DeepSeek bei Finanzierungsrunde: Liang Wenfeng über Technologie und Geschäftsphilosophie großer Sprachmodelle

Auf einer Fundraising-Veranstaltung präsentierte DeepSeek-Gründer Liang Wenfeng eine detaillierte Analyse der Technologien großer Sprachmodelle und der kommerziellen Strategie des Unternehmens. Er erörterte wichtige Architekturentscheidungen, darunter die Nutzung von Sparse Attention und Mixture of Experts zur Verbesserung der Trainingseffizienz. Liang betonte, dass DeepSeek sich der Offenheit verpflichtet fühlt und Modelle sowie technische Berichte veröffentlicht, um die Community-Entwicklung zu fördern. Er ging auch auf den Wettbewerb im KI-Markt ein und merkte an, dass China sich eher auf grundlegende Forschung als nur auf Anwendungen konzentrieren sollte. Während des Treffens wurden die Perspektiven multimodaler Modelle und die Senkung der Rechenkosten durch Hardware- und Softwareoptimierung thematisiert.