BMS, BUS, ਉਦਯੋਗਿਕ, ਇੰਸਟਰੂਮੈਂਟੇਸ਼ਨ ਕੇਬਲ ਲਈ।
ਜਿਵੇਂ-ਜਿਵੇਂ ਬਸੰਤ ਤਿਉਹਾਰ ਨੇੜੇ ਆ ਰਿਹਾ ਹੈ, ਡੀਪਸੀਕ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਦਾ ਉਤਸ਼ਾਹ ਮਜ਼ਬੂਤ ਬਣਿਆ ਹੋਇਆ ਹੈ। ਹਾਲੀਆ ਛੁੱਟੀ ਨੇ ਤਕਨੀਕੀ ਉਦਯੋਗ ਦੇ ਅੰਦਰ ਮੁਕਾਬਲੇ ਦੀ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਭਾਵਨਾ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ, ਜਿਸ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਇਸ "ਕੈਟਫਿਸ਼" ਬਾਰੇ ਚਰਚਾ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਰਹੇ ਹਨ। ਸਿਲੀਕਾਨ ਵੈਲੀ ਸੰਕਟ ਦੀ ਇੱਕ ਬੇਮਿਸਾਲ ਭਾਵਨਾ ਦਾ ਅਨੁਭਵ ਕਰ ਰਹੀ ਹੈ: ਓਪਨ-ਸੋਰਸ ਦੇ ਸਮਰਥਕ ਦੁਬਾਰਾ ਆਪਣੇ ਵਿਚਾਰ ਪ੍ਰਗਟ ਕਰ ਰਹੇ ਹਨ, ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਓਪਨਏਆਈ ਵੀ ਇਸ ਗੱਲ ਦਾ ਮੁੜ ਮੁਲਾਂਕਣ ਕਰ ਰਿਹਾ ਹੈ ਕਿ ਕੀ ਇਸਦੀ ਬੰਦ-ਸੋਰਸ ਰਣਨੀਤੀ ਸਭ ਤੋਂ ਵਧੀਆ ਵਿਕਲਪ ਸੀ। ਘੱਟ ਕੰਪਿਊਟੇਸ਼ਨਲ ਲਾਗਤਾਂ ਦੇ ਨਵੇਂ ਪੈਰਾਡਾਈਮ ਨੇ ਐਨਵੀਡੀਆ ਵਰਗੇ ਚਿੱਪ ਦਿੱਗਜਾਂ ਵਿੱਚ ਇੱਕ ਚੇਨ ਪ੍ਰਤੀਕ੍ਰਿਆ ਸ਼ੁਰੂ ਕੀਤੀ ਹੈ, ਜਿਸ ਨਾਲ ਅਮਰੀਕੀ ਸਟਾਕ ਮਾਰਕੀਟ ਇਤਿਹਾਸ ਵਿੱਚ ਇੱਕ ਦਿਨ ਦੇ ਬਾਜ਼ਾਰ ਮੁੱਲ ਵਿੱਚ ਨੁਕਸਾਨ ਹੋਇਆ ਹੈ, ਜਦੋਂ ਕਿ ਸਰਕਾਰੀ ਏਜੰਸੀਆਂ ਡੀਪਸੀਕ ਦੁਆਰਾ ਵਰਤੇ ਗਏ ਚਿੱਪਾਂ ਦੀ ਪਾਲਣਾ ਦੀ ਜਾਂਚ ਕਰ ਰਹੀਆਂ ਹਨ। ਵਿਦੇਸ਼ਾਂ ਵਿੱਚ ਡੀਪਸੀਕ ਦੀਆਂ ਮਿਸ਼ਰਤ ਸਮੀਖਿਆਵਾਂ ਦੇ ਵਿਚਕਾਰ, ਘਰੇਲੂ ਤੌਰ 'ਤੇ, ਇਹ ਅਸਾਧਾਰਨ ਵਿਕਾਸ ਦਾ ਅਨੁਭਵ ਕਰ ਰਿਹਾ ਹੈ। R1 ਮਾਡਲ ਦੇ ਲਾਂਚ ਤੋਂ ਬਾਅਦ, ਸੰਬੰਧਿਤ ਐਪ ਨੇ ਟ੍ਰੈਫਿਕ ਵਿੱਚ ਵਾਧਾ ਦੇਖਿਆ ਹੈ, ਜੋ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਐਪਲੀਕੇਸ਼ਨ ਸੈਕਟਰਾਂ ਵਿੱਚ ਵਾਧਾ ਸਮੁੱਚੇ ਏਆਈ ਈਕੋਸਿਸਟਮ ਨੂੰ ਅੱਗੇ ਵਧਾਏਗਾ। ਸਕਾਰਾਤਮਕ ਪਹਿਲੂ ਇਹ ਹੈ ਕਿ ਡੀਪਸੀਕ ਐਪਲੀਕੇਸ਼ਨ ਸੰਭਾਵਨਾਵਾਂ ਨੂੰ ਵਿਸ਼ਾਲ ਕਰੇਗਾ, ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਚੈਟਜੀਪੀਟੀ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ ਭਵਿੱਖ ਵਿੱਚ ਮਹਿੰਗਾ ਨਹੀਂ ਹੋਵੇਗਾ। ਇਹ ਤਬਦੀਲੀ OpenAI ਦੀਆਂ ਹਾਲੀਆ ਗਤੀਵਿਧੀਆਂ ਵਿੱਚ ਪ੍ਰਤੀਬਿੰਬਤ ਹੋਈ ਹੈ, ਜਿਸ ਵਿੱਚ DeepSeek R1 ਦੇ ਜਵਾਬ ਵਿੱਚ ਮੁਫਤ ਉਪਭੋਗਤਾਵਾਂ ਲਈ o3-mini ਨਾਮਕ ਇੱਕ ਤਰਕ ਮਾਡਲ ਦੀ ਵਿਵਸਥਾ ਸ਼ਾਮਲ ਹੈ, ਅਤੇ ਨਾਲ ਹੀ ਬਾਅਦ ਵਿੱਚ ਕੀਤੇ ਗਏ ਅੱਪਗ੍ਰੇਡ ਜਿਨ੍ਹਾਂ ਨੇ o3-mini ਦੀ ਵਿਚਾਰ ਲੜੀ ਨੂੰ ਜਨਤਕ ਕੀਤਾ। ਬਹੁਤ ਸਾਰੇ ਵਿਦੇਸ਼ੀ ਉਪਭੋਗਤਾਵਾਂ ਨੇ ਇਹਨਾਂ ਵਿਕਾਸਾਂ ਲਈ DeepSeek ਦਾ ਧੰਨਵਾਦ ਕੀਤਾ, ਹਾਲਾਂਕਿ ਇਹ ਵਿਚਾਰ ਲੜੀ ਇੱਕ ਸੰਖੇਪ ਵਜੋਂ ਕੰਮ ਕਰਦੀ ਹੈ।
ਆਸ਼ਾਵਾਦੀ ਤੌਰ 'ਤੇ, ਇਹ ਸਪੱਸ਼ਟ ਹੈ ਕਿ ਡੀਪਸੀਕ ਘਰੇਲੂ ਖਿਡਾਰੀਆਂ ਨੂੰ ਇਕਜੁੱਟ ਕਰ ਰਿਹਾ ਹੈ। ਸਿਖਲਾਈ ਦੀਆਂ ਲਾਗਤਾਂ ਨੂੰ ਘਟਾਉਣ 'ਤੇ ਆਪਣੇ ਧਿਆਨ ਦੇ ਨਾਲ, ਵੱਖ-ਵੱਖ ਅੱਪਸਟ੍ਰੀਮ ਚਿੱਪ ਨਿਰਮਾਤਾ, ਇੰਟਰਮੀਡੀਏਟ ਕਲਾਉਡ ਪ੍ਰਦਾਤਾ, ਅਤੇ ਕਈ ਸਟਾਰਟਅੱਪ ਸਰਗਰਮੀ ਨਾਲ ਈਕੋਸਿਸਟਮ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਰਹੇ ਹਨ, ਡੀਪਸੀਕ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਲਈ ਲਾਗਤ ਕੁਸ਼ਲਤਾ ਨੂੰ ਵਧਾਉਂਦੇ ਹਨ। ਡੀਪਸੀਕ ਦੇ ਪੇਪਰਾਂ ਦੇ ਅਨੁਸਾਰ, V3 ਮਾਡਲ ਦੀ ਪੂਰੀ ਸਿਖਲਾਈ ਲਈ ਸਿਰਫ 2.788 ਮਿਲੀਅਨ H800 GPU ਘੰਟਿਆਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਸਿਖਲਾਈ ਪ੍ਰਕਿਰਿਆ ਬਹੁਤ ਸਥਿਰ ਹੈ। 405 ਬਿਲੀਅਨ ਪੈਰਾਮੀਟਰਾਂ ਦੇ ਨਾਲ ਲਾਮਾ 3 ਦੇ ਮੁਕਾਬਲੇ ਪ੍ਰੀ-ਟ੍ਰੇਨਿੰਗ ਲਾਗਤਾਂ ਨੂੰ ਦਸ ਦੇ ਕਾਰਕ ਦੁਆਰਾ ਘਟਾਉਣ ਲਈ MoE (ਮਾਹਿਰਾਂ ਦਾ ਮਿਸ਼ਰਣ) ਆਰਕੀਟੈਕਚਰ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਵਰਤਮਾਨ ਵਿੱਚ, V3 ਪਹਿਲਾ ਜਨਤਕ ਤੌਰ 'ਤੇ ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਮਾਡਲ ਹੈ ਜੋ MoE ਵਿੱਚ ਇੰਨੀ ਉੱਚ ਸਪਾਰਸਿਟੀ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, MLA (ਮਲਟੀ ਲੇਅਰ ਅਟੈਂਸ਼ਨ) ਸਹਿਯੋਗੀ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਤਰਕ ਦੇ ਪਹਿਲੂਆਂ ਵਿੱਚ। "MoE ਜਿੰਨਾ ਸਪਾਰਸਰ ਹੋਵੇਗਾ, ਕੰਪਿਊਟੇਸ਼ਨਲ ਪਾਵਰ ਦੀ ਪੂਰੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਤਰਕ ਦੌਰਾਨ ਲੋੜੀਂਦਾ ਬੈਚ ਆਕਾਰ ਓਨਾ ਹੀ ਵੱਡਾ ਹੋਵੇਗਾ, KVCache ਦਾ ਆਕਾਰ ਮੁੱਖ ਸੀਮਤ ਕਰਨ ਵਾਲਾ ਕਾਰਕ ਹੋਵੇਗਾ; MLA KVCache ਦੇ ਆਕਾਰ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਘਟਾਉਂਦਾ ਹੈ," AI ਤਕਨਾਲੋਜੀ ਸਮੀਖਿਆ ਲਈ ਇੱਕ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਚੁਆਨਜਿੰਗ ਤਕਨਾਲੋਜੀ ਦੇ ਇੱਕ ਖੋਜਕਰਤਾ ਨੇ ਨੋਟ ਕੀਤਾ। ਕੁੱਲ ਮਿਲਾ ਕੇ, ਡੀਪਸੀਕ ਦੀ ਸਫਲਤਾ ਵੱਖ-ਵੱਖ ਤਕਨਾਲੋਜੀਆਂ ਦੇ ਸੁਮੇਲ ਵਿੱਚ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ਼ ਇੱਕ। ਉਦਯੋਗ ਦੇ ਅੰਦਰੂਨੀ ਲੋਕ ਡੀਪਸੀਕ ਟੀਮ ਦੀਆਂ ਇੰਜੀਨੀਅਰਿੰਗ ਸਮਰੱਥਾਵਾਂ ਦੀ ਪ੍ਰਸ਼ੰਸਾ ਕਰਦੇ ਹਨ, ਸਮਾਨਾਂਤਰ ਸਿਖਲਾਈ ਅਤੇ ਆਪਰੇਟਰ ਅਨੁਕੂਲਨ ਵਿੱਚ ਉਨ੍ਹਾਂ ਦੀ ਉੱਤਮਤਾ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ, ਹਰ ਵੇਰਵੇ ਨੂੰ ਸੁਧਾਰ ਕੇ ਸ਼ਾਨਦਾਰ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ। ਡੀਪਸੀਕ ਦਾ ਓਪਨ-ਸੋਰਸ ਪਹੁੰਚ ਵੱਡੇ ਮਾਡਲਾਂ ਦੇ ਸਮੁੱਚੇ ਵਿਕਾਸ ਨੂੰ ਹੋਰ ਤੇਜ਼ ਕਰਦਾ ਹੈ, ਅਤੇ ਇਹ ਉਮੀਦ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਕਿ ਜੇਕਰ ਸਮਾਨ ਮਾਡਲ ਚਿੱਤਰਾਂ, ਵੀਡੀਓਜ਼ ਅਤੇ ਹੋਰ ਬਹੁਤ ਕੁਝ ਵਿੱਚ ਫੈਲਦੇ ਹਨ, ਤਾਂ ਇਹ ਪੂਰੇ ਉਦਯੋਗ ਵਿੱਚ ਮੰਗ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਉਤੇਜਿਤ ਕਰੇਗਾ।
ਤੀਜੀ-ਧਿਰ ਤਰਕ ਸੇਵਾਵਾਂ ਲਈ ਮੌਕੇ
ਡਾਟਾ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਆਪਣੀ ਰਿਲੀਜ਼ ਤੋਂ ਬਾਅਦ, DeepSeek ਨੇ ਸਿਰਫ਼ 21 ਦਿਨਾਂ ਦੇ ਅੰਦਰ 22.15 ਮਿਲੀਅਨ ਰੋਜ਼ਾਨਾ ਸਰਗਰਮ ਉਪਭੋਗਤਾ (DAU) ਇਕੱਠੇ ਕੀਤੇ ਹਨ, ਜੋ ਕਿ ChatGPT ਦੇ ਉਪਭੋਗਤਾ ਅਧਾਰ ਦਾ 41.6% ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ ਅਤੇ Doubao ਦੇ 16.95 ਮਿਲੀਅਨ ਰੋਜ਼ਾਨਾ ਸਰਗਰਮ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਪਾਰ ਕਰਦੇ ਹਨ, ਇਸ ਤਰ੍ਹਾਂ ਵਿਸ਼ਵ ਪੱਧਰ 'ਤੇ ਸਭ ਤੋਂ ਤੇਜ਼ੀ ਨਾਲ ਵਧਣ ਵਾਲੀ ਐਪਲੀਕੇਸ਼ਨ ਬਣ ਗਈ ਹੈ, ਜੋ 157 ਦੇਸ਼ਾਂ/ਖੇਤਰਾਂ ਵਿੱਚ ਐਪਲ ਐਪ ਸਟੋਰ ਵਿੱਚ ਸਿਖਰ 'ਤੇ ਹੈ। ਹਾਲਾਂਕਿ, ਜਦੋਂ ਕਿ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਭੀੜ ਇਕੱਠੀ ਹੋ ਰਹੀ ਹੈ, ਸਾਈਬਰ ਹੈਕਰ DeepSeek ਐਪ 'ਤੇ ਲਗਾਤਾਰ ਹਮਲਾ ਕਰ ਰਹੇ ਹਨ, ਜਿਸ ਨਾਲ ਇਸਦੇ ਸਰਵਰਾਂ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਦਬਾਅ ਪੈ ਰਿਹਾ ਹੈ। ਉਦਯੋਗ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ ਇਹ ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ DeepSeek ਦੁਆਰਾ ਸਿਖਲਾਈ ਲਈ ਕਾਰਡ ਤੈਨਾਤ ਕਰਨ ਦੇ ਕਾਰਨ ਹੈ ਜਦੋਂ ਕਿ ਤਰਕ ਲਈ ਲੋੜੀਂਦੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਸ਼ਕਤੀ ਦੀ ਘਾਟ ਹੈ। ਇੱਕ ਉਦਯੋਗ ਦੇ ਅੰਦਰੂਨੀ ਨੇ AI ਤਕਨਾਲੋਜੀ ਰਿਵਿਊ ਨੂੰ ਦੱਸਿਆ, "ਅਕਸਰ ਸਰਵਰ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੋਰ ਮਸ਼ੀਨਾਂ ਖਰੀਦਣ ਲਈ ਫੀਸਾਂ ਵਸੂਲ ਕੇ ਜਾਂ ਵਿੱਤ ਦੇ ਕੇ ਆਸਾਨੀ ਨਾਲ ਹੱਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ; ਅੰਤ ਵਿੱਚ, ਇਹ DeepSeek ਦੇ ਫੈਸਲਿਆਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ।" ਇਹ ਤਕਨਾਲੋਜੀ ਬਨਾਮ ਉਤਪਾਦੀਕਰਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਵਿੱਚ ਇੱਕ ਵਪਾਰ-ਬੰਦ ਪੇਸ਼ ਕਰਦਾ ਹੈ। DeepSeek ਨੇ ਸਵੈ-ਨਿਰਭਰਤਾ ਲਈ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਕੁਆਂਟਮ ਕੁਆਂਟਾਈਜ਼ੇਸ਼ਨ 'ਤੇ ਨਿਰਭਰ ਕੀਤਾ ਹੈ, ਬਹੁਤ ਘੱਟ ਬਾਹਰੀ ਫੰਡਿੰਗ ਪ੍ਰਾਪਤ ਕੀਤੀ ਹੈ, ਜਿਸਦੇ ਨਤੀਜੇ ਵਜੋਂ ਮੁਕਾਬਲਤਨ ਘੱਟ ਨਕਦ ਪ੍ਰਵਾਹ ਦਬਾਅ ਅਤੇ ਇੱਕ ਸ਼ੁੱਧ ਤਕਨੀਕੀ ਵਾਤਾਵਰਣ ਹੈ। ਵਰਤਮਾਨ ਵਿੱਚ, ਉਪਰੋਕਤ ਸਮੱਸਿਆਵਾਂ ਦੇ ਮੱਦੇਨਜ਼ਰ, ਕੁਝ ਉਪਭੋਗਤਾ ਸੋਸ਼ਲ ਮੀਡੀਆ 'ਤੇ ਡੀਪਸਿਕ ਨੂੰ ਵਰਤੋਂ ਦੀ ਸੀਮਾ ਨੂੰ ਵਧਾਉਣ ਜਾਂ ਉਪਭੋਗਤਾ ਦੇ ਆਰਾਮ ਨੂੰ ਵਧਾਉਣ ਲਈ ਅਦਾਇਗੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਪੇਸ਼ ਕਰਨ ਦੀ ਅਪੀਲ ਕਰ ਰਹੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਡਿਵੈਲਪਰਾਂ ਨੇ ਅਨੁਕੂਲਨ ਲਈ ਅਧਿਕਾਰਤ API ਜਾਂ ਤੀਜੀ-ਧਿਰ API ਦੀ ਵਰਤੋਂ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤੀ ਹੈ। ਹਾਲਾਂਕਿ, ਡੀਪਸਿਕ ਦੇ ਓਪਨ ਪਲੇਟਫਾਰਮ ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਐਲਾਨ ਕੀਤਾ ਹੈ, "ਮੌਜੂਦਾ ਸਰਵਰ ਸਰੋਤ ਬਹੁਤ ਘੱਟ ਹਨ, ਅਤੇ ਏਪੀਆਈ ਸੇਵਾ ਰੀਚਾਰਜ ਮੁਅੱਤਲ ਕਰ ਦਿੱਤੇ ਗਏ ਹਨ।"
ਇਹ ਬਿਨਾਂ ਸ਼ੱਕ AI ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਖੇਤਰ ਵਿੱਚ ਤੀਜੀ-ਧਿਰ ਵਿਕਰੇਤਾਵਾਂ ਲਈ ਹੋਰ ਮੌਕੇ ਖੋਲ੍ਹਦਾ ਹੈ। ਹਾਲ ਹੀ ਵਿੱਚ, ਕਈ ਘਰੇਲੂ ਅਤੇ ਅੰਤਰਰਾਸ਼ਟਰੀ ਕਲਾਉਡ ਦਿੱਗਜਾਂ ਨੇ DeepSeek ਦੇ ਮਾਡਲ API ਲਾਂਚ ਕੀਤੇ ਹਨ - ਵਿਦੇਸ਼ੀ ਦਿੱਗਜਾਂ Microsoft ਅਤੇ Amazon ਜਨਵਰੀ ਦੇ ਅੰਤ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣ ਵਾਲੇ ਪਹਿਲੇ ਲੋਕਾਂ ਵਿੱਚੋਂ ਸਨ। ਘਰੇਲੂ ਨੇਤਾ, Huawei Cloud ਨੇ ਪਹਿਲਾ ਕਦਮ ਚੁੱਕਿਆ, 1 ਫਰਵਰੀ ਨੂੰ ਸਿਲੀਕਾਨ-ਅਧਾਰਤ ਫਲੋ ਦੇ ਸਹਿਯੋਗ ਨਾਲ DeepSeek R1 ਅਤੇ V3 ਤਰਕ ਸੇਵਾਵਾਂ ਜਾਰੀ ਕੀਤੀਆਂ। AI ਤਕਨਾਲੋਜੀ ਸਮੀਖਿਆ ਦੀਆਂ ਰਿਪੋਰਟਾਂ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਕਿ ਸਿਲੀਕਾਨ-ਅਧਾਰਤ ਫਲੋ ਦੀਆਂ ਸੇਵਾਵਾਂ ਵਿੱਚ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਆਮਦ ਦੇਖੀ ਗਈ ਹੈ, ਜਿਸ ਨਾਲ ਪਲੇਟਫਾਰਮ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ "ਕ੍ਰੈਸ਼" ਹੋ ਗਿਆ ਹੈ। ਵੱਡੀਆਂ ਤਿੰਨ ਤਕਨੀਕੀ ਕੰਪਨੀਆਂ - BAT (Baidu, Alibaba, Tencent) ਅਤੇ ByteDance - ਨੇ ਵੀ 3 ਫਰਵਰੀ ਤੋਂ ਸ਼ੁਰੂ ਹੋਣ ਵਾਲੀਆਂ ਘੱਟ-ਲਾਗਤ ਵਾਲੀਆਂ, ਸੀਮਤ-ਸਮੇਂ ਦੀਆਂ ਪੇਸ਼ਕਸ਼ਾਂ ਜਾਰੀ ਕੀਤੀਆਂ, ਜੋ ਕਿ ਪਿਛਲੇ ਸਾਲ DeepSeek ਦੇ V2 ਮਾਡਲ ਲਾਂਚ ਦੁਆਰਾ ਸ਼ੁਰੂ ਹੋਈਆਂ ਕਲਾਉਡ ਵਿਕਰੇਤਾ ਕੀਮਤ ਯੁੱਧਾਂ ਦੀ ਯਾਦ ਦਿਵਾਉਂਦੀਆਂ ਹਨ, ਜਿੱਥੇ DeepSeek ਨੂੰ "ਕੀਮਤ ਕਸਾਈ" ਕਿਹਾ ਜਾਣ ਲੱਗਾ। ਕਲਾਉਡ ਵਿਕਰੇਤਾਵਾਂ ਦੀਆਂ ਬੇਚੈਨ ਕਾਰਵਾਈਆਂ ਮਾਈਕ੍ਰੋਸਾਫਟ ਅਜ਼ੁਰ ਅਤੇ ਓਪਨਏਆਈ ਵਿਚਕਾਰ ਪਹਿਲਾਂ ਦੇ ਮਜ਼ਬੂਤ ਸਬੰਧਾਂ ਨੂੰ ਦਰਸਾਉਂਦੀਆਂ ਹਨ, ਜਿੱਥੇ 2019 ਵਿੱਚ, ਮਾਈਕ੍ਰੋਸਾਫਟ ਨੇ ਓਪਨਏਆਈ ਵਿੱਚ $1 ਬਿਲੀਅਨ ਦਾ ਵੱਡਾ ਨਿਵੇਸ਼ ਕੀਤਾ ਸੀ ਅਤੇ 2023 ਵਿੱਚ ਚੈਟਜੀਪੀਟੀ ਦੇ ਲਾਂਚ ਤੋਂ ਬਾਅਦ ਲਾਭ ਪ੍ਰਾਪਤ ਕੀਤਾ ਸੀ। ਹਾਲਾਂਕਿ, ਇਹ ਨਜ਼ਦੀਕੀ ਸਬੰਧ ਮੈਟਾ ਓਪਨ-ਸੋਰਸਡ ਲਾਮਾ ਤੋਂ ਬਾਅਦ ਟੁੱਟਣਾ ਸ਼ੁਰੂ ਹੋ ਗਿਆ, ਜਿਸ ਨਾਲ ਮਾਈਕ੍ਰੋਸਾਫਟ ਅਜ਼ੁਰ ਈਕੋਸਿਸਟਮ ਤੋਂ ਬਾਹਰ ਹੋਰ ਵਿਕਰੇਤਾਵਾਂ ਨੂੰ ਉਨ੍ਹਾਂ ਦੇ ਵੱਡੇ ਮਾਡਲਾਂ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰਨ ਦੀ ਆਗਿਆ ਮਿਲੀ। ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਡੀਪਸੀਕ ਨੇ ਨਾ ਸਿਰਫ ਉਤਪਾਦ ਗਰਮੀ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਚੈਟਜੀਪੀਟੀ ਨੂੰ ਪਛਾੜ ਦਿੱਤਾ ਹੈ ਬਲਕਿ o1 ਰੀਲੀਜ਼ ਤੋਂ ਬਾਅਦ ਓਪਨ-ਸੋਰਸ ਮਾਡਲ ਵੀ ਪੇਸ਼ ਕੀਤੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਲਾਮਾ ਦੇ GPT-3 ਦੇ ਪੁਨਰ ਸੁਰਜੀਤੀ ਦੇ ਆਲੇ ਦੁਆਲੇ ਉਤਸ਼ਾਹ ਸੀ।
ਅਸਲੀਅਤ ਵਿੱਚ, ਕਲਾਉਡ ਪ੍ਰਦਾਤਾ ਆਪਣੇ ਆਪ ਨੂੰ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਟ੍ਰੈਫਿਕ ਗੇਟਵੇ ਵਜੋਂ ਵੀ ਸਥਾਪਤ ਕਰ ਰਹੇ ਹਨ, ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਡਿਵੈਲਪਰਾਂ ਨਾਲ ਸਬੰਧਾਂ ਨੂੰ ਡੂੰਘਾ ਕਰਨ ਨਾਲ ਪਹਿਲਾਂ ਤੋਂ ਫਾਇਦੇ ਹੁੰਦੇ ਹਨ। ਰਿਪੋਰਟਾਂ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਕਿ Baidu ਸਮਾਰਟ ਕਲਾਉਡ ਕੋਲ ਮਾਡਲ ਦੇ ਲਾਂਚ ਵਾਲੇ ਦਿਨ Qianfan ਪਲੇਟਫਾਰਮ ਰਾਹੀਂ DeepSeek ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲੇ 15,000 ਤੋਂ ਵੱਧ ਗਾਹਕ ਸਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਕਈ ਛੋਟੀਆਂ ਫਰਮਾਂ ਹੱਲ ਪੇਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਸਿਲੀਕਾਨ-ਅਧਾਰਤ ਫਲੋ, ਲੂਚੇਨ ਤਕਨਾਲੋਜੀ, ਚੁਆਨਜਿੰਗ ਤਕਨਾਲੋਜੀ, ਅਤੇ ਵੱਖ-ਵੱਖ AI ਇਨਫਰਾ ਪ੍ਰਦਾਤਾ ਸ਼ਾਮਲ ਹਨ ਜਿਨ੍ਹਾਂ ਨੇ DeepSeek ਮਾਡਲਾਂ ਲਈ ਸਮਰਥਨ ਸ਼ੁਰੂ ਕੀਤਾ ਹੈ। AI ਤਕਨਾਲੋਜੀ ਸਮੀਖਿਆ ਨੇ ਸਿੱਖਿਆ ਹੈ ਕਿ DeepSeek ਦੇ ਸਥਾਨਕ ਤੈਨਾਤੀਆਂ ਲਈ ਮੌਜੂਦਾ ਅਨੁਕੂਲਨ ਮੌਕੇ ਮੁੱਖ ਤੌਰ 'ਤੇ ਦੋ ਖੇਤਰਾਂ ਵਿੱਚ ਮੌਜੂਦ ਹਨ: ਇੱਕ ਹਾਈਬ੍ਰਿਡ GPU/CPU ਅਨੁਮਾਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸਥਾਨਕ ਤੌਰ 'ਤੇ 671 ਬਿਲੀਅਨ ਪੈਰਾਮੀਟਰ MoE ਮਾਡਲ ਨੂੰ ਤੈਨਾਤ ਕਰਨ ਲਈ ਇੱਕ ਮਿਸ਼ਰਤ ਤਰਕ ਪਹੁੰਚ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ MoE ਮਾਡਲ ਦੀਆਂ ਸਪਾਰਸਿਟੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਲਈ ਅਨੁਕੂਲ ਬਣਾਉਣਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, MLA ਦਾ ਅਨੁਕੂਲਨ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਹਾਲਾਂਕਿ, DeepSeek ਦੇ ਦੋ ਮਾਡਲ ਅਜੇ ਵੀ ਤੈਨਾਤੀ ਅਨੁਕੂਲਨ ਵਿੱਚ ਕੁਝ ਚੁਣੌਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਦੇ ਹਨ। "ਮਾਡਲ ਦੇ ਆਕਾਰ ਅਤੇ ਕਈ ਮਾਪਦੰਡਾਂ ਦੇ ਕਾਰਨ, ਅਨੁਕੂਲਤਾ ਸੱਚਮੁੱਚ ਗੁੰਝਲਦਾਰ ਹੈ, ਖਾਸ ਕਰਕੇ ਸਥਾਨਕ ਤੈਨਾਤੀਆਂ ਲਈ ਜਿੱਥੇ ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਲਾਗਤ ਵਿਚਕਾਰ ਇੱਕ ਅਨੁਕੂਲ ਸੰਤੁਲਨ ਪ੍ਰਾਪਤ ਕਰਨਾ ਚੁਣੌਤੀਪੂਰਨ ਹੋਵੇਗਾ," ਚੁਆਨਜਿੰਗ ਟੈਕਨਾਲੋਜੀ ਦੇ ਇੱਕ ਖੋਜਕਰਤਾ ਨੇ ਕਿਹਾ। ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਰੁਕਾਵਟ ਮੈਮੋਰੀ ਸਮਰੱਥਾ ਸੀਮਾਵਾਂ ਨੂੰ ਪਾਰ ਕਰਨ ਵਿੱਚ ਹੈ। "ਅਸੀਂ CPUs ਅਤੇ ਹੋਰ ਕੰਪਿਊਟੇਸ਼ਨਲ ਸਰੋਤਾਂ ਦੀ ਪੂਰੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਇੱਕ ਵਿਭਿੰਨ ਸਹਿਯੋਗ ਪਹੁੰਚ ਅਪਣਾਉਂਦੇ ਹਾਂ, ਉੱਚ-ਪ੍ਰਦਰਸ਼ਨ ਵਾਲੇ CPU ਓਪਰੇਟਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ CPU/DRAM 'ਤੇ ਸਪਾਰਸ MoE ਮੈਟ੍ਰਿਕਸ ਦੇ ਸਿਰਫ ਗੈਰ-ਸਾਂਝੇ ਹਿੱਸਿਆਂ ਨੂੰ ਰੱਖਦੇ ਹਾਂ, ਜਦੋਂ ਕਿ ਸੰਘਣੇ ਹਿੱਸੇ GPU 'ਤੇ ਰਹਿੰਦੇ ਹਨ," ਉਸਨੇ ਅੱਗੇ ਦੱਸਿਆ। ਰਿਪੋਰਟਾਂ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਕਿ ਚੁਆਨਜਿੰਗ ਦਾ ਓਪਨ-ਸੋਰਸ ਫਰੇਮਵਰਕ KTransformers ਮੁੱਖ ਤੌਰ 'ਤੇ ਇੱਕ ਟੈਂਪਲੇਟ ਰਾਹੀਂ ਮੂਲ ਟ੍ਰਾਂਸਫਾਰਮਰ ਲਾਗੂਕਰਨ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਰਣਨੀਤੀਆਂ ਅਤੇ ਓਪਰੇਟਰਾਂ ਨੂੰ ਇੰਜੈਕਟ ਕਰਦਾ ਹੈ, CUDAGraph ਵਰਗੇ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਮਾਨ ਗਤੀ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਵਧਾਉਂਦਾ ਹੈ। DeepSeek ਨੇ ਇਹਨਾਂ ਸਟਾਰਟਅੱਪਸ ਲਈ ਮੌਕੇ ਪੈਦਾ ਕੀਤੇ ਹਨ, ਕਿਉਂਕਿ ਵਿਕਾਸ ਲਾਭ ਸਪੱਸ਼ਟ ਹੋ ਰਹੇ ਹਨ; ਬਹੁਤ ਸਾਰੀਆਂ ਫਰਮਾਂ ਨੇ DeepSeek API ਨੂੰ ਲਾਂਚ ਕਰਨ ਤੋਂ ਬਾਅਦ ਧਿਆਨ ਦੇਣ ਯੋਗ ਗਾਹਕ ਵਿਕਾਸ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ ਹੈ, ਪਿਛਲੇ ਗਾਹਕਾਂ ਤੋਂ ਪੁੱਛਗਿੱਛਾਂ ਪ੍ਰਾਪਤ ਕੀਤੀਆਂ ਹਨ ਜੋ ਅਨੁਕੂਲਤਾ ਦੀ ਭਾਲ ਕਰ ਰਹੇ ਹਨ। ਉਦਯੋਗ ਦੇ ਅੰਦਰੂਨੀ ਸੂਤਰਾਂ ਨੇ ਨੋਟ ਕੀਤਾ ਹੈ, "ਪਹਿਲਾਂ, ਕੁਝ ਹੱਦ ਤੱਕ ਸਥਾਪਿਤ ਕਲਾਇੰਟ ਸਮੂਹ ਅਕਸਰ ਵੱਡੀਆਂ ਕੰਪਨੀਆਂ ਦੀਆਂ ਮਿਆਰੀ ਸੇਵਾਵਾਂ ਵਿੱਚ ਬੰਦ ਹੁੰਦੇ ਸਨ, ਪੈਮਾਨੇ ਦੇ ਕਾਰਨ ਉਹਨਾਂ ਦੇ ਲਾਗਤ ਫਾਇਦਿਆਂ ਨਾਲ ਮਜ਼ਬੂਤੀ ਨਾਲ ਬੰਨ੍ਹੇ ਹੋਏ ਸਨ। ਹਾਲਾਂਕਿ, ਬਸੰਤ ਤਿਉਹਾਰ ਤੋਂ ਪਹਿਲਾਂ DeepSeek-R1/V3 ਦੀ ਤੈਨਾਤੀ ਨੂੰ ਪੂਰਾ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਸਾਨੂੰ ਅਚਾਨਕ ਕਈ ਜਾਣੇ-ਪਛਾਣੇ ਗਾਹਕਾਂ ਤੋਂ ਸਹਿਯੋਗ ਬੇਨਤੀਆਂ ਪ੍ਰਾਪਤ ਹੋਈਆਂ, ਅਤੇ ਪਹਿਲਾਂ ਸੁਸਤ ਗਾਹਕਾਂ ਨੇ ਵੀ ਸਾਡੀਆਂ DeepSeek ਸੇਵਾਵਾਂ ਨੂੰ ਪੇਸ਼ ਕਰਨ ਲਈ ਸੰਪਰਕ ਸ਼ੁਰੂ ਕੀਤਾ।" ਵਰਤਮਾਨ ਵਿੱਚ, ਇਹ ਜਾਪਦਾ ਹੈ ਕਿ DeepSeek ਮਾਡਲ ਅਨੁਮਾਨ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਹੋਰ ਵੀ ਮਹੱਤਵਪੂਰਨ ਬਣਾ ਰਿਹਾ ਹੈ, ਅਤੇ ਵੱਡੇ ਮਾਡਲਾਂ ਨੂੰ ਵਿਆਪਕ ਰੂਪ ਵਿੱਚ ਅਪਣਾਉਣ ਦੇ ਨਾਲ, ਇਹ AI ਇਨਫਰਾ ਉਦਯੋਗ ਵਿੱਚ ਵਿਕਾਸ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਤ ਕਰਨਾ ਜਾਰੀ ਰੱਖੇਗਾ। ਜੇਕਰ DeepSeek-ਪੱਧਰ ਦੇ ਮਾਡਲ ਨੂੰ ਘੱਟ ਕੀਮਤ 'ਤੇ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਤਾਇਨਾਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਤਾਂ ਇਹ ਸਰਕਾਰ ਅਤੇ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਡਿਜੀਟਲ ਪਰਿਵਰਤਨ ਯਤਨਾਂ ਵਿੱਚ ਬਹੁਤ ਸਹਾਇਤਾ ਕਰੇਗਾ। ਹਾਲਾਂਕਿ, ਚੁਣੌਤੀਆਂ ਕਾਇਮ ਰਹਿੰਦੀਆਂ ਹਨ, ਕਿਉਂਕਿ ਕੁਝ ਕਲਾਇੰਟ ਵੱਡੇ ਮਾਡਲ ਸਮਰੱਥਾਵਾਂ ਦੇ ਸੰਬੰਧ ਵਿੱਚ ਉੱਚ ਉਮੀਦਾਂ ਰੱਖ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਇਹ ਸਪੱਸ਼ਟ ਹੋ ਜਾਂਦਾ ਹੈ ਕਿ ਵਿਹਾਰਕ ਤੈਨਾਤੀ ਵਿੱਚ ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਲਾਗਤ ਨੂੰ ਸੰਤੁਲਿਤ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਬਣ ਜਾਂਦਾ ਹੈ।
ਇਹ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਕਿ ਕੀ DeepSeek ChatGPT ਨਾਲੋਂ ਬਿਹਤਰ ਹੈ, ਉਹਨਾਂ ਦੇ ਮੁੱਖ ਅੰਤਰਾਂ, ਸ਼ਕਤੀਆਂ ਅਤੇ ਵਰਤੋਂ ਦੇ ਮਾਮਲਿਆਂ ਨੂੰ ਸਮਝਣਾ ਜ਼ਰੂਰੀ ਹੈ। ਇੱਥੇ ਇੱਕ ਵਿਆਪਕ ਤੁਲਨਾ ਹੈ:
| ਵਿਸ਼ੇਸ਼ਤਾ/ਪਹਿਲੂ | ਡੀਪਸੀਕ | ਚੈਟਜੀਪੀਟੀ |
|---|---|---|
| ਮਾਲਕੀ | ਇੱਕ ਚੀਨੀ ਕੰਪਨੀ ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ | ਓਪਨਏਆਈ ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ |
| ਸਰੋਤ ਮਾਡਲ | ਓਪਨ-ਸੋਰਸ | ਮਲਕੀਅਤ |
| ਲਾਗਤ | ਵਰਤਣ ਲਈ ਮੁਫ਼ਤ; ਸਸਤੇ API ਪਹੁੰਚ ਵਿਕਲਪ | ਗਾਹਕੀ ਜਾਂ ਪ੍ਰਤੀ ਵਰਤੋਂ ਭੁਗਤਾਨ ਕੀਮਤ |
| ਅਨੁਕੂਲਤਾ | ਬਹੁਤ ਜ਼ਿਆਦਾ ਅਨੁਕੂਲਿਤ, ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਇਸ ਵਿੱਚ ਬਦਲਾਅ ਕਰਨ ਅਤੇ ਨਿਰਮਾਣ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ | ਸੀਮਤ ਅਨੁਕੂਲਤਾ ਉਪਲਬਧ ਹੈ |
| ਖਾਸ ਕੰਮਾਂ ਵਿੱਚ ਪ੍ਰਦਰਸ਼ਨ | ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤੀ ਵਰਗੇ ਕੁਝ ਖੇਤਰਾਂ ਵਿੱਚ ਉੱਤਮਤਾ। | ਰਚਨਾਤਮਕ ਲਿਖਤ ਅਤੇ ਗੱਲਬਾਤ ਦੇ ਕੰਮਾਂ ਵਿੱਚ ਮਜ਼ਬੂਤ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਨਾਲ ਬਹੁਪੱਖੀ |
| ਭਾਸ਼ਾ ਸਹਾਇਤਾ | ਚੀਨੀ ਭਾਸ਼ਾ ਅਤੇ ਸੱਭਿਆਚਾਰ 'ਤੇ ਜ਼ੋਰ | ਵਿਆਪਕ ਭਾਸ਼ਾ ਸਹਾਇਤਾ ਪਰ ਅਮਰੀਕਾ-ਕੇਂਦ੍ਰਿਤ |
| ਸਿਖਲਾਈ ਦੀ ਲਾਗਤ | ਘੱਟ ਸਿਖਲਾਈ ਲਾਗਤਾਂ, ਕੁਸ਼ਲਤਾ ਲਈ ਅਨੁਕੂਲਿਤ | ਉੱਚ ਸਿਖਲਾਈ ਲਾਗਤਾਂ, ਜਿਸ ਲਈ ਕਾਫ਼ੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਸਰੋਤਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ |
| ਜਵਾਬ ਭਿੰਨਤਾ | ਵੱਖ-ਵੱਖ ਜਵਾਬ ਦੇ ਸਕਦੇ ਹਨ, ਸੰਭਵ ਤੌਰ 'ਤੇ ਭੂ-ਰਾਜਨੀਤਿਕ ਸੰਦਰਭ ਤੋਂ ਪ੍ਰਭਾਵਿਤ ਹੋ ਸਕਦੇ ਹਨ | ਸਿਖਲਾਈ ਡੇਟਾ ਦੇ ਆਧਾਰ 'ਤੇ ਇਕਸਾਰ ਜਵਾਬ |
| ਟੀਚਾ ਦਰਸ਼ਕ | ਲਚਕਤਾ ਚਾਹੁੰਦੇ ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਖੋਜਕਰਤਾਵਾਂ ਲਈ ਉਦੇਸ਼ | ਗੱਲਬਾਤ ਕਰਨ ਦੀਆਂ ਯੋਗਤਾਵਾਂ ਦੀ ਭਾਲ ਕਰਨ ਵਾਲੇ ਆਮ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। |
| ਵਰਤੋਂ ਦੇ ਮਾਮਲੇ | ਕੋਡ ਜਨਰੇਸ਼ਨ ਅਤੇ ਤੇਜ਼ ਕੰਮਾਂ ਲਈ ਵਧੇਰੇ ਕੁਸ਼ਲ | ਟੈਕਸਟ ਤਿਆਰ ਕਰਨ, ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਅਤੇ ਗੱਲਬਾਤ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣ ਲਈ ਆਦਰਸ਼ |
"Nvidia ਵਿੱਚ ਵਿਘਨ ਪਾਉਣ" ਬਾਰੇ ਇੱਕ ਆਲੋਚਨਾਤਮਕ ਦ੍ਰਿਸ਼ਟੀਕੋਣ
ਇਸ ਵੇਲੇ, Huawei ਤੋਂ ਇਲਾਵਾ, ਕਈ ਘਰੇਲੂ ਚਿੱਪ ਨਿਰਮਾਤਾ ਜਿਵੇਂ ਕਿ Moore Threads, Muxi, Biran Technology, ਅਤੇ Tianxu Zhixin ਵੀ DeepSeek ਦੇ ਦੋ ਮਾਡਲਾਂ ਨੂੰ ਅਪਣਾ ਰਹੇ ਹਨ। ਇੱਕ ਚਿੱਪ ਨਿਰਮਾਤਾ ਨੇ AI ਤਕਨਾਲੋਜੀ ਸਮੀਖਿਆ ਨੂੰ ਦੱਸਿਆ, "DeepSeek ਦਾ ਢਾਂਚਾ ਨਵੀਨਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਫਿਰ ਵੀ ਇਹ ਇੱਕ LLM ਬਣਿਆ ਹੋਇਆ ਹੈ। DeepSeek ਲਈ ਸਾਡਾ ਅਨੁਕੂਲਨ ਮੁੱਖ ਤੌਰ 'ਤੇ ਤਰਕਸ਼ੀਲ ਐਪਲੀਕੇਸ਼ਨਾਂ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਹੈ, ਜਿਸ ਨਾਲ ਤਕਨੀਕੀ ਲਾਗੂਕਰਨ ਕਾਫ਼ੀ ਸਿੱਧਾ ਅਤੇ ਤੇਜ਼ ਹੁੰਦਾ ਹੈ।" ਹਾਲਾਂਕਿ, MoE ਪਹੁੰਚ ਲਈ ਸਟੋਰੇਜ ਅਤੇ ਵੰਡ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਉੱਚ ਮੰਗਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਘਰੇਲੂ ਚਿਪਸ ਨਾਲ ਤੈਨਾਤ ਕਰਦੇ ਸਮੇਂ ਅਨੁਕੂਲਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਦੇ ਨਾਲ, ਕਈ ਇੰਜੀਨੀਅਰਿੰਗ ਚੁਣੌਤੀਆਂ ਪੇਸ਼ ਕਰਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਅਨੁਕੂਲਨ ਦੌਰਾਨ ਹੱਲ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। "ਵਰਤਮਾਨ ਵਿੱਚ, ਘਰੇਲੂ ਕੰਪਿਊਟੇਸ਼ਨਲ ਪਾਵਰ Nvidia ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦਾ ਹੈ, ਜਿਸ ਲਈ ਸਾਫਟਵੇਅਰ ਵਾਤਾਵਰਣ ਸੈੱਟਅੱਪ, ਸਮੱਸਿਆ-ਨਿਪਟਾਰਾ ਅਤੇ ਬੁਨਿਆਦੀ ਪ੍ਰਦਰਸ਼ਨ ਅਨੁਕੂਲਨ ਲਈ ਅਸਲ ਫੈਕਟਰੀ ਭਾਗੀਦਾਰੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ," ਇੱਕ ਉਦਯੋਗ ਪ੍ਰੈਕਟੀਸ਼ਨਰ ਨੇ ਵਿਹਾਰਕ ਅਨੁਭਵ ਦੇ ਆਧਾਰ 'ਤੇ ਕਿਹਾ। ਇਸਦੇ ਨਾਲ ਹੀ, "DeepSeek R1 ਦੇ ਵੱਡੇ ਪੈਰਾਮੀਟਰ ਪੈਮਾਨੇ ਦੇ ਕਾਰਨ, ਘਰੇਲੂ ਕੰਪਿਊਟੇਸ਼ਨਲ ਪਾਵਰ ਨੂੰ ਸਮਾਨਤਾ ਲਈ ਹੋਰ ਨੋਡਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਘਰੇਲੂ ਹਾਰਡਵੇਅਰ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਅਜੇ ਵੀ ਕੁਝ ਪਿੱਛੇ ਹਨ; ਉਦਾਹਰਣ ਵਜੋਂ, Huawei 910B ਵਰਤਮਾਨ ਵਿੱਚ DeepSeek ਦੁਆਰਾ ਪੇਸ਼ ਕੀਤੇ ਗਏ FP8 ਅਨੁਮਾਨ ਦਾ ਸਮਰਥਨ ਨਹੀਂ ਕਰ ਸਕਦਾ ਹੈ।" DeepSeek V3 ਮਾਡਲ ਦੇ ਮੁੱਖ ਨੁਕਤਿਆਂ ਵਿੱਚੋਂ ਇੱਕ FP8 ਮਿਸ਼ਰਤ ਸ਼ੁੱਧਤਾ ਸਿਖਲਾਈ ਫਰੇਮਵਰਕ ਦੀ ਸ਼ੁਰੂਆਤ ਹੈ, ਜਿਸਨੂੰ ਇੱਕ ਬਹੁਤ ਵੱਡੇ ਮਾਡਲ 'ਤੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਾਪਤੀ ਹੈ। ਪਹਿਲਾਂ, ਮਾਈਕ੍ਰੋਸਾਫਟ ਅਤੇ Nvidia ਵਰਗੇ ਪ੍ਰਮੁੱਖ ਖਿਡਾਰੀਆਂ ਨੇ ਸੰਬੰਧਿਤ ਕੰਮ ਦਾ ਸੁਝਾਅ ਦਿੱਤਾ ਸੀ, ਪਰ ਸੰਭਾਵਨਾ ਬਾਰੇ ਉਦਯੋਗ ਦੇ ਅੰਦਰ ਸ਼ੰਕੇ ਹਨ। ਇਹ ਸਮਝਿਆ ਜਾਂਦਾ ਹੈ ਕਿ INT8 ਦੇ ਮੁਕਾਬਲੇ, FP8 ਦਾ ਮੁੱਖ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਸਿਖਲਾਈ ਤੋਂ ਬਾਅਦ ਦੀ ਮਾਤਰਾਕਰਨ ਲਗਭਗ ਨੁਕਸਾਨ ਰਹਿਤ ਸ਼ੁੱਧਤਾ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦਾ ਹੈ ਜਦੋਂ ਕਿ ਅਨੁਮਾਨ ਗਤੀ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਵਧਾਉਂਦਾ ਹੈ। FP16 ਨਾਲ ਤੁਲਨਾ ਕਰਦੇ ਸਮੇਂ, FP8 Nvidia ਦੇ H20 'ਤੇ ਦੋ ਗੁਣਾ ਪ੍ਰਵੇਗ ਅਤੇ H100 'ਤੇ 1.5 ਗੁਣਾ ਤੋਂ ਵੱਧ ਪ੍ਰਵੇਗ ਨੂੰ ਮਹਿਸੂਸ ਕਰ ਸਕਦਾ ਹੈ। ਖਾਸ ਤੌਰ 'ਤੇ, ਜਿਵੇਂ ਕਿ ਘਰੇਲੂ ਕੰਪਿਊਟੇਸ਼ਨਲ ਪਾਵਰ ਪਲੱਸ ਘਰੇਲੂ ਮਾਡਲਾਂ ਦੇ ਰੁਝਾਨ ਦੇ ਆਲੇ ਦੁਆਲੇ ਚਰਚਾਵਾਂ ਗਤੀ ਪ੍ਰਾਪਤ ਕਰਦੀਆਂ ਹਨ, ਇਸ ਬਾਰੇ ਕਿਆਸਅਰਾਈਆਂ ਵਧਦੀਆਂ ਜਾ ਰਹੀਆਂ ਹਨ ਕਿ ਕੀ Nvidia ਨੂੰ ਵਿਘਨ ਪਾਇਆ ਜਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਕੀ CUDA ਖਾਈ ਨੂੰ ਬਾਈਪਾਸ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਇਹ ਤੇਜ਼ੀ ਨਾਲ ਪ੍ਰਚਲਿਤ ਹੋ ਰਿਹਾ ਹੈ। ਇੱਕ ਅਸਵੀਕਾਰਨਯੋਗ ਤੱਥ ਇਹ ਹੈ ਕਿ DeepSeek ਨੇ ਸੱਚਮੁੱਚ Nvidia ਦੇ ਬਾਜ਼ਾਰ ਮੁੱਲ ਵਿੱਚ ਕਾਫ਼ੀ ਗਿਰਾਵਟ ਦਾ ਕਾਰਨ ਬਣਾਇਆ ਹੈ, ਪਰ ਇਹ ਤਬਦੀਲੀ Nvidia ਦੀ ਉੱਚ-ਅੰਤ ਦੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਪਾਵਰ ਇਕਸਾਰਤਾ ਬਾਰੇ ਸਵਾਲ ਖੜ੍ਹੇ ਕਰਦੀ ਹੈ। ਪੂੰਜੀ-ਸੰਚਾਲਿਤ ਕੰਪਿਊਟੇਸ਼ਨਲ ਇਕੱਤਰਤਾ ਸੰਬੰਧੀ ਪਹਿਲਾਂ ਸਵੀਕਾਰ ਕੀਤੇ ਗਏ ਬਿਰਤਾਂਤਾਂ ਨੂੰ ਚੁਣੌਤੀ ਦਿੱਤੀ ਜਾ ਰਹੀ ਹੈ, ਫਿਰ ਵੀ ਸਿਖਲਾਈ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ ਵਿੱਚ Nvidia ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਦਲਣਾ ਮੁਸ਼ਕਲ ਹੈ। DeepSeek ਦੇ CUDA ਦੇ ਡੂੰਘੇ ਉਪਯੋਗ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਲਚਕਤਾ - ਜਿਵੇਂ ਕਿ ਸੰਚਾਰ ਲਈ SM ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਜਾਂ ਨੈੱਟਵਰਕ ਕਾਰਡਾਂ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਹੇਰਾਫੇਰੀ ਕਰਨਾ - ਨਿਯਮਤ GPUs ਲਈ ਅਨੁਕੂਲਤਾ ਸੰਭਵ ਨਹੀਂ ਹੈ। ਉਦਯੋਗ ਦੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦੇ ਹਨ ਕਿ Nvidia ਦਾ ਖਾਈ ਸਿਰਫ਼ CUDA ਦੀ ਬਜਾਏ ਪੂਰੇ CUDA ਈਕੋਸਿਸਟਮ ਨੂੰ ਘੇਰਦਾ ਹੈ, ਅਤੇ PTX (ਸਮਾਨਾਂਤਰ ਥ੍ਰੈੱਡ ਐਗਜ਼ੀਕਿਊਸ਼ਨ) ਨਿਰਦੇਸ਼ ਜੋ DeepSeek ਵਰਤਦਾ ਹੈ ਅਜੇ ਵੀ CUDA ਈਕੋਸਿਸਟਮ ਦਾ ਹਿੱਸਾ ਹਨ। "ਥੋੜ੍ਹੇ ਸਮੇਂ ਵਿੱਚ, Nvidia ਦੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਸ਼ਕਤੀ ਨੂੰ ਬਾਈਪਾਸ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ - ਇਹ ਸਿਖਲਾਈ ਵਿੱਚ ਖਾਸ ਤੌਰ 'ਤੇ ਸਪੱਸ਼ਟ ਹੈ; ਹਾਲਾਂਕਿ, ਤਰਕ ਲਈ ਘਰੇਲੂ ਕਾਰਡਾਂ ਨੂੰ ਤੈਨਾਤ ਕਰਨਾ ਮੁਕਾਬਲਤਨ ਆਸਾਨ ਹੋਵੇਗਾ, ਇਸ ਲਈ ਤਰੱਕੀ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਤੇਜ਼ ਹੋਵੇਗੀ। ਘਰੇਲੂ ਕਾਰਡਾਂ ਦਾ ਅਨੁਕੂਲਨ ਮੁੱਖ ਤੌਰ 'ਤੇ ਅਨੁਮਾਨ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦਾ ਹੈ; ਕੋਈ ਵੀ ਅਜੇ ਤੱਕ ਘਰੇਲੂ ਕਾਰਡਾਂ 'ਤੇ ਪੈਮਾਨੇ 'ਤੇ DeepSeek ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਵਿੱਚ ਕਾਮਯਾਬ ਨਹੀਂ ਹੋਇਆ ਹੈ," ਇੱਕ ਉਦਯੋਗ ਵਿਸ਼ਲੇਸ਼ਕ ਨੇ AI ਤਕਨਾਲੋਜੀ ਸਮੀਖਿਆ ਨੂੰ ਟਿੱਪਣੀ ਕੀਤੀ। ਕੁੱਲ ਮਿਲਾ ਕੇ, ਇੱਕ ਅਨੁਮਾਨ ਦੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ, ਘਰੇਲੂ ਵੱਡੇ ਮਾਡਲ ਚਿਪਸ ਲਈ ਹਾਲਾਤ ਉਤਸ਼ਾਹਜਨਕ ਹਨ। ਸਿਖਲਾਈ ਦੀਆਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਉੱਚ ਜ਼ਰੂਰਤਾਂ ਦੇ ਕਾਰਨ, ਜੋ ਪ੍ਰਵੇਸ਼ ਵਿੱਚ ਰੁਕਾਵਟ ਪਾਉਂਦੀਆਂ ਹਨ, ਅਨੁਮਾਨ ਦੇ ਖੇਤਰ ਵਿੱਚ ਘਰੇਲੂ ਚਿੱਪ ਨਿਰਮਾਤਾਵਾਂ ਲਈ ਮੌਕੇ ਵਧੇਰੇ ਸਪੱਸ਼ਟ ਹਨ। ਵਿਸ਼ਲੇਸ਼ਕ ਦਲੀਲ ਦਿੰਦੇ ਹਨ ਕਿ ਸਿਰਫ਼ ਘਰੇਲੂ ਅਨੁਮਾਨ ਕਾਰਡਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਕਾਫ਼ੀ ਹੈ; ਜੇ ਜ਼ਰੂਰੀ ਹੋਵੇ, ਤਾਂ ਇੱਕ ਵਾਧੂ ਮਸ਼ੀਨ ਪ੍ਰਾਪਤ ਕਰਨਾ ਸੰਭਵ ਹੈ, ਜਦੋਂ ਕਿ ਸਿਖਲਾਈ ਮਾਡਲ ਵਿਲੱਖਣ ਚੁਣੌਤੀਆਂ ਪੇਸ਼ ਕਰਦੇ ਹਨ - ਮਸ਼ੀਨਾਂ ਦੀ ਵਧੀ ਹੋਈ ਗਿਣਤੀ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਬੋਝਲ ਬਣ ਸਕਦਾ ਹੈ, ਅਤੇ ਉੱਚ ਗਲਤੀ ਦਰਾਂ ਸਿਖਲਾਈ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਨਕਾਰਾਤਮਕ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਤ ਕਰ ਸਕਦੀਆਂ ਹਨ। ਸਿਖਲਾਈ ਵਿੱਚ ਖਾਸ ਕਲੱਸਟਰ ਸਕੇਲ ਜ਼ਰੂਰਤਾਂ ਵੀ ਹੁੰਦੀਆਂ ਹਨ, ਜਦੋਂ ਕਿ ਅਨੁਮਾਨ ਲਈ ਕਲੱਸਟਰਾਂ ਦੀਆਂ ਮੰਗਾਂ ਇੰਨੀਆਂ ਸਖ਼ਤ ਨਹੀਂ ਹਨ, ਇਸ ਤਰ੍ਹਾਂ GPU ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਸੌਖਾ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ। ਵਰਤਮਾਨ ਵਿੱਚ, Nvidia ਦੇ ਸਿੰਗਲ H20 ਕਾਰਡ ਦਾ ਪ੍ਰਦਰਸ਼ਨ Huawei ਜਾਂ Cambrian ਨਾਲੋਂ ਵੱਧ ਨਹੀਂ ਹੈ; ਇਸਦੀ ਤਾਕਤ ਕਲੱਸਟਰਿੰਗ ਵਿੱਚ ਹੈ। ਕੰਪਿਊਟੇਸ਼ਨਲ ਪਾਵਰ ਮਾਰਕੀਟ 'ਤੇ ਸਮੁੱਚੇ ਪ੍ਰਭਾਵ ਦੇ ਆਧਾਰ 'ਤੇ, Luchen Technology ਦੇ ਸੰਸਥਾਪਕ, You Yang ਨੇ AI Technology Review ਨਾਲ ਇੱਕ ਇੰਟਰਵਿਊ ਵਿੱਚ ਨੋਟ ਕੀਤਾ, "DeepSeek ਅਸਥਾਈ ਤੌਰ 'ਤੇ ਅਤਿ-ਵੱਡੇ ਸਿਖਲਾਈ ਕੰਪਿਊਟੇਸ਼ਨਲ ਕਲੱਸਟਰਾਂ ਦੀ ਸਥਾਪਨਾ ਅਤੇ ਕਿਰਾਏ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰ ਸਕਦਾ ਹੈ। ਲੰਬੇ ਸਮੇਂ ਵਿੱਚ, ਵੱਡੇ ਮਾਡਲ ਸਿਖਲਾਈ, ਤਰਕ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨਾਲ ਜੁੜੀਆਂ ਲਾਗਤਾਂ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਘਟਾ ਕੇ, ਮਾਰਕੀਟ ਦੀ ਮੰਗ ਵਧਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ। ਇਸ ਲਈ ਇਸ 'ਤੇ ਅਧਾਰਤ AI ਦੇ ਬਾਅਦ ਦੇ ਦੁਹਰਾਓ ਕੰਪਿਊਟੇਸ਼ਨਲ ਪਾਵਰ ਮਾਰਕੀਟ ਵਿੱਚ ਨਿਰੰਤਰ ਮੰਗ ਨੂੰ ਲਗਾਤਾਰ ਵਧਾਏਗਾ।" ਇਸ ਤੋਂ ਇਲਾਵਾ, "ਡੀਪਸੀਕ ਦੀ ਤਰਕ ਅਤੇ ਫਾਈਨ-ਟਿਊਨਿੰਗ ਸੇਵਾਵਾਂ ਲਈ ਵਧੀ ਹੋਈ ਮੰਗ ਘਰੇਲੂ ਕੰਪਿਊਟੇਸ਼ਨਲ ਲੈਂਡਸਕੇਪ ਦੇ ਅਨੁਕੂਲ ਹੈ, ਜਿੱਥੇ ਸਥਾਨਕ ਸਮਰੱਥਾਵਾਂ ਮੁਕਾਬਲਤਨ ਕਮਜ਼ੋਰ ਹਨ, ਜੋ ਕਲੱਸਟਰ ਸਥਾਪਨਾ ਤੋਂ ਬਾਅਦ ਵਿਹਲੇ ਸਰੋਤਾਂ ਤੋਂ ਹੋਣ ਵਾਲੀ ਬਰਬਾਦੀ ਨੂੰ ਘਟਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਦੀਆਂ ਹਨ; ਇਹ ਘਰੇਲੂ ਕੰਪਿਊਟੇਸ਼ਨਲ ਈਕੋਸਿਸਟਮ ਦੇ ਵੱਖ-ਵੱਖ ਪੱਧਰਾਂ 'ਤੇ ਨਿਰਮਾਤਾਵਾਂ ਲਈ ਵਿਹਾਰਕ ਮੌਕੇ ਪੈਦਾ ਕਰਦਾ ਹੈ।" ਲੂਚੇਨ ਟੈਕਨਾਲੋਜੀ ਨੇ ਘਰੇਲੂ ਕੰਪਿਊਟੇਸ਼ਨਲ ਸ਼ਕਤੀ 'ਤੇ ਅਧਾਰਤ ਡੀਪਸੀਕ R1 ਸੀਰੀਜ਼ ਰੀਜ਼ਨਿੰਗ API ਅਤੇ ਕਲਾਉਡ ਇਮੇਜਿੰਗ ਸੇਵਾਵਾਂ ਲਾਂਚ ਕਰਨ ਲਈ ਹੁਆਵੇਈ ਕਲਾਉਡ ਨਾਲ ਸਹਿਯੋਗ ਕੀਤਾ ਹੈ। ਯੂ ਯਾਂਗ ਨੇ ਭਵਿੱਖ ਬਾਰੇ ਆਸ਼ਾਵਾਦ ਪ੍ਰਗਟ ਕੀਤਾ: "ਡੀਪਸੀਕ ਘਰੇਲੂ ਤੌਰ 'ਤੇ ਤਿਆਰ ਕੀਤੇ ਹੱਲਾਂ ਵਿੱਚ ਵਿਸ਼ਵਾਸ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਅੱਗੇ ਵਧਣ ਲਈ ਘਰੇਲੂ ਕੰਪਿਊਟੇਸ਼ਨਲ ਸਮਰੱਥਾਵਾਂ ਵਿੱਚ ਵਧੇਰੇ ਉਤਸ਼ਾਹ ਅਤੇ ਨਿਵੇਸ਼ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦਾ ਹੈ।"
ਸਿੱਟਾ
ਕੀ ਡੀਪਸੀਕ ਚੈਟਜੀਪੀਟੀ ਨਾਲੋਂ "ਬਿਹਤਰ" ਹੈ, ਇਹ ਉਪਭੋਗਤਾ ਦੀਆਂ ਖਾਸ ਜ਼ਰੂਰਤਾਂ ਅਤੇ ਉਦੇਸ਼ਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਲਚਕਤਾ, ਘੱਟ ਲਾਗਤ ਅਤੇ ਅਨੁਕੂਲਤਾ ਦੀ ਲੋੜ ਵਾਲੇ ਕਾਰਜਾਂ ਲਈ, ਡੀਪਸੀਕ ਉੱਤਮ ਹੋ ਸਕਦਾ ਹੈ। ਰਚਨਾਤਮਕ ਲਿਖਤ, ਆਮ ਪੁੱਛਗਿੱਛ, ਅਤੇ ਉਪਭੋਗਤਾ-ਅਨੁਕੂਲ ਗੱਲਬਾਤ ਇੰਟਰਫੇਸ ਲਈ, ਚੈਟਜੀਪੀਟੀ ਅਗਵਾਈ ਕਰ ਸਕਦਾ ਹੈ। ਹਰੇਕ ਟੂਲ ਵੱਖ-ਵੱਖ ਉਦੇਸ਼ਾਂ ਦੀ ਪੂਰਤੀ ਕਰਦਾ ਹੈ, ਇਸ ਲਈ ਚੋਣ ਉਸ ਸੰਦਰਭ 'ਤੇ ਬਹੁਤ ਨਿਰਭਰ ਕਰੇਗੀ ਜਿਸ ਵਿੱਚ ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
ਕੰਟਰੋਲ ਕੇਬਲ
ਸਟ੍ਰਕਚਰਡ ਕੇਬਲਿੰਗ ਸਿਸਟਮ
ਨੈੱਟਵਰਕ ਅਤੇ ਡਾਟਾ, ਫਾਈਬਰ-ਆਪਟਿਕ ਕੇਬਲ, ਪੈਚ ਕੋਰਡ, ਮੋਡੀਊਲ, ਫੇਸਪਲੇਟ
16 ਅਪ੍ਰੈਲ-18, 2024 ਦੁਬਈ ਵਿੱਚ ਮੱਧ-ਪੂਰਬ-ਊਰਜਾ
16-18 ਅਪ੍ਰੈਲ, 2024 ਮਾਸਕੋ ਵਿੱਚ ਸੇਕੁਰਿਕਾ
9 ਮਈ, 2024 ਨੂੰ ਸ਼ੰਘਾਈ ਵਿੱਚ ਨਵੇਂ ਉਤਪਾਦਾਂ ਅਤੇ ਤਕਨਾਲੋਜੀਆਂ ਦਾ ਲਾਂਚ ਪ੍ਰੋਗਰਾਮ
22-25 ਅਕਤੂਬਰ, 2024 ਬੀਜਿੰਗ ਵਿੱਚ ਸੁਰੱਖਿਆ ਚੀਨ
ਨਵੰਬਰ.19-20, 2024 ਕਨੈਕਟਡ ਵਰਲਡ ਕੇਐਸਏ
ਪੋਸਟ ਸਮਾਂ: ਫਰਵਰੀ-10-2025