
Dies stellt keine Anlageberatung dar. Der Autor hält keine der erwähnten Aktien.
NVIDIAs Marktreaktion: Eine Verschiebung der Nachfragedynamik
NVIDIA erlebte einen gewaltigen Rückgang der Marktkapitalisierung um fast 500 Milliarden US-Dollar, da die Bedenken hinsichtlich der sich verändernden Nachfragelandschaft für Hyperscale-Computing zunehmen. Der Effizienzschub, der DeepSeeks bahnbrechendem R1-KI-Modell zugeschrieben wird, hat in der Tech-Community für Aufsehen gesorgt und Wall-Street-Analysten dazu veranlasst, ihre Prognose zur Zukunft des GPU-Marktführers zu überdenken.
Das revolutionäre KI-Modell von DeepSeek
Kürzlich machte DeepSeek, ein Technologie-Innovator aus China, Schlagzeilen, indem er sein R1-Modell für erstaunlich niedrige Kosten von rund 6 Millionen Dollar trainierte. Diese Zahl entspricht etwa einem Fünfzigstel der typischen Kosten, die für vergleichbare große Sprachmodelle (LLMs) anfallen, die in den USA und Europa entwickelt werden. Darüber hinaus übertreffen die Leistungskennzahlen des R1-Modells angeblich die des o1-Modells von OpenAI. Seine Betriebskosten liegen bei lediglich 3 % dessen, was OpenAI normalerweise für die Ausführung intensiver Aufgaben berechnet.
OK, HIER IST MEINE KURZE, TECHNISCH GETRIEBENE ÜBERSICHT ÜBER DEEPSEEK UND WARUM ES SO KOSTENEFFIZIENT IST:
1) Kosten im Gesamtbild: Herkömmliche KI-Labore (OpenAI, Anthropic) geben über 100 Millionen Dollar für Rechenleistung aus, um etwas wie GPT-4 zu trainieren. DeepSeek hat angeblich ein ähnlich leistungsfähiges Modell für nur 6 Dollar entwickelt… https://t.co/etCMxlWJdH
— Wall St Engine (@wallstengine) , 27. Januar 2025
Wie DeepSeek diese Effizienz erreichte
Die bemerkenswerte Kosteneffizienz des R1-Modells von DeepSeek ergibt sich aus mehreren innovativen Techniken:
- Verwendung von 8-Bit-Gleitkommazahlen, wodurch der Speicherbedarf um etwa 75 % reduziert wird.
- Kann mehrere Token gleichzeitig verarbeiten und dadurch die Rechengeschwindigkeit verbessern.
- Dadurch werden Ressourcen geschont und im Betrieb ist nur ein kleiner Teil der Gesamtparameter aktiv.
- Einbindung von bestärkendem Lernen, wodurch das Modell systematisch an die Problemlösung herangehen kann.
Auswirkungen auf NVIDIA und den GPU-Markt
Auf den ersten Blick könnte DeepSeeks R1-Modell eine erhebliche Herausforderung für NVIDIA darstellen und die Notwendigkeit der großen Anzahl an Hochleistungs-GPUs, die derzeit im Einsatz sind, in Frage stellen. Das R1-Modell wurde effektiv mit nur 2.000 H800-GPUs trainiert, was Zweifel an der Machbarkeit großer GPU-Cluster aufkommen lässt. Allerdings teilen nicht alle Analysten diese pessimistische Ansicht.
Cantor Fitzgerald: DeepSeek V3 ist tatsächlich sehr optimistisch für Compute und $NVDA :
„Nach der Veröffentlichung von DeepSeeks V3 LLM gab es große Befürchtungen hinsichtlich der Auswirkungen auf den Rechenbedarf und daher auch Befürchtungen hinsichtlich Spitzenausgaben für GPUs. Wir denken, dass diese Ansicht weit von der Wahrheit entfernt ist …“
— Wall St Engine (@wallstengine) , 27. Januar 2025
Unterschiedliche Meinungen zur GPU-Nachfrage
Cantor Fitzgerald erkennt die Bedenken an, die DeepSeeks Modell umgeben, behauptet aber, dass diese Befürchtungen fehlgeleitet sind. Sie behaupten, dass Fortschritte in der KI, einschließlich des Weges zur künstlichen allgemeinen Intelligenz (AGI), die Nachfrage nach Rechenressourcen tatsächlich steigern und nicht verringern werden.
Wir sind davon überzeugt, dass diese Ansicht alles andere als zutreffend ist und dass die Ankündigung grundsätzlich optimistisch ist, da der KI-Sektor weiterhin eher nach mehr als nach weniger Rechenleistung lechzt.
Cantor Fitzgerald plädiert deshalb dafür, im Falle einer Marktschwäche NVIDIA-Aktien zu kaufen.
Das Jevon-Paradoxon verstehen
Für diejenigen, die mit Jevons Paradox nicht vertraut sind: Es besagt, dass eine effizientere Nutzung einer natürlichen Ressource zu einem insgesamt höheren Verbrauch dieser Ressource führen kann. Dieses Prinzip wurde von Cantor Fitzgerald auf die Entwicklung der Fortschritte von DeepSeek und die breitere Demokratisierung von KI-Technologien angewendet.
Einblicke von Branchenanalysten
Der DeepSeek-Ausverkauf:
Reaktionen von Analysten:🔸 JPMorgan (Sandeep Deshpande): Schlägt vor, der KI-Investitionszyklus könnte überbewertet werden; die Effizienz von DeepSeek könnte zu einer rationalisierteren Zukunft führen.
🔸 Jefferies (Edison Lee): Schlägt zwei Strategien für die Zeit nach DeepSeek vor: weitermachen…
— *Walter Bloomberg (@DeItaone) 27. Januar 2025
Bemerkenswerterweise haben Citi und Bernstein nach den Ankündigungen von DeepSeek eine ähnlich optimistische Haltung gegenüber NVIDIA eingenommen, während Analysten bei Raymond James Bedenken hinsichtlich der Auswirkungen auf „große GPU-Cluster“ äußern.
Für eine detailliertere Analyse sehen Sie sich diese aufschlussreiche [Quelle und Bilder](https://wccftech.com/cantor-fitzgerald-on-nvidia-the-deepseek-announcement-is-actually-very-bullish-with-agi-seemingly-closer-to-reality-and-jevons-paradox-almost-certainly-leading-to-the-ai-industry-wanting-more-compu/) an.
Schreibe einen Kommentar