Por Que o DeepSeek é Ruim para a NVIDIA? Analisando a Interrupção da IA

A ascensão do DeepSeek está desafiando a dominância da NVIDIA no hardware de IA. Desde o lançamento do DeepSeek R1 em janeiro de 2025, a NVIDIA enfrentou volatilidade no mercado de ações, com bilhões em valor de mercado eliminados.

Por que o DeepSeek é ruim para a NVIDIA? A resposta está em seu treinamento de modelos de IA com custo eficiente, otimização orientada por software e vantagens geopolíticas. Este artigo explora as principais razões pelas quais o DeepSeek está perturbando o modelo de negócios da NVIDIA e remodelando a indústria de hardware de IA.

Parte 1: A Eficiência de Custo do DeepSeek Minará o Modelo de Negócios da NVIDIA

O negócio da NVIDIA prospera na venda de GPUs de alto desempenho para empresas de IA que precisam de um poder computacional massivo para treinar modelos. O DeepSeek desafia esse modelo ao reduzir drasticamente o custo do treinamento de IA e os custos de inferência de IA.

Custos de Treinamento de IA Mais Baixos

O DeepSeek treinou o R1 usando apenas 2.048 GPUs NVIDIA H800 a um custo de $5,6-6 milhões, significativamente menos do que os $100 milhões que a OpenAI gastou no GPT-4 ou os $60 milhões que a Meta usou para o LLaMA 3. A eficiência vem da ativação esparsa e do treinamento de precisão mista FP8, reduzindo os custos computacionais.

Custos de Inferência Mais Baixos

O DeepSeek oferece um modelo de preços de API de $0,55 por milhão de tokens de entrada, em comparação com os $15 por milhão de tokens da OpenAI, reduzindo drasticamente os custos de inferência de IA. Isso o torna mais atraente para empresas que buscam uma implantação de IA econômica e reduz a demanda por GPUs de alto desempenho da NVIDIA.

Para a NVIDIA, cuja receita de $61 bilhões em 2024 dependia das vendas de GPUs para hyperscalers, a mudança em direção a métodos de treinamento de IA mais eficientes sinaliza um potencial declínio na demanda por hardware caro.

Parte 2: A Otimização de Software do DeepSeek Reduz a Dependência de GPUs

O sucesso do DeepSeek prova que as inovações em IA não requerem mais computação de GPU em força bruta. Em vez disso, a otimização inteligente de software pode compensar as limitações de hardware.

Inovações de Software Reduzem Necessidades de GPU

• O DeepSeek V3 usa um modelo de Mistura de Especialistas (MoE) que ativa apenas 37 bilhões de parâmetros durante a inferência, enquanto possui um total de 671 bilhões de parâmetros, reduzindo o consumo de energia da GPU.
• A Otimização DualPipe melhora a comunicação entre GPUs, tornando possível treinar modelos de forma eficiente em GPUs NVIDIA mais antigas ou rebaixadas, como a A100 e a H800.

Mesmo com as restrições de exportação dos EUA limitando o acesso a GPUs NVIDIA de ponta, como a H100, o DeepSeek desenvolveu soluções alternativas que mantêm o desempenho da IA sem depender dos chips mais recentes.

Parte 3: Tensões Geopolíticas e a Fragmentação dos Mercados de IA

Por que o DeepSeek é ruim para a NVIDIA? A rivalidade tecnológica EUA-China acelerou a inovação em IA orientada por software na China, reduzindo a dependência do hardware de alto desempenho da NVIDIA.

Restrições de Exportação de Chips dos EUA Têm Efeito Contraproducente

• O DeepSeek depende do H800 da NVIDIA, um chip de IA rebaixado para a China, mostrando como as empresas de IA estão encontrando brechas nas restrições de chips.
• A pressão da China por autossuficiência em IA significa mais financiamento doméstico e incentivos para alternativas à NVIDIA.

Adoção em Mercados Emergentes

Embora as empresas baseadas nos EUA possam hesitar em adotar o DeepSeek devido a preocupações com a privacidade de dados, seu modelo de IA de código aberto está ganhando força em mercados emergentes. Isso pode levar à fragmentação no desenvolvimento de IA, enfraquecendo a influência global da NVIDIA.

Parte 4: Preocupações dos Investidores Sobre o Crescimento de Longo Prazo da NVIDIA

A ascensão do DeepSeek alimentou dúvidas sobre o modelo de receita de longo prazo da NVIDIA.

Declínio na Demanda por GPUs de Empresas de IA

• Gigantes da tecnologia como Google, Amazon e Meta estão desenvolvendo chips de IA personalizados para reduzir a dependência da NVIDIA.
• À medida que os modelos de IA se tornam mais eficientes, as empresas estão questionando a necessidade de investimentos caros em GPUs.

Riscos de Superavaliação do Mercado

• A avaliação das ações da NVIDIA assume um crescimento contínuo da IA, mas os avanços do DeepSeek na eficiência da IA podem desafiar essas projeções.
• Se a computação em IA se tornar mais econômica, isso pode levar a receitas mais baixas por venda de GPU, semelhante a como os custos de armazenamento em nuvem caíram ao longo do tempo.

Parte 5: Riscos de Segurança e Preocupações Regulatórias

Outra razão pela qual o DeepSeek é ruim para a NVIDIA é a crescente fiscalização sobre segurança de IA e preocupações éticas.

Vulnerabilidades de Segurança do DeepSeek

• A empresa de cibersegurança KELA descobriu que o DeepSeek R1 é vulnerável a gerar ransomware e desinformação.
• Questões de privacidade - os modelos do DeepSeek armazenam dados em servidores chineses, levantando questões de conformidade nos mercados da UE e dos EUA.

Para a NVIDIA, a associação com modelos de IA menos seguros pode impactar seus contratos com empresas e governos, que priorizam segurança e conformidade em IA.

Parte 6: A Resposta da NVIDIA e os Desafios Futuros

Para combater a interrupção do DeepSeek, a NVIDIA integrou o DeepSeek R1 em sua plataforma de microserviços NIM, visando manter sua influência na infraestrutura de IA.

Desafios à Dominância da IA da NVIDIA

• As grandes empresas de tecnologia estão desenvolvendo hardware de IA interno para reduzir a dependência das GPUs da NVIDIA.
• Frameworks de IA de código aberto como MLX e Triton estão erodindo a dominância do CUDA, tornando os modelos de IA mais flexíveis em diferentes plataformas de hardware.

Se a NVIDIA não se adaptar ao cenário em mudança da IA, sua posição como fornecedora líder de hardware de IA pode estar em risco.