Cập nhật DeepSeek V3 dẫn dắt mô hình AI mới: Khả năng tính toán và Thuật toán cùng nhảy múa

DeepSeek gần đây đã phát hành bản cập nhật lớn V3 trên nền tảng Hugging Face - DeepSeek-V3-0324. Mô hình này có 6850 tỷ tham số, với sự cải thiện đáng kể trong khả năng mã hóa, thiết kế UI và khả năng suy diễn.

Tại hội nghị GTC 2025 vừa kết thúc, Huang Renxun đã đánh giá cao những thành tựu của DeepSeek. Ông chỉ ra rằng, quan điểm của thị trường trước đây cho rằng mô hình hiệu quả của DeepSeek sẽ làm giảm nhu cầu đối với chip hiệu suất cao là sai lầm. Huang Renxun nhấn mạnh rằng, nhu cầu tính toán trong tương lai chỉ có thể tăng lên, chứ không giảm đi.

Là tác phẩm tiêu biểu cho sự đột phá trong thuật toán, mối quan hệ giữa DeepSeek và khả năng tính toán đã gây ra sự suy ngẫm về vai trò của khả năng tính toán và thuật toán trong sự phát triển của ngành AI.

Khả năng tính toán và thuật toán của sự thúc đẩy lẫn nhau

Trong lĩnh vực AI, khả năng tính toán được nâng cao cung cấp nền tảng cho các thuật toán phức tạp hơn, giúp mô hình có thể xử lý dữ liệu quy mô lớn hơn và học các mô hình phức tạp hơn. Đồng thời, việc tối ưu hóa thuật toán có thể sử dụng khả năng tính toán một cách hiệu quả hơn, nâng cao hiệu suất sử dụng tài nguyên tính toán.

Khả năng tính toán và thuật toán đang tái định hình cấu trúc ngành công nghiệp AI:

1. Sự phân hóa trong lộ trình công nghệ: Một số công ty cam kết xây dựng các cụm khả năng tính toán siêu lớn, trong khi một số khác tập trung vào tối ưu hóa hiệu suất thuật toán, hình thành nên các trường phái công nghệ khác nhau.

2. Tái cấu trúc chuỗi công nghiệp: Một số doanh nghiệp trở thành người dẫn đầu về khả năng tính toán AI thông qua hệ sinh thái, trong khi các nhà cung cấp dịch vụ đám mây đã giảm bớt rào cản triển khai thông qua dịch vụ khả năng tính toán linh hoạt.

3. Điều chỉnh phân bổ tài nguyên: Doanh nghiệp tìm kiếm sự cân bằng giữa đầu tư cơ sở hạ tầng phần cứng và phát triển thuật toán hiệu quả.

4. Sự trỗi dậy của cộng đồng mã nguồn mở: Mô hình mã nguồn mở cho phép chia sẻ những thành quả đổi mới thuật toán và khả năng tính toán, thúc đẩy sự lặp lại và lan tỏa công nghệ.

Đổi mới công nghệ của DeepSeek

Thành công của DeepSeek gắn liền với sự đổi mới công nghệ của nó. Dưới đây là giải thích ngắn gọn về những đổi mới công nghệ chính của nó:

Tối ưu hóa kiến trúc mô hình

DeepSeek áp dụng kiến trúc kết hợp giữa Transformer và MOE (Mixture of Experts), đồng thời giới thiệu cơ chế chú ý tiềm ẩn đa đầu (Multi-Head Latent Attention, MLA). Kiến trúc này giống như một đội ngũ hiệu quả, Transformer xử lý các nhiệm vụ thông thường, trong khi MOE giống như một nhóm chuyên gia, gọi những chuyên gia phù hợp nhất dựa trên vấn đề cụ thể. Cơ chế MLA cho phép mô hình chú ý linh hoạt hơn đến các chi tiết quan trọng, từ đó nâng cao hiệu suất.

Phương pháp huấn luyện đổi mới

DeepSeek đã đề xuất khung đào tạo độ chính xác hỗn hợp FP8. Khung này có thể chọn độ chính xác tính toán phù hợp một cách linh hoạt dựa trên nhu cầu của các giai đoạn khác nhau trong quá trình đào tạo, đồng thời đảm bảo độ chính xác của mô hình, cải thiện tốc độ đào tạo và giảm mức sử dụng bộ nhớ.

Nâng cao hiệu quả suy luận

Trong giai đoạn suy diễn, DeepSeek đã giới thiệu công nghệ Dự đoán Đa Token (Multi-token Prediction, MTP). So với dự đoán Đơn Token truyền thống, công nghệ MTP có khả năng dự đoán nhiều Token cùng một lúc, giúp tăng tốc độ suy diễn đáng kể và đồng thời giảm chi phí suy diễn.

Đột phá thuật toán học tăng cường

DeepSeek đã phát triển thuật toán học tăng cường mới GRPO (Tối ưu hóa thưởng-phạt tổng quát). Thuật toán này tối ưu hóa quá trình huấn luyện mô hình, đảm bảo nâng cao hiệu suất trong khi giảm thiểu tính toán không cần thiết, đạt được sự cân bằng giữa hiệu suất và chi phí.

Những đổi mới này đã hình thành một hệ thống công nghệ hoàn chỉnh, giảm thiểu nhu cầu về khả năng tính toán từ huấn luyện đến suy diễn. Điều này cho phép các card đồ họa tiêu dùng thông thường cũng có thể chạy các mô hình AI mạnh mẽ, giảm đáng kể rào cản tham gia vào ứng dụng AI, cho phép nhiều nhà phát triển và doanh nghiệp tham gia vào đổi mới AI.

Ảnh hưởng đến nhà cung cấp chip hiệu suất cao

Có quan điểm cho rằng DeepSeek đã bỏ qua một số lớp phần cứng, giảm sự phụ thuộc vào chip hiệu suất cao. Trên thực tế, DeepSeek thực hiện tối ưu hóa thuật toán bằng cách thao tác trực tiếp trên bộ lệnh nền tảng. Phương pháp này làm cho DeepSeek gắn bó chặt chẽ hơn với hệ sinh thái phần cứng, trong khi việc giảm bớt rào cản ứng dụng AI có thể mở rộng quy mô thị trường tổng thể.

Tuy nhiên, tối ưu hóa thuật toán của DeepSeek có thể thay đổi cấu trúc nhu cầu thị trường đối với các chip cao cấp. Một số mô hình AI vốn cần GPU hàng đầu để vận hành, giờ đây có thể chạy hiệu quả trên các card đồ họa tầm trung hoặc thậm chí cấp nhập môn.

Ý nghĩa đối với ngành công nghiệp AI của Trung Quốc

Tối ưu hóa thuật toán của DeepSeek đã cung cấp một bước đột phá công nghệ cho ngành AI Trung Quốc. Trong bối cảnh nguồn cung chip cao cấp bị hạn chế, tư duy "phần mềm bù phần cứng" đã giảm bớt sự phụ thuộc vào chip cao cấp nhập khẩu.

Tại thượng nguồn, thuật toán hiệu quả đã giảm áp lực nhu cầu khả năng tính toán, giúp các nhà cung cấp dịch vụ khả năng tính toán có thể kéo dài chu kỳ sử dụng phần cứng thông qua tối ưu hóa phần mềm, tăng tỷ suất lợi nhuận đầu tư. Tại hạ nguồn, mô hình mã nguồn mở đã được tối ưu hóa làm giảm rào cản phát triển ứng dụng AI. Nhiều doanh nghiệp vừa và nhỏ không cần nhiều nguồn lực khả năng tính toán, cũng có thể phát triển các ứng dụng có tính cạnh tranh dựa trên mô hình DeepSeek, điều này sẽ tạo ra nhiều giải pháp AI trong các lĩnh vực dọc hơn.

Ảnh hưởng sâu rộng của Web3+AI

Cơ sở hạ tầng AI phi tập trung

Tối ưu hóa thuật toán của DeepSeek đã cung cấp động lực mới cho cơ sở hạ tầng AI Web3. Kiến trúc đổi mới, thuật toán hiệu quả và nhu cầu khả năng tính toán thấp đã làm cho suy diễn AI phi tập trung trở nên khả thi. Kiến trúc MoE tự nhiên phù hợp cho việc triển khai phân tán, các nút khác nhau có thể giữ các mạng chuyên gia khác nhau, không cần một nút duy nhất lưu trữ mô hình hoàn chỉnh, điều này đã giảm đáng kể yêu cầu lưu trữ và tính toán của nút đơn, nâng cao tính linh hoạt và hiệu quả của mô hình.

Khung đào tạo FP8 đã giảm thêm nhu cầu về tài nguyên tính toán cao cấp, cho phép nhiều tài nguyên tính toán hơn có thể tham gia vào mạng lưới nút. Điều này không chỉ giảm bớt rào cản tham gia vào tính toán AI phi tập trung mà còn nâng cao khả năng và hiệu suất tính toán của toàn bộ mạng lưới.

Hệ thống đa tác nhân

1. Tối ưu hóa chiến lược giao dịch thông minh: Thông qua phân tích dữ liệu thị trường theo thời gian thực, dự đoán biến động giá ngắn hạn, thực hiện giao dịch trên chuỗi, giám sát kết quả giao dịch và nhiều tác nhân thông minh hoạt động phối hợp, giúp người dùng đạt được lợi nhuận cao hơn.

2. Thực thi tự động của hợp đồng thông minh: Các tác nhân phối hợp như giám sát hợp đồng thông minh, thực thi và giám sát kết quả, đạt được tự động hóa logic kinh doanh phức tạp hơn.

3. Quản lý danh mục đầu tư cá nhân hóa: AI giúp người dùng tìm kiếm cơ hội staking hoặc cung cấp thanh khoản tốt nhất theo sở thích rủi ro, mục tiêu đầu tư và tình trạng tài chính của người dùng.

DeepSeek tìm kiếm đột phá thông qua đổi mới thuật toán dưới sự hạn chế của khả năng tính toán, mở ra con đường phát triển khác biệt cho ngành công nghiệp AI của Trung Quốc. Giảm bớt rào cản ứng dụng, thúc đẩy sự kết hợp giữa Web3 và AI, giảm thiểu sự phụ thuộc vào chip cao cấp, và trao quyền cho đổi mới tài chính, những ảnh hưởng này đang tái định hình cục diện kinh tế số. Tương lai phát triển AI không còn chỉ là cuộc đua về khả năng tính toán, mà là cuộc đua tối ưu hóa phối hợp giữa khả năng tính toán và thuật toán. Trên đường đua mới này, các nhà đổi mới như DeepSeek đang định nghĩa lại quy tắc trò chơi bằng trí tuệ độc đáo của họ.