NVIDIA y AMD no son necesarios: DeepSeek V4 entrenado en chips Huawei

DeepSeek V4 está utilizando chips Huawei para realizar tareas de inteligencia artificial. Según la última investigación de la empresa, se utilizaron procesadores Huawei Ascend para la etapa de post-entrenamiento del modelo V4 Pro. Este es otro logro significativo para la industria de semiconductores de China, ya que los fabricantes locales habían tenido éxito en el procesamiento de datos pero enfrentaban desafíos en tareas complejas como el entrenamiento de modelos. Informado por Ixbt.com informe .

Un grupo de investigadores utilizó un clúster de computación compuesto por aproximadamente 1.000 chips Huawei Ascend 910C para entrenar el modelo DeepSeek V4 Pro. Varios institutos prestigiosos de Shenzhen colaboraron con Huawei para implementar el proyecto. Se trató de un proceso de entrenamiento de parámetros completos, donde las capacidades del modelo se actualizaron por completo sin cambiar su arquitectura.

En el campo de la inteligencia artificial, la inferencia y el post-entrenamiento son dos segmentos distintos. El primero implica ejecutar un modelo listo para responder a las consultas de los usuarios, mientras que el segundo implica enseñar al modelo a ejecutar correctamente las órdenes humanas. La etapa de post-entrenamiento garantiza que el modelo cumpla con las normas de seguridad y opere basándose en instrucciones precisas. Estos pasos ayudan a la industria china de IA a lograr la independencia.

Anteriormente, los modelos DeepSeek se entrenaban en chips NVIDIA o AMD. Por ejemplo, el modelo DeepSeek V3 se preparó en un clúster de 2.048 chips NVIDIA H800. Actualmente, la startup DeepSeek se prepara para atraer inversiones por un valor de 50.000 millones de yuanes (aproximadamente 7.400 millones de dólares). Compitiendo con modelos como ChatGPT, DeepSeek demuestra alta eficiencia en la generación de texto, la programación y la resolución de problemas lógicos.