NVIDIA und AMD nicht erforderlich: DeepSeek V4 auf Huawei-Chips trainiert

DeepSeek V4 nutzt Huawei-Chips zur Ausführung von Aufgaben der künstlichen Intelligenz. Laut der neuesten Forschung des Unternehmens wurden Huawei Ascend-Prozessoren für die Post-Training-Phase des V4 Pro-Modells eingesetzt. Dies ist ein weiterer wichtiger Erfolg für Chinas Halbleiterindustrie, da lokale Hersteller zwar bei der Datenverarbeitung erfolgreich waren, aber bei komplexen Aufgaben wie dem Modelltraining auf Schwierigkeiten stießen. Berichtet von Ixbt.com Bericht .

Eine Gruppe von Forschern nutzte einen Rechencluster aus etwa 1.000 Huawei Ascend 910C-Chips, um das DeepSeek V4 Pro-Modell zu trainieren. Mehrere angesehene Institute in Shenzhen arbeiteten mit Huawei zusammen, um das Projekt umzusetzen. Es handelte sich um einen Vollparameter-Trainingsprozess, bei dem die Fähigkeiten des Modells vollständig aktualisiert wurden, ohne seine Architektur zu ändern.

Im Bereich der künstlichen Intelligenz sind Inferenz und Post-Training zwei unterschiedliche Segmente. Das erste beinhaltet die Ausführung eines fertigen Modells zur Beantwortung von Benutzeranfragen, während das zweite das Lehren des Modells zur korrekten Ausführung menschlicher Befehle ist. Die Post-Training-Phase stellt sicher, dass das Modell Sicherheitsregeln einhält und auf der Grundlage präziser Anweisungen arbeitet. Diese Schritte helfen Chinas KI-Industrie, Unabhängigkeit zu erreichen.

Zuvor wurden DeepSeek-Modelle auf NVIDIA- oder AMD-Chips trainiert. Zum Beispiel wurde das DeepSeek V3-Modell auf einem Cluster aus 2.048 NVIDIA H800-Chips vorbereitet. Derzeit bereitet sich das DeepSeek-Startup darauf vor, Investitionen in Höhe von 50 Milliarden Yuan (ca. 7,4 Milliarden Dollar) anzuziehen. Im Wettbewerb mit Modellen wie ChatGPT zeigt DeepSeek hohe Effizienz bei der Textgenerierung, Programmierung und Lösung logischer Probleme.