High-Flyer Capital Management è un hedge fund quantitativo di Hangzhou. Negozia derivati tramite algoritmi. Non è un laboratorio di IA.
Nel gennaio 2025 la sua divisione di ricerca sull’IA, DeepSeek, ha rilasciato DeepSeek-R1. Il modello ha eguagliato o1-mini di OpenAI nei benchmark di ragionamento. Costo totale di calcolo: circa 5,6 milioni di dollari.
La reazione della Silicon Valley è stata di panico. Nvidia ha perso 600 miliardi di dollari di capitalizzazione in un solo giorno: il più grande calo giornaliero mai registrato da un’azienda nella storia.
Come ci sono riusciti?
Con due scelte architetturali che la maggior parte dei laboratori statunitensi aveva messo in secondo piano:
- Mixture of Experts (MoE). Invece di attivare l’intero modello per ogni token, MoE instrada ogni input attraverso un piccolo sottoinsieme di sottoreti specializzate. Si ottengono le capacità di un modello da 671 miliardi di parametri al costo di calcolo di un modello da 37 miliardi.
- Apprendimento per rinforzo puro per il ragionamento. DeepSeek-R1 è stato addestrato a ragionare per tentativi ed errori, senza esempi supervisionati di chain-of-thought. Ha imparato a verificare la propria logica. Il modello ha scoperto da solo strategie come l’autoriflessione e la verifica in più passaggi.
Nessuna delle due tecniche è segreta. Entrambe erano già state pubblicate nella letteratura scientifica. DeepSeek le ha semplicemente messe in pratica con una disciplina fuori dal comune.
La teoria a cui tutti nel mondo dell’IA credevano era questa: la potenza di calcolo è il vantaggio competitivo. Vince chi controlla più H100. Gli addestramenti su larga scala creano capacità che non si possono replicare a basso costo.
DeepSeek non ha smentito del tutto questa teoria. Ma ha spostato l’asticella in modo drastico.
DeepSeek-R1 è open source. I pesi si possono scaricare. Si può eseguire su hardware consumer. La capacità per cui OpenAI fa pagare $20 al mese ora è gratuita.
Ogni azienda con un pitch deck basato su “abbiamo accesso esclusivo ai modelli di frontiera” ha vissuto un gennaio difficile.
L’implicazione più profonda: le capacità dell’IA stanno diventando una commodity più in fretta di quanto il settore si aspettasse.
La corsa non è finita. I modelli di frontiera sono ancora avanti. Ma il divario tra “frontiera” e “abbastanza buono per la maggior parte delle applicazioni” si sta chiudendo rapidamente, e il costo per arrivare ad “abbastanza buono” scende più in fretta di quanto chiunque avesse previsto.
Questo cambia il business dell’IA più di quanto cambi la tecnologia.