CEO NVIDIA Berbicara Tentang AI DeepSeek Cina untuk Pertama Kalinya
Diana Golenko
Sudah hampir sebulan sejak harga saham NVIDIA jatuh akibat model AI China DeepSeek, dan CEO perusahaan Jensen Huang akhirnya memberikan komentar tentang apa yang terjadi. Menurutnya, para investor hanya tidak memahami situasinya.
Perlu diingat bahwa peluncuran model R1 dari DeepSeek pada bulan Januari menyebabkan penurunan tajam nilai pasar NVIDIA sebesar $600 miliar. Kendala utamanya adalah biaya pengembangan yang rendah (sekitar $5 juta) dan kode sumber terbuka dari pesaing DeepSeek. Jaringan saraf tersebut segera menarik perhatian semua investor sebagai proyek yang lebih menjanjikan. Namun, seperti yang dikatakan Jensen Huang dalam wawancara terbaru dengan Business Insider, mereka terburu-buru mengambil kesimpulan.
Dari perspektif investor, ada model mental bahwa dunia melakukan pra-pelatihan dan kemudian inferensi. Dan inferensi adalah: Anda mengajukan pertanyaan kepada AI, dan Anda langsung mendapatkan jawaban. Saya tidak tahu siapa yang salah, tetapi jelas bahwa paradigma itu salah.
Singkatnya, para investor menganggap biaya pelatihan AI terlalu tidak masuk akal, karena DeepSeek dapat menyelesaikan tugas yang sama dengan biaya $5 juta. Namun, analis kemudian mengatakan bahwa biaya sebenarnya untuk melatih model terobosan tersebut adalah sekitar $1 miliar.
Namun, kepala NVIDIA mengakui bahwa DeepSeek berhasil merilis model sebagai sumber terbuka. Dalam hal ini, model tersebut dapat dimodifikasi tanpa batasan oleh spesialis pihak ketiga dan organisasi lain, menerapkannya dalam produk mereka.
Lebih banyak detail tentang situasi seputar DeepSeek dan jatuhnya saham NVIDIA diceritakan dalam artikelkhusus kami.
-
ASUS ROG Astral RTX 5090 Terbakar Setelah Menjelajahi Situs Web -
NVIDIA Mempersiapkan Dua Versi GeForce RTX 5060 Ti untuk Bersaing dengan AMD -
NVIDIA Merilis Driver GeForce Baru 572.60, Menambahkan Dukungan untuk Monster Hunter Wilds -
Driver NVIDIA GeForce Baru Dirilis Memperbaiki Layar Hitam -
NVIDIA Sedang Menguji RTX 4090 dengan Memori Empat Kali Lipat dari Model Standar
