I januar 2025 lancerede den kinesiske AI-startup DeepSeek sin ræsonneringsmodel DeepSeek-R1 — og inden for en uge havde den rystet hele techverdenen. Målt på ydeevne kan denne kinesiske AI-model måle sig med OpenAI’s ChatGPT, men udviklingsomkostningerne var radikalt anderledes. Mens OpenAI bruger hundredvis af millioner af dollar, brugte DeepSeek angiveligt blot $5.6 million på træning. Desuden brugte DeepSeek ikke Nvidias mest avancerede AI-chips — amerikanske eksportrestriktioner forbyder salg af dem til Kina — men nedskalerede versioner. Det rejste et ubehageligt spørgsmål: Hvis en kraftfuld og billig AI kan bygges sådan i Kina, er de astronomiske budgetter hos amerikanske AI-virksomheder så berettigede?
DeepSeek-R1 vs. OpenAI i korte træk
Før vi går i detaljer, følger her en sammenligning side om side af det, der gjorde DeepSeeks lancering så usædvanlig sammenlignet med den etablerede leder på AI-markedet.
| DeepSeek-R1 | OpenAI | |
|---|---|---|
| Oplyst træningsomkostning | Omkring $5.6 million | Hundredvis af millioner af dollar |
| Hardware | Nvidia H800 — eksportgodkendte, nedskalerede chips | Nvidia H100 — førsteklasses AI-chips |
| Modeladgang | Åbne modelvægte og kode, gratis at downloade og ændre | Proprietær, kun API og abonnement |
| App Store (slutningen af januar 2025) | Nr. 1 blandt gratis apps i USA og Kina | Overhalet af DeepSeek |
| Filtrering af svar | Statscensur af politisk følsomme emner | Virksomheden fastlægger indholdspolitikken |
DeepSeek får markedet til at styrtdykke: Nvidia taber $600 milliarder
Aktiemarkedets reaktion var øjeblikkelig. Nvidia, verdens største leverandør af AI-chips, så sin aktiekurs falde 17% på én dag, hvilket udslettede omkring $600 milliarder i markedsværdi — det største endagsfald for nogen virksomhed i amerikansk aktiemarkedshistorie. Nasdaq 100, der omfatter de største teknologivirksomheder, mistede næsten $1 billion i et af de mest markante tech-krak i de senere år.
Venturekapitalisten, ingeniøren og opfinderen Marc Andreessen kaldte det AI’s “Sputnik-øjeblik” og sammenlignede begivenheden med Sovjetunionens opsendelse af den første satellit i 1957. Dengang indså verden, at USSR havde overhalet USA i rumkapløbet. Nu har Kina taget et lignende spring inden for kunstig intelligens og tvunget Vesten til at erkende, at teknologisk overlegenhed ikke længere er dets eksklusive fordel.
Hemmeligheden bag DeepSeeks succes: Billige chips, open source og en viral app
Tre faktorer forklarer DeepSeeks succes. For det første lykkedes det virksomheden at reducere omkostningerne ved AI-træning dramatisk: Mens OpenAI bruger hundredvis af millioner på at udvikle sine modeller, opnåede DeepSeek et sammenligneligt niveau for blot $5.6 million. Det var muligt, fordi virksomheden brugte de mere prisvenlige Nvidia H800-chips i stedet for de avancerede H100-processorer, som konkurrenterne er afhængige af. Optimerede algoritmer gjorde det derefter muligt for DeepSeek at bevare høj effektivitet med langt mindre regnekraft.
Den anden fordel var DeepSeeks beslutning om at gøre sin kunstige intelligens til open source ved at offentliggøre modelvægte og kode. Det betyder, at alle kan downloade, tilpasse eller forbedre teknologien — særligt attraktivt for virksomheder, forskere og startups, som ikke har råd til proprietær AI i stor skala.
Den tredje faktor bag DeepSeeks hurtige fremgang var den øjeblikkelige og enorme popularitet blandt slutbrugere. Inden for få dage blev DeepSeek-chatbotappen den mest downloadede gratis app i Apple App Store i både USA og Kina og overhalede ChatGPT.
Beskyldninger om destillation og amerikanske chipsanktioner
OpenAI og Microsoft indledte en undersøgelse, fordi de mistænkte DeepSeek for at have brugt deres teknologi til at træne sin model. Ifølge dem benyttede DeepSeek angiveligt vidensdestillation — en metode, hvor én AI-model efterligner en anden for at overtage dens svarstil og ræsonnement. Hvis det bevises, kan DeepSeek stå over for alvorlige juridiske problemer.
Dernæst er der USA’s sanktioner mod Kina. Beijing kan i øjeblikket ikke købe Nvidias mest avancerede chips, og strengere eksportkontrol kan hæmme Kinas bestræbelser på at udvikle den næste generation af AI-modeller. Alligevel viser det, at DeepSeek er nået så langt, hvor selvforsynende den kinesiske techindustri allerede er blevet.
Trods beskyldningerne anerkendte OpenAI CEO Sam Altman, at DeepSeek er en stærk konkurrent, og sagde, at den kinesiske model var imponerende, særligt i betragtning af dens relativt lave pris.
Hvad DeepSeek-chokket betyder for AI-branchen
DeepSeek vil sandsynligvis vende op og ned på den etablerede opfattelse af, hvad AI bør være, og hvad den bør koste. Indtil for nylig antog man, at opbygning af kraftfulde store sprogmodeller kræver enorme investeringer og en meget kompleks infrastruktur med tusindvis af topmoderne chips. Den kinesiske virksomhed har vist, at sammenlignelige resultater kan opnås med langt færre ressourcer. Det udfordrer branchens traditionelle praksis og tvinger de store aktører til at revurdere deres strategi.
Succesen kan også flytte magtbalancen i det teknologiske kapløb. For ikke længe siden blev Kina betragtet som en outsider inden for AI; nu er landet højst få år bagefter, hvis overhovedet. Med frygt for at sakke bagud annoncerede USA’s præsident Donald Trump Stargate-initiativet — et program på op til $500 milliarder, der skal styrke amerikanske AI-udvikleres position.
OpenAI er også begyndt at sænke priserne på sine tjenester for at fastholde brugere. Hvis DeepSeek fortsætter med at lancere open-source AI-løsninger, som konkurrerer med markedslederne næsten uden omkostninger, vil presset på hele branchen kun vokse.
Den anden side af DeepSeek: Censur og tvivl om omkostningerne
Kinesisk AI er dog langt fra fejlfri. DeepSeeks svar filtreres i tråd med statscensur — chatbotten afviser at svare på spørgsmål om Xi Jinping eller Taiwan. Nogle analytikere sætter også spørgsmålstegn ved de oplyste udviklingsomkostninger og foreslår, at den kinesiske regering i stilhed kan have subsidieret elektricitet, lønninger og regneressourcer til projektet. Det er dog vanskeligt at verificere.
Der er også spørgsmålet om data. DeepSeek-appen gemmer brugerdata på servere i Kina, hvilket allerede har fået tilsynsmyndigheder i flere lande til at se nærmere på tjenesten — en påmindelse om, at en billig AI-model kan medføre sine egne compliance-omkostninger.
Hvad er det næste for DeepSeek og AI-kapløbet?
DeepSeek har allerede ændret spillereglerne. Fra nu af må verdens førende IT-virksomheder spille efter andre regler. Det teknologiske kapløb fortsætter — med investeringer i Stargate-skala på den ene side og open-source-modeller på den anden — og vi står måske virkelig på tærsklen til en ny æra med tilgængelig kunstig intelligens, eller blot ved begyndelsen på en intens konkurrence mellem USA og Kina inden for højteknologi.
Hvad det betyder for startups og stiftere
Billigere AI med åbne modelvægte sænker barrieren for at bygge AI-produkter: Et lille team kan nu køre en førsteklasses model på sin egen infrastruktur i stedet for at betale for proprietær adgang. Modstykket er, at den juridiske og regulatoriske del — databeskyttelse, indholdsfiltrering og licensvilkår — bliver stifterens ansvar.
Eesti Firma tilbyder selskabs- og juridisk støtte til AI-projekter og hjælper virksomheder med at følge med i et teknologisk og regulatorisk miljø i konstant forandring. Du er velkommen til at kontakte os for professionel rådgivning og støtte.
Ofte stillede spørgsmål
DeepSeek-R1 er en ræsonnementsfokuseret stor sprogmodel, lanceret af den kinesiske startup DeepSeek i januar 2025. Den præsterer på et niveau, der kan sammenlignes med modellerne bag OpenAI’s ChatGPT, men er langt billigere at træne, og dens modelvægte er offentliggjort under en åben licens.
Investorer frygtede, at hvis en førsteklasses AI-model kan trænes på billigere, begrænsede chips for få millioner dollar, kan efterspørgslen efter Nvidias dyreste hardware blive lavere end forventet. Aktien faldt 17% på én dag og udslettede omkring $600 milliarder i markedsværdi.
Modelvægtene og koden er offentligt tilgængelige, så udviklere selv kan downloade, køre og finjustere modellen. Træningsdataene er dog ikke udgivet, så den beskrives mere præcist som en model med åbne vægte.
DeepSeek oplyste, at den endelige træningskørsel kostede omkring $5.6 million. Nogle analytikere påpeger, at tallet ikke omfatter forskning, tidligere forsøg og hardwarekøb, så programmets samlede omkostning var sandsynligvis langt højere.
Ja — den åbne licens tillader kommerciel brug, og modellen kan hostes på egen eller europæisk cloudinfrastruktur. Virksomheder bør fortsat vurdere databeskyttelse, indholdsfiltrering og licensvilkårene før implementering.
