DeepSeek dẫn dắt kỷ nguyên mới của AI: Đổi mới thuật toán và khả năng tính toán
Gần đây, DeepSeek đã phát hành bản cập nhật V3 mới nhất - DeepSeek-V3-0324 trên nền tảng Hugging Face, mô hình này có 6850 tỷ tham số, có sự cải thiện đáng kể trong khả năng mã hóa, thiết kế giao diện người dùng và khả năng suy luận.
Tại hội nghị GTC 2025 vừa kết thúc, CEO của NVIDIA, Huang Renxun đã đánh giá cao DeepSeek. Ông nhấn mạnh rằng quan điểm trước đây của thị trường cho rằng mô hình hiệu quả của DeepSeek sẽ làm giảm nhu cầu về chip là sai lầm, nhu cầu tính toán trong tương lai chỉ có thể nhiều hơn chứ không phải ít hơn.
DeepSeek là sản phẩm đại diện cho sự đột phá của thuật toán, mối quan hệ giữa nó và việc cung cấp chip đáng để thảo luận. Hãy cùng phân tích ý nghĩa của khả năng tính toán và thuật toán đối với sự phát triển của ngành AI.
Khả năng tính toán và sự tiến hóa đồng sinh của thuật toán
Trong lĩnh vực AI, khả năng tính toán được cải thiện đã cung cấp nền tảng cho các thuật toán phức tạp hơn, giúp mô hình có thể xử lý nhiều dữ liệu hơn, học các mẫu phức tạp hơn; trong khi đó, 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 mối quan hệ cộng sinh của thuật toán đang tái định hình cấu trúc ngành công nghiệp AI:
Đường lối công nghệ phân hóa: Một số công ty theo đuổi việc xây dựng các cụm khả năng tính toán siêu lớn, trong khi những công ty khác tập trung vào tối ưu hóa hiệu suất thuật toán, hình thành các trường phái công nghệ khác nhau.
Tái cấu trúc chuỗi công nghiệp: Một nhà sản xuất chip trở thành người dẫn đầu về khả năng tính toán AI thông qua hệ sinh thái của mình, trong khi các nhà cung cấp dịch vụ đám mây giảm bớt rào cản triển khai thông qua dịch vụ khả năng tính toán linh hoạt.
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.
Sự trỗi dậy của cộng đồng mã nguồn mở: Các mô hình mã nguồn mở như DeepSeek, LLaMA giúp chia sẻ thành quả đổi mới thuật toán và khả năng tính toán, thúc đẩy quá trình lặp lại và lan tỏa công nghệ.
Đổi mới công nghệ của DeepSeek
Đổi mới công nghệ của DeepSeek là yếu tố chính dẫn đến thành công của nó. Dưới đây là giải thích về những điểm đổi mới chính của nó:
Tối ưu hóa kiến trúc mô hình
DeepSeek áp dụng kiến trúc kết hợp Transformer+MOE (Mixture of Experts) và giới thiệu cơ chế chú ý tiềm ẩn đa đầu (Multi-Head Latent Attention, MLA). Kiến trúc này giống như một đội ngũ siêu cấp, trong đó Transformer chịu trách nhiệm xử lý các nhiệm vụ thông thường, trong khi MOE giống như nhóm chuyên gia trong đội, mỗi chuyên gia có lĩnh vực chuyên môn riêng, khi gặp vấn đề cụ thể, chuyên gia phù hợp nhất sẽ xử lý, từ đó có thể nâng cao đáng kể hiệu suất và độ chính xác của mô hình. Cơ chế MLA cho phép mô hình linh hoạt hơn trong việc chú ý đến các chi tiết quan trọng khác nhau khi xử lý thông tin, từ đó nâng cao hiệu suất của mô hình.
Phương pháp huấn luyện đổi mới
DeepSeek đã đề xuất khung đào tạo độ chính xác hỗn hợp FP8. Khung này giống như một bộ phân phối tài nguyên thông minh, có khả năng chọn độ chính xác tính toán phù hợp một cách động dựa trên nhu cầu của các giai đoạn khác nhau trong quá trình đào tạo. Khi cần tính toán độ chính xác cao, nó sẽ sử dụng độ chính xác cao hơn để đảm bảo độ chính xác của mô hình; và khi có thể chấp nhận độ chính xác thấp hơn, nó sẽ giảm độ chính xác, từ đó tiết kiệm tài nguyên tính toán, tăng tốc độ đào tạo và giảm mức sử dụng bộ nhớ.
Nâng cao hiệu quả suy luận
Trong giai đoạn suy luận, DeepSeek đã giới thiệu công nghệ Dự đoán đa Token (Multi-token Prediction, MTP). Phương pháp suy luận truyền thống thực hiện từng bước một, mỗi bước chỉ dự đoán một Token. Trong khi đó, công nghệ MTP có khả năng dự đoán nhiều Token cùng một lúc, từ đó làm tăng tốc độ suy luận đáng kể và giảm chi phí suy luận.
Đột phá thuật toán học tăng cường
Thuật toán học tăng cường mới GRPO (Tối ưu hóa thưởng - phạt tổng quát) của DeepSeek đã tối ưu hóa quy trình đào tạo mô hình. Học tăng cường giống như trang bị cho mô hình một huấn luyện viên, người sẽ hướng dẫn mô hình học hành vi tốt hơn thông qua thưởng và phạt. Các thuật toán học tăng cường truyền thống có thể tiêu tốn rất nhiều Khả năng tính toán trong quá trình này, trong khi thuật toán mới của DeepSeek thì hiệu quả hơn, nó có thể giảm thiểu Khả năng tính toán không cần thiết trong khi vẫn đảm bảo tăng cường hiệu suất của mô hình, từ đó đạt được sự cân bằng giữa hiệu suất và chi phí.
Những đổi mới này không phải là những điểm kỹ thuật tách biệt, mà đã hình thành một hệ thống công nghệ hoàn chỉnh, từ đào tạo đến suy luận, giảm nhu cầu về khả năng tính toán toàn chuỗi. Các card đồ họa tiêu dùng phổ thông hiện nay cũng có thể chạy các mô hình AI mạnh mẽ, giảm đáng kể rào cản tham gia ứng dụng AI, cho phép nhiều nhà phát triển và doanh nghiệp tham gia vào đổi mới AI.
Ảnh hưởng đến các nhà sản xuất chip
Nhiều người cho rằng DeepSeek đã vượt qua lớp phần mềm của một nhà sản xuất chip nào đó, do đó thoát khỏi sự phụ thuộc vào nó. Thực tế, DeepSeek trực tiếp thực hiện tối ưu hóa thuật toán thông qua lớp thực thi đa luồng của nhà sản xuất đó. Đây là một ngôn ngữ biểu diễn trung gian giữa mã cấp cao và lệnh GPU thực tế, thông qua việc thao tác lớp này, DeepSeek có thể đạt được việc tinh chỉnh hiệu suất tốt hơn.
Ảnh hưởng đối với nhà sản xuất chip này là hai mặt, một mặt, DeepSeek thực sự đã gắn bó sâu hơn với phần cứng và hệ sinh thái phần mềm của mình, việc giảm bớt ngưỡng ứng dụng AI có thể mở rộng quy mô thị trường tổng thể; mặt khác, tối ưu hóa thuật toán của DeepSeek có thể thay đổi cấu trúc nhu cầu thị trường đối với chip cao cấp, một số mô hình AI vốn cần GPU cao cấp để chạy, giờ có thể chạy hiệu quả trên card đồ họa trung cấp thậm chí là card tiêu dùng.
Ý nghĩa đối với ngành AI Trung Quốc
Tối ưu hóa thuật toán của DeepSeek đã cung cấp một lộ trình đột phá công nghệ cho ngành AI Trung Quốc. Trong bối cảnh hạn chế của các chip cao cấp, tư duy "phần mềm bù phần cứng" đã giảm bớt sự phụ thuộc vào các chip nhập khẩu hàng đầu.
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 vòng đời phần cứng thông qua tối ưu hóa phần mềm, nâng cao tỷ suất hoàn vốn đầu tư. Tại hạ nguồn, mô hình mã nguồn mở đã được tối ưu hóa giảm bớt rào cản phát triển ứng dụng AI. Nhiều doanh nghiệp vừa và nhỏ không cần nhiều tài nguyên khả năng tính toán, cũng có thể phát triển ứng dụng cạnh tranh dựa trên mô hình DeepSeek, điều này sẽ thúc đẩy sự xuất hiện của nhiều giải pháp AI trong các lĩnh vực dọc khác nhau.
Ảnh hưởng sâu sắc của Web3+AI
Hệ thống 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 hơn đã làm cho suy diễn AI phi tập trung trở nên khả thi. Kiến trúc MoE tự nhiên thích 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 đầy đủ, điều này đã giảm đáng kể yêu cầu lưu trữ và tính toán của một nút đơn, do đó nâng cao tính linh hoạt và hiệu quả của mô hình.
Khung đào tạo FP8 tiếp tục giảm thiểu yêu 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 quả tính toán của toàn bộ mạng lưới.
Hệ thống đa tác nhân
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 phối hợp hoạt động, giúp người dùng đạt được lợi nhuận cao hơn.
Thực thi tự động của hợp đồng thông minh: Các tác nhân thông minh phối hợp hoạt động để giám sát hợp đồng thông minh, thực thi và giám sát kết quả, đạt được tự động hóa cho các logic kinh doanh phức tạp hơn.
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 hình tài chính của người dùng.
DeepSeek chính là trong điều kiện bị hạn chế về khả năng tính toán, thông qua sự đổi mới thuật toán để tìm kiếm những đột phá, mở ra con đường phát triển khác biệt cho ngành AI của Trung Quốc. Giảm bớt rào cản ứng dụng, thúc đẩy sự hòa nhập giữa Web3 và AI, giảm bớt sự phụ thuộc vào chip cao cấp, trao quyền cho sự đổi mới tài chính, những tác động này đang tái định hình cấu trúc kinh tế số. Trong tương lai, sự phát triển của AI không còn chỉ là cuộc đua về khả năng tính toán, mà là cuộc đua tối ưu hóa đồng bộ giữa khả năng tính toán và thuật toán. Trên đường đua mới này, các nhà đổi mới như DeepSeek đang sử dụng trí tuệ Trung Quốc để định nghĩa lại các quy tắc trò chơi.
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
17 thích
Phần thưởng
17
5
Đăng lại
Chia sẻ
Bình luận
0/400
metaverse_hermit
· 21giờ trước
Nó đã nghiền nát openai rồi.
Xem bản gốcTrả lời0
LiquidationWatcher
· 08-12 12:27
có nhớ sự sụp đổ GPU năm 2022 không? nvda đang hành xử thông minh bây giờ thật
Xem bản gốcTrả lời0
MEVictim
· 08-10 06:14
Ông lớn của Nvidia thật biết cách nói chuyện!
Xem bản gốcTrả lời0
DegenWhisperer
· 08-10 06:05
Lại bắt đầu tăng tham số rồi...
Xem bản gốcTrả lời0
ContractSurrender
· 08-10 05:48
Lại là ông chủ Hoàng tăng giá, ai hiểu thì sẽ hiểu.
Cập nhật DeepSeek V3: Mô hình 6850 tỷ tham số dẫn đầu đổi mới thuật toán AI
DeepSeek dẫn dắt kỷ nguyên mới của AI: Đổi mới thuật toán và khả năng tính toán
Gần đây, DeepSeek đã phát hành bản cập nhật V3 mới nhất - DeepSeek-V3-0324 trên nền tảng Hugging Face, mô hình này có 6850 tỷ tham số, có sự cải thiện đáng kể trong khả năng mã hóa, thiết kế giao diện người dùng và khả năng suy luận.
Tại hội nghị GTC 2025 vừa kết thúc, CEO của NVIDIA, Huang Renxun đã đánh giá cao DeepSeek. Ông nhấn mạnh rằng quan điểm trước đây của thị trường cho rằng mô hình hiệu quả của DeepSeek sẽ làm giảm nhu cầu về chip là sai lầm, nhu cầu tính toán trong tương lai chỉ có thể nhiều hơn chứ không phải ít hơn.
DeepSeek là sản phẩm đại diện cho sự đột phá của thuật toán, mối quan hệ giữa nó và việc cung cấp chip đáng để thảo luận. Hãy cùng phân tích ý nghĩa của khả năng tính toán và thuật toán đối với sự phát triển của ngành AI.
Khả năng tính toán và sự tiến hóa đồng sinh của thuật toán
Trong lĩnh vực AI, khả năng tính toán được cải thiện đã cung cấp nền tảng cho các thuật toán phức tạp hơn, giúp mô hình có thể xử lý nhiều dữ liệu hơn, học các mẫu phức tạp hơn; trong khi đó, 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 mối quan hệ cộng sinh của thuật toán đang tái định hình cấu trúc ngành công nghiệp AI:
Đường lối công nghệ phân hóa: Một số công ty theo đuổi việc xây dựng các cụm khả năng tính toán siêu lớn, trong khi những công ty khác tập trung vào tối ưu hóa hiệu suất thuật toán, hình thành các trường phái công nghệ khác nhau.
Tái cấu trúc chuỗi công nghiệp: Một nhà sản xuất chip trở thành người dẫn đầu về khả năng tính toán AI thông qua hệ sinh thái của mình, trong khi các nhà cung cấp dịch vụ đám mây giảm bớt rào cản triển khai thông qua dịch vụ khả năng tính toán linh hoạt.
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.
Sự trỗi dậy của cộng đồng mã nguồn mở: Các mô hình mã nguồn mở như DeepSeek, LLaMA giúp chia sẻ thành quả đổi mới thuật toán và khả năng tính toán, thúc đẩy quá trình lặp lại và lan tỏa công nghệ.
Đổi mới công nghệ của DeepSeek
Đổi mới công nghệ của DeepSeek là yếu tố chính dẫn đến thành công của nó. Dưới đây là giải thích về những điểm đổi mới chính của nó:
Tối ưu hóa kiến trúc mô hình
DeepSeek áp dụng kiến trúc kết hợp Transformer+MOE (Mixture of Experts) và giới thiệu cơ chế chú ý tiềm ẩn đa đầu (Multi-Head Latent Attention, MLA). Kiến trúc này giống như một đội ngũ siêu cấp, trong đó Transformer chịu trách nhiệm xử lý các nhiệm vụ thông thường, trong khi MOE giống như nhóm chuyên gia trong đội, mỗi chuyên gia có lĩnh vực chuyên môn riêng, khi gặp vấn đề cụ thể, chuyên gia phù hợp nhất sẽ xử lý, từ đó có thể nâng cao đáng kể hiệu suất và độ chính xác của mô hình. Cơ chế MLA cho phép mô hình linh hoạt hơn trong việc chú ý đến các chi tiết quan trọng khác nhau khi xử lý thông tin, từ đó nâng cao hiệu suất của mô hình.
Phương pháp huấn luyện đổi mới
DeepSeek đã đề xuất khung đào tạo độ chính xác hỗn hợp FP8. Khung này giống như một bộ phân phối tài nguyên thông minh, có khả năng chọn độ chính xác tính toán phù hợp một cách động dựa trên nhu cầu của các giai đoạn khác nhau trong quá trình đào tạo. Khi cần tính toán độ chính xác cao, nó sẽ sử dụng độ chính xác cao hơn để đảm bảo độ chính xác của mô hình; và khi có thể chấp nhận độ chính xác thấp hơn, nó sẽ giảm độ chính xác, từ đó tiết kiệm tài nguyên tính toán, tăng tốc độ đào tạo và giảm mức sử dụng bộ nhớ.
Nâng cao hiệu quả suy luận
Trong giai đoạn suy luận, DeepSeek đã giới thiệu công nghệ Dự đoán đa Token (Multi-token Prediction, MTP). Phương pháp suy luận truyền thống thực hiện từng bước một, mỗi bước chỉ dự đoán một Token. Trong khi đó, công nghệ MTP có khả năng dự đoán nhiều Token cùng một lúc, từ đó làm tăng tốc độ suy luận đáng kể và giảm chi phí suy luận.
Đột phá thuật toán học tăng cường
Thuật toán học tăng cường mới GRPO (Tối ưu hóa thưởng - phạt tổng quát) của DeepSeek đã tối ưu hóa quy trình đào tạo mô hình. Học tăng cường giống như trang bị cho mô hình một huấn luyện viên, người sẽ hướng dẫn mô hình học hành vi tốt hơn thông qua thưởng và phạt. Các thuật toán học tăng cường truyền thống có thể tiêu tốn rất nhiều Khả năng tính toán trong quá trình này, trong khi thuật toán mới của DeepSeek thì hiệu quả hơn, nó có thể giảm thiểu Khả năng tính toán không cần thiết trong khi vẫn đảm bảo tăng cường hiệu suất của mô hình, từ đó đạt được sự cân bằng giữa hiệu suất và chi phí.
Những đổi mới này không phải là những điểm kỹ thuật tách biệt, mà đã hình thành một hệ thống công nghệ hoàn chỉnh, từ đào tạo đến suy luận, giảm nhu cầu về khả năng tính toán toàn chuỗi. Các card đồ họa tiêu dùng phổ thông hiện nay cũng có thể chạy các mô hình AI mạnh mẽ, giảm đáng kể rào cản tham gia ứng dụng AI, cho phép nhiều nhà phát triển và doanh nghiệp tham gia vào đổi mới AI.
Ảnh hưởng đến các nhà sản xuất chip
Nhiều người cho rằng DeepSeek đã vượt qua lớp phần mềm của một nhà sản xuất chip nào đó, do đó thoát khỏi sự phụ thuộc vào nó. Thực tế, DeepSeek trực tiếp thực hiện tối ưu hóa thuật toán thông qua lớp thực thi đa luồng của nhà sản xuất đó. Đây là một ngôn ngữ biểu diễn trung gian giữa mã cấp cao và lệnh GPU thực tế, thông qua việc thao tác lớp này, DeepSeek có thể đạt được việc tinh chỉnh hiệu suất tốt hơn.
Ảnh hưởng đối với nhà sản xuất chip này là hai mặt, một mặt, DeepSeek thực sự đã gắn bó sâu hơn với phần cứng và hệ sinh thái phần mềm của mình, việc giảm bớt ngưỡng ứng dụng AI có thể mở rộng quy mô thị trường tổng thể; mặt khác, tối ưu hóa thuật toán của DeepSeek có thể thay đổi cấu trúc nhu cầu thị trường đối với chip cao cấp, một số mô hình AI vốn cần GPU cao cấp để chạy, giờ có thể chạy hiệu quả trên card đồ họa trung cấp thậm chí là card tiêu dùng.
Ý nghĩa đối với ngành AI Trung Quốc
Tối ưu hóa thuật toán của DeepSeek đã cung cấp một lộ trình đột phá công nghệ cho ngành AI Trung Quốc. Trong bối cảnh hạn chế của các chip cao cấp, tư duy "phần mềm bù phần cứng" đã giảm bớt sự phụ thuộc vào các chip nhập khẩu hàng đầu.
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 vòng đời phần cứng thông qua tối ưu hóa phần mềm, nâng cao tỷ suất hoàn vốn đầu tư. Tại hạ nguồn, mô hình mã nguồn mở đã được tối ưu hóa giảm bớt rào cản phát triển ứng dụng AI. Nhiều doanh nghiệp vừa và nhỏ không cần nhiều tài nguyên khả năng tính toán, cũng có thể phát triển ứng dụng cạnh tranh dựa trên mô hình DeepSeek, điều này sẽ thúc đẩy sự xuất hiện của nhiều giải pháp AI trong các lĩnh vực dọc khác nhau.
Ảnh hưởng sâu sắc của Web3+AI
Hệ thống 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 hơn đã làm cho suy diễn AI phi tập trung trở nên khả thi. Kiến trúc MoE tự nhiên thích 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 đầy đủ, điều này đã giảm đáng kể yêu cầu lưu trữ và tính toán của một nút đơn, do đó nâng cao tính linh hoạt và hiệu quả của mô hình.
Khung đào tạo FP8 tiếp tục giảm thiểu yêu 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 quả tính toán của toàn bộ mạng lưới.
Hệ thống đa tác nhân
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 phối hợp hoạt động, giúp người dùng đạt được lợi nhuận cao hơn.
Thực thi tự động của hợp đồng thông minh: Các tác nhân thông minh phối hợp hoạt động để giám sát hợp đồng thông minh, thực thi và giám sát kết quả, đạt được tự động hóa cho các logic kinh doanh phức tạp hơn.
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 hình tài chính của người dùng.
DeepSeek chính là trong điều kiện bị hạn chế về khả năng tính toán, thông qua sự đổi mới thuật toán để tìm kiếm những đột phá, mở ra con đường phát triển khác biệt cho ngành AI của Trung Quốc. Giảm bớt rào cản ứng dụng, thúc đẩy sự hòa nhập giữa Web3 và AI, giảm bớt sự phụ thuộc vào chip cao cấp, trao quyền cho sự đổi mới tài chính, những tác động này đang tái định hình cấu trúc kinh tế số. Trong tương lai, sự phát triển của AI không còn chỉ là cuộc đua về khả năng tính toán, mà là cuộc đua tối ưu hóa đồng bộ giữa khả năng tính toán và thuật toán. Trên đường đua mới này, các nhà đổi mới như DeepSeek đang sử dụng trí tuệ Trung Quốc để định nghĩa lại các quy tắc trò chơi.