Framväxten av Deepseek är en "enorm möjlighet" för dem, inte ett hot.
Öppen källkod innebär att källkoden för programvara kan göras fritt tillgänglig på webben för modifiering och omfördelning. Till skillnad från konkurrenter som OpenAI är Deepseeks modell öppen källkod.
R1 visar att tillväxt inte kommer att domineras av ett företag - det finns ingen hårdvara och mjukvara "vallgrav" i öppen källkodsmodell.
Deepseeks Open Source R1-inferensmodell, som släpptes i slutet av förra månaden, är jämförbar med den bästa tekniken i USA och har uppnått banbrytande prestanda till låg kostnad och chockerande den globala marknaden.
Precis som på datorn och internetmarknaderna hjälper fallande priser att driva global adoption. AI-marknaden ligger på en liknande långsiktig tillväxtväg.
Inferenschip 'Burst'
Genom att påskynda AI -cykeln från "träningsfasen" till "inferensfasen" kommer Deepseek sannolikt att öka antagandet av ny inferenschip -teknik.
Inferens hänvisar till att använda AI för att fatta förutsägelser eller beslut baserade på ny information, snarare än "utbildningsfasen" för bygg- eller utbildningsmodeller.
AI -utbildning handlar om att bygga ett verktyg eller algoritm, och resonemang handlar om att använda det verktyget i praktisk användning. "
AI -utbildning kräver mycket beräkning, men resonemang kan göras med mindre kraftfulla chips som är programmerade för att utföra ett smalt utbud av uppgifter.
Många i branschen tror att när kunderna adopterar och bygger Deepseeks öppen källkodsmodell ser de en ökande efterfrågan på slutsatser och datorer.
Deepseek har visat att mindre öppna källkodsmodeller kan tränas för att vara lika kraftfulla, om inte mer kraftfulla, än stora äganderätt till en bråkdel av kostnaden. Med den utbredda användningen av små funktionella modeller katalyserade de en era av resonemang.
Han noterade också att företaget nyligen har sett en fördubbling av intresse från kunder runt om i världen för att påskynda sina inferensinitiativ.
Nu flyttar företag utgifterna från träningskluster till resonemangskluster. Vi behöver bara mer och mer datorkraft för att skala dessa modeller för miljoner användare.
När den totala efterfrågan på AI växer kommer mindre företag att ha mer utrymme att växa, och eftersom världen kommer att behöva fler symboler (enheter av data som bearbetas av AI -modeller) kommer Nvidia inte att kunna leverera tillräckligt med chips för alla, så det ger oss möjlighet att sälja mer aggressivt till marknaden.