01 / Chipy Nvidii jako broń — i dlaczego ta strategia nie zadziałała tak, jak planowano
W 2022 roku USA nałożyły embargo na eksport zaawansowanych chipów graficznych — w tym Nvidia A100 i H100 — do Chin. Cel był prosty: spowolnić chiński wyścig w dziedzinie AI poprzez ograniczenie dostępu do mocy obliczeniowej. Jednak zanim restrykcje weszły w życie, chińska firma DeepSeek zdążyła zgromadzić klaster ponad 10 000 chipów A100. To właśnie na tej infrastrukturze — zbudowanej jeszcze przed sankcjami — inżynierowie opracowali techniki efektywności, które potem pozwoliły im trenować modele na słabszym sprzęcie. Embargo utrudniło dalszy rozwój, ale nie powstrzymało tego, co już zostało zbudowane.
02 / DeepSeek i architektura MoE — spryt zamiast brute force
Zamiast trenować jeden olbrzymi model zużywający całą dostępną moc obliczeniową, DeepSeek postawił na architekturę Mixture of Experts (MoE). Działa ona jak zespół specjalistów: przy każdym zapytaniu aktywuje się tylko część modelu — ta najbardziej odpowiednia do danego zadania. W efekcie model DeepSeek-R1 o 671 miliardach parametrów uruchamia jednocześnie zaledwie około 37 miliardów z nich. Pozwoliło to na wytrenowanie modelu za mniej niż 6 milionów dolarów — w porównaniu do setek milionów wydawanych przez OpenAI czy Anthropic.
03 / Google Gemma — cichy zwrot ku open source
Na tym tle warto przyjrzeć się ruchowi Google. Model Google Gemma w wersji gemma-4-26B-A4B-it trafił na chińską platformę agregującą modele AI — Silicon Flow — i pojawia się tam u boku DeepSeeka i chińskiego Qwena. Oznaczenie A4B wskazuje, że aktywnie używa on 4 miliardów z 26 miliardów parametrów — to dokładnie ta sama filozofia MoE, którą rozwinęły azjatyckie laboratoria. Google od lat eksperymentuje z tą architekturą, jednak fakt, że Gemma jest teraz dostępna bezpłatnie na platformach poza ekosystemem amerykańskim, to wyraźny sygnał strategiczny: zamknięte, drogie modele przestają być jedyną drogą do utrzymania pozycji na rynku.
Gemma jest dostępna bezpłatnie — to bezpośrednia odpowiedź Google na konkurencję cenową ze strony chińskich modeli open source.
04 / Co to oznacza dla przyszłości AI?
Rynek sztucznej inteligencji zmienia się szybciej, niż większość obserwatorów się spodziewała. Tanie i wydajne modele open source sprawiają, że bariera wejścia dla deweloperów na całym świecie gwałtownie spada. Kluczowe wnioski:
- Embargo USA na chipy Nvidia nie zakończyło chińskich ambicji w AI, lecz je zmodyfikowało — zmusiło do pracy nad efektywnością, a nie wyłącznie nad skalą.
- Paradoksalnie, właśnie efektywność stała się nowym wyznacznikiem jakości modeli. Pytanie nie brzmi już „kto ma więcej GPU?", lecz „kto potrafi zrobić więcej mniejszym kosztem?".
- Akcje Nvidii, które runęły o 17% w jeden dzień po publikacji DeepSeek-R1, pokazują jak rynek błyskawicznie wycenia nowe ryzyko dla modelu biznesowego opartego na sprzedaży drogiego sprzętu.
- W tej konkurencji granice między Wschodem a Zachodem stają się coraz mniej oczywiste.