a sabedoria chinesa.