Dunia teknologi sudah sangat terkejut ketika mengetahui bahwa model AI dapat dikembangkan dengan lebih murah dan efisien. Namun, lanskap ini semakin bergeser setelah DeepSeek mengungkapkan beberapa data biaya dan pendapatan yang terkait dengan model V3 dan R1.

Potensinya untuk margin keuntungan yang sangat besar – hingga 545% dalam kondisi ideal menyoroti betapa efektifnya model AI. Informasi baru dari DeepSeek mengungkapkan margin keuntungan dari tugas “inferensi” yang tidak terlalu intensif secara komputasi. 

Ini adalah tahap setelah pelatihan yang melibatkan model AI terlatih untuk membuat prediksi atau melakukan tugas, seperti melalui chatbot.

Dalam sebuah unggahan GitHub yang diterbitkan pada hari Sabtu, DeepSeek mengungkapkan bahwa jika kita mengasumsikan bahwa biaya menyewa satu chip H800 adalah $2 per jam, total biaya inferensi harian untuk model V3 dan R1 adalah $87,072.

Sebagai perbandingan, pendapatan harian teoritis yang dihasilkan oleh model-model ini adalah $562,027, yang mengarah ke rasio biaya-laba sebesar 545%. Dalam setahun, ini akan menambah pendapatan lebih dari $200 juta.

Namun, DeepSeek telah memperingatkan bahwa “pendapatan aktualnya secara substansial lebih rendah” karena biaya penggunaan model V3 lebih rendah daripada model R1. Selain itu, hanya beberapa layanan yang dimonetisasi karena akses web dan aplikasi gratis, pengembang membayar lebih sedikit selama jam-jam di luar jam sibuk.

Model AI DeepSeek merupakan produk dari apa yang dikenal sebagai “distilasi”. Distilasi, yang kini menjadi kata yang populer di dunia teknologi, adalah teknik yang digunakan untuk membuat model AI yang lebih murah dan lebih efisien. 

Proses ini melibatkan penggunaan model AI yang besar, yang disebut ‘teacher‘, dan mengizinkannya untuk melatih model ‘student‘ yang lebih kecil dan lebih efisien.

Pada akhirnya, hal ini membantu perusahaan untuk mentransfer pengetahuan dari sistem AI yang besar ke dalam versi yang lebih kecil, lebih cepat, dan lebih murah. Perusahaan seperti OpenAI, Microsoft, dan bahkan Meta ikut serta dalam mengembangkan model tersebut. 

Berkat model ini, model AI dapat dibuat dengan murah dan efisien, sehingga memungkinkan perusahaan untuk menghemat uang sambil menjaga kinerja AI mereka tetap tinggi.

Kami memilih saham-saham AI dengan membaca artikel berita, analisis saham, dan siaran pers. Saham-saham ini juga populer di kalangan hedge fund. Data dana lindung nilai adalah per Q4 2024.

Mengapa kami tertarik dengan saham-saham yang ditumpuk oleh para hedge fund? Alasannya sederhana: riset kami menunjukkan bahwa kami dapat mengungguli market dengan meniru pilihan saham terbaik dari hedge fund terbaik. 

!

by Ajeng Sri

• Bagikan: