EUA vs China: DeepSeek tem plano para acelerar na corrida tech

A chinesa DeepSeek está no meio da disputa entre China e Estados Unidos pela hegemonia tecnológica global, especialmente no que diz respeito à inteligência artificial. A prova disso é o lançamento, nesta quinta-feira (21), de uma atualização do seu modelo V3.

De acordo com a empresa, a ferramenta V3.1 é compatível com chips de IA fabricados em território chinês. Essa é uma forma do país continuar avançando tecnologicamente mesmo com as restrições impostas pelos EUA.

Velocidades de processamento mais rápidas

Segundo reportagem da Reuters, esta compatibilidade com chips domésticos pode sinalizar que os modelos de IA da DeepSeek estão sendo trabalhados para impulsionar a indústria chinesa. Essa seria uma grande conquista para Pequim, que busca eliminar a dependência de produtos ocidentais, especialmente norte-americanos.

A empresa chinesa destacou que a versão V3.1 é otimizada para “chips domésticos de próxima geração a serem lançados em breve”. No entanto, ela não identificou quais modelos ou fabricantes seriam suportados no futuro.

Uma das principais novidades é o uso do formato de processamento de dados UE8M0 FP8. Este recurso possibilita que a IA opere com mais eficiência, usando menos memória e permitindo velocidades de processamento mais rápidas.

Leia mais

• Vai sacudir o mercado de novo? DeepSeek lança IA ‘turbinada’
• DeepSeek usa chips chineses e lançamento de nova IA atrasa
• DeepSeek: IA é expulsa de lojas de aplicativos na Alemanha

Lançamento do DeepSeek foi um marco

• A IA do DeepSeek foi projetada para lidar com tarefas complexas de raciocínio e tem apresentado resultados surpreendentes.
• O grande diferencial é o baixo custo da tecnologia, o que pode ameaçar a posição dominante dos principais players.
• Para se ter uma ideia, o modelo chinês foi treinado ao custo de aproximadamente US$ 6 milhões, enquanto ferramentas como o Llama 3.1, da Meta, custaram mais de US$ 60 milhões para serem desenvolvidos.
• A empresa chinesa adota estratégias como o chamado aprendizado por reforço, que permite que os modelos aprendam por tentativa e erro.
• Além disso, ativa apenas uma fração dos parâmetros do modelo para tarefas específicas, economizando recursos computacionais.
• E melhora a capacidade dos modelos de processar dados e identificar padrões complexos.
• A startup ainda adota um modelo parcialmente aberto, permitindo que pesquisadores acessem seus algoritmos.
• Isso democratiza o acesso à IA avançada e promove maior colaboração na comunidade global de pesquisa.