DeepSeek эта пушка уже прижата к затылку Кремниевой долины

DeepSeek V4 发布后的几天，硅谷那边一直在发酵，也带来了几个更尖锐的问题讨论：模型效率、芯片格局、IPO 时点、开源对闭源的挤压。

29 апреля, из видеоблога из Кремниевой долины 101, пригласили архитектора чипов Сяо Чжибина и бывшего исследователя OpenAI Дженни Сяо, которые более часа обсуждали всю ситуацию, полностью разобрав её.

被开源超越，你的商业价值归零

В самой жесткой части беседы — концепция, предложенная Дженни еще в прошлом году — kill line（линия смерти）， открытое моделирование задает линию смерти для закрытых базовых моделей.

“Если вы — компания, создающая базовые модели, и вас обгоняет open source, ценность вашего бизнеса фактически равна нулю.”

Если вы — компания по созданию базовых моделей, и вас обгоняет open source, ваша коммерческая ценность сразу обнуляется.

Это не технологическая конкуренция, это граница жизни и смерти.

Дженни привела пример Anthropic: если однажды Claude перестанет быть лучшей моделью для программирования, кто еще будет использовать Claude Code?

Следуя этой логике, 24 апреля после релиза DeepSeek V4 все закрытые компании Кремниевой долины столкнулись с вопросом: ваша модель сейчас стоит такую цену?

Самый очевидный показатель — цена:

GPT-5.5 стоит в два раза дороже GPT-5.4, версия Pro для длинных текстов — 180 долларов за миллион токенов.

В тот же день вышел DeepSeek V4. Ввод — 1 юань за миллион токенов, вывод — 24 юаня за миллион токенов. Версия Flash — еще жестче: ввод — 0,2 юаня за миллион токенов, вывод — 2 юаня за миллион токенов.

Один в два раза дороже, другой в десять раз дешевле.

Оценка базовых моделей — двоичная: ваша причина существования — самая сильная модель. Если она перестает быть лучшей, оценка сразу падает до нуля. Даже если вы — OpenAI.

Много денег — не значит экономить

Дженни в беседе раскрыла неприятную правду, которую Кремниевая долина боится признать:

“В Кремниевой долине денег слишком много, и это демотивирует оптимизацию эффективности. Китайские разработчики моделей вынуждены быстрее внедрять инновации в токен-эффективность из-за ограниченных ресурсов.”

Ограниченность ресурсов, наоборот, ускоряет инновации.

OpenAI с самого начала придерживается принципа “двигайся быстро, ломай вещи”, покупая GPU без ограничений, активно строя инфраструктуру. Anthropic же действует сдержаннее, опасаясь, что доходы не успеют за затратами.

Результат? При одинаковом доходе Anthropic демонстрирует значительно более высокую капитализацию эффективности, чем OpenAI.

Еще сложнее — OpenAI одновременно работает в нескольких направлениях: аппаратное обеспечение, собственные чипы, приложения для покупок, — а основной продукт ChatGPT страдает. С конца прошлого года многие побочные проекты закрываются, в том числе Sora.

Инвесторы полностью изменили свое отношение. Раньше они считали AI-компании — “кривая экспоненциального роста, продолжаем инвестировать”. Сейчас спрашивают:

“Еще 1 миллиард, 10 миллиардов — где маржа? ROI?”

DeepSeek дает очень прямой ответ: продолжать расширять инфраструктуру — уже невыгодно.

Инновации — результат давления извне. Дешевизна сама по себе — предпосылка технологической революции.

Каждая индустриальная революция движется не только технологией, но и ценой. Только когда технология становится доступной простым людям, она способна по-настоящему изменить мир.

Без эффективности — AGI лишь демонстрация

Чжоу Чжибин после прочтения документа V4 считает: “Направление ожидаемо, завершенность инженерных решений — неожиданна.”

Все технические улучшения V4 нацелены на одну цель — токен-эффективность.

Он использовал три ключевых метода:

• Muon оптимизатор: заменяет часть обучающих модулей традиционного Adam, ускоряя сходимость.

Все три меры ведут к одному результату: снижение стоимости генерации каждого токена, уменьшение памяти при выводе.

Расчетные затраты снизились до 1/3 по сравнению с моделями Кремниевой долины, а использование памяти — до 1/10.

Но самое тревожное — не только “экономия денег”.

Дженни в беседе неоднократно подчеркивала: в эпоху чатботов ограничение по токенам — не критично, даже если модель дороже, пользователи терпят. Но в эпоху агентов — совсем другая логика — разбиение длинных задач, вызовы инструментов, постоянное размышление и планирование — токенов расходуется в 10-100 раз больше.

Если цена за токен высокая, модели невозможно долго и глубоко думать, и масштабное обслуживание пользователей становится невозможным.

Поэтому она сформулировала ключевую мысль:

Без эффективности — AGI лишь демонстрация. С эффективностью — AGI может стать настоящим продуктом.

В эпоху агентов эффективность — часть интеллекта.

Anthropic почему обогнал до 1 трлн? Фокус > все остальное

За последнее время оценка Anthropic превзошла OpenAI и достигла 1 трлн долларов.

Дженни выделила три причины, но суть — всего пять слов: Фокус > все остальное.

Первая — Claude Code.

Почему Claude Code — “точка отсчета” для Anthropic?

Модели Anthropic всегда были хороши, но Claude Code — это реально драйвер доходов. Основатель OpenClaw Питер Штайнбергер написал статью: «Claude Code — это мой компьютер».

Когда модель умеет писать код, она способна выполнять универсальные задачи — обновлять CRM, пересылать письма, автоматизировать процессы, — всё на базе кода.

Дженни очень точно отметила: программирование — самый важный шаг к AGI. Кто возьмется за программирование, тот станет лидером эпохи AGI.

Вторая — доверие бизнеса.

Клиенты из портфеля Дженни постоянно говорят: выбираем Anthropic, потому что у него есть гарантии безопасности. А еще — дело с иском против Пентагона, что укрепило доверие.

Третья — не делать лишнего.

OpenAI хотел создать “все для всех”, в результате — рассеял силы, потерял технологическое лидерство. Anthropic сосредоточился на трех направлениях: безопасность, бизнес, программирование.

Кремниевая долина придерживается принципа: доходы от бизнеса важнее потребительских. Доходы от корпоративных клиентов — главный источник финансирования, что очень нравится американскому рынку.

NVIDIA: краткосрочная безопасность, долгосрочный рынок

Говоря о чипах, сейчас все считают, что DeepSeek идет по пути “деконвертации” от NVIDIA.

Но ситуация сложнее.

Обучение: крупномасштабное предобучение V4, без сомнения, проходило на кластерах NVIDIA. В английском отчете V4, стр. 16, 20, упоминаются такие ключевые операторы, как TCGenO5 и MegaMoE², — это глубокая интеграция с CUDA.

Адаптация: Huawei Ascend позиционирует себя как “адаптация и продолжение обучения/вывода за 0-день”, AMD — как “интеграция оптимизаций в ROCm”.

Обратите внимание — “адаптация”.

Это означает, что модель уже обучена на кластерах NVIDIA. Ascend и AMD лишь используют свои программные стеки для “подключения” к уже обученной модели. Это обратная совместимость, а не нативная замена.

С этой точки зрения, в краткосрочной перспективе — NVIDIA сохраняет глубокий барьер на этапе обучения. Экосистема CUDA — не то, что можно за год или два заменить.

Но что будет в долгосрочной? Рынок вывода — действительно меняется.

После снижения затрат на внимание при длинных контекстах V4, границы масштабных выводов значительно расширились. Вывод уже не зависит от “кто больше карточек”, а — “кто лучше архитектурно подходит”. Google TPU, AMD, собственные чипы облачных провайдеров и даже отечественные вычислительные системы — ищут возможности в этой области.

Тревожный “80/20” сигнал

В портфеле Дженни есть данные: 80% задач выполняются на средних и малых open source моделях. Только 20% — на закрытых.

Год назад никто бы не поверил в такую пропорцию.

Теперь в Кремниевой долине ежедневно звучит: “У нас есть 10 миллионов долларов в акциях OpenAI, вы покупаете? Или знаете, кто покупает?”

29 апреля, в финале выпуска Кремниевой долины 101, Дженни подытожила:

“DeepSeek — это пистолет, прижатый к спине моделирующих компаний Кремниевой долины. Если они не будут быстро развиваться, DeepSeek догонит и полностью разрушит их бизнес.”

Этот пистолет уже заряжен.