Участь High-Flyer примітна тим, що фірма вже інвестувала значні кошти в обчислювальну інфраструктуру та AI-дослідження ще до створення DeepSeek. Повідомляється, що Лян почав закуповувати великі партії графічних процесорів Nvidia у 2021 році для внутрішніх AI-проєктів, які згодом переросли у проєкт DeepSeek.

На відміну від багатьох AI-стартапів, які одразу залучають венчурний капітал, DeepSeek спочатку працював за рахунок внутрішнього фінансування від High-Flyer і позиціонував себе як дослідницька організація, орієнтована на вивчення штучного загального інтелекту (AGI), а не на суто комерційні продукти.

Місія та стратегічне бачення

Засновник Лян Веньфен неодноразово наголошував, що довгострокова мета DeepSeek — досягнення AGI, тобто створення систем, здатних до загального міркування та навчання в різних сферах.

Згідно з інтерв'ю та аналізом стратегії компанії, лабораторія зосереджується на:

• фундаментальних дослідженнях моделей
• архітектурних інноваціях у великих мовних моделях
• випусках з відкритим кодом для створення екосистеми розробників

Лян також зазначив, що мовні моделі є лише одним з етапів на шляху до ширших інтелектуальних систем, які охоплюватимуть міркування, мультимодальне розуміння та взаємодію з реальним світом.

Ця дослідницька стратегія вирізняє DeepSeek з-поміж компаній, орієнтованих насамперед на корпоративне AI-програмне забезпечення або прикладні рішення.

Основні продукти та моделі

Технологічний портфель DeepSeek базується на великих мовних моделях і моделях міркування, які випускаються через відкриті репозиторії та API.

DeepSeek-V3

Однією з найважливіших моделей компанії є DeepSeek-V3, велика мовна модель на архітектурі «суміш експертів» (MoE).

Ключові технічні характеристики:

• близько 671 мільярда загальних параметрів, з яких приблизно 37 мільярдів активуються на кожен токен під час інференсу
• підтримка довгих контекстних вікон (до ~128K токенів у реалізаціях)
• навчання на великомасштабних наборах даних високоякісних текстів

Архітектура MoE дозволяє моделі масштабуватися до надзвичайно великої кількості параметрів, зберігаючи при цьому прийнятні обчислювальні витрати під час інференсу.

Модель міркування DeepSeek-R1

Інший важливий реліз — DeepSeek-R1, створений спеціально для просунутих завдань міркування, таких як математика, програмування та багатокроковий логічний аналіз.

Сімейство моделей включає:

• DeepSeek-R1-Zero
• DeepSeek-R1
• кілька менших дистильованих моделей на основі архітектур Llama та Qwen

Ці дистильовані моделі були випущені для підтримки досліджень і можливості запускати менші моделі локально або у виробничих середовищах.

Серія R1 є повністю відкритою: ваги моделей та технічна документація доступні, що дозволяє дослідникам і розробникам відтворювати та вдосконалювати систему.

Додаткові моделі та мультимодальні дослідження

Публічні репозиторії DeepSeek також містять роботи над мультимодальними AI-системами, зокрема моделями DeepSeek-VL, які поєднують розуміння мови та зображень.

Разом ці сімейства моделей формують основу платформи DeepSeek як для досліджень, так і для екосистем розробників.

Зростання та впровадження

Зростання кількості користувачів DeepSeek було надзвичайно швидким для нової AI-платформи.

Академічний аналіз від Школи бізнесу Cheung Kong (CKGSB) повідомляє, що:

• платформа досягла близько 125 мільйонів користувачів до 31 січня 2025 року
• понад 100 мільйонів користувачів було додано за один тиждень під час початкового сплеску зростання
• щоденна активна аудиторія перевищила 22 мільйони на початку 2025 року

Ці показники поставили DeepSeek в один ряд з найшвидше зростаючими AI-додатками у світі невдовзі після запуску.

Швидке впровадження було зумовлене кількома факторами:

• високою продуктивністю в бенчмарках на завданнях міркування
• надзвичайно конкурентними цінами на API
• випуском моделей з відкритим кодом, що стимулювало експерименти
• інтеграцією в інструменти для розробників та AI-платформи

У результаті платформа швидко привернула увагу як дослідників, так і творців стартапів по всьому світу.

Прозорість та розкриття даних для навчання

Порівняно з багатьма передовими AI-лабораторіями, DeepSeek опублікував деяку технічну інформацію про свої моделі.

Звіт про прозорість, каталогізований Центром досліджень фундаментальних моделей Стенфорда, зазначає, що DeepSeek-V3-Base навчалася з використанням звичайних веб-сторінок та електронних книг як основних джерел даних і не покладалася на синтетичні дані.

Хоча такі розкриття дають певне уявлення про практики навчання, вони все ще далекі від рівня прозорості, притаманного публічним компаніям. Таким чином, інвестори все ще не мають детальної інформації про:

• набори даних для навчання
• витрати на обчислення
• апаратну інфраструктуру
• бюджети на розробку моделей

Фінансовий стан та фінансування

Фінансовий стан DeepSeek є одним з найменш прозорих аспектів компанії.

Найбільш поширеним фактом є те, що лабораторія спочатку фінансувалася внутрішньо хедж-фондом High-Flyer, а не за рахунок традиційного венчурного капіталу.

Публічна документація чітко не розкриває:

• виторг
• маржу
• швидкість витрачання коштів
• раунди зовнішнього фінансування

Деякі зовнішні аналітичні оцінки припускають, що платформа генерує дохід від API-доступу та корпоративних інтеграцій, але ці цифри офіційно не підтверджені.

Для інвесторів це означає, що компанія наразі нагадує дослідницьку лабораторію зі зростаючим комерційним потенціалом, а не повністю прозорий SaaS-бізнес.

Геополітичні та регуляторні аспекти

Глобальна видимість DeepSeek також привернула політичну увагу.

Звіт Комітету Палати представників США з питань Комуністичної партії Китаю описав компанію як значного технологічного конкурента та потенційну загрозу національній безпеці в ширшій гонці AI між США та Китаєм.

Такий рівень уваги вказує на ключовий фактор ризику: AI-компанії, що діють через геополітичні кордони, можуть зіткнутися з майбутніми обмеженнями щодо експортного контролю, правил закупівель або розповсюдження програмного забезпечення.

Для інвесторів цей політичний вимір може вплинути на доступ до ринків та оцінки.

Стратегічні сильні сторони

Існує кілька факторів, які пояснюють, чому DeepSeek став одним з найбільш уважно досліджуваних AI-стартапів.

По-перше, компанія продемонструвала високий технічний рівень, випустивши моделі передового рівня, порівнянні з системами провідних світових лабораторій.

По-друге, її стратегія відкритого коду допомогла побудувати велику спільноту розробників і прискорила впровадження.

По-третє, організація отримує вигоду від значних обчислювальних ресурсів та фінансування від успішного хедж-фонду, що надає їй незвичайну незалежність порівняно з типовими стартапами.

Ключові невизначеності, на які інвесторам варто звернути увагу

Незважаючи на стрімке зростання, DeepSeek все ще має значні невідомі.

Важливі невирішені питання включають:

• точну структуру власності та управління компанією
• масштаб та стабільність її виторгу
• структуру витрат на навчання та експлуатацію передових моделей
• плани компанії щодо монетизації екосистеми відкритого коду
• вплив міжнародного регуляторного тиску на глобальну експансію

Доки ці питання не стануть яснішими, оцінювати компанію виключно як традиційну венчурну інвестицію залишається складним.

Підсумок

DeepSeek став великою новою AI-лабораторією, яка поєднує потужні технічні дослідження з вибуховим зростанням кількості користувачів. Її флагманські моделі — особливо DeepSeek-V3 та серія R1, орієнтована на міркування — поставили її в один ряд з найвпливовішими розробниками відкритих моделей передового рівня.

Однак з точки зору інвестора компанія залишається незвично непрозорою. Хоча технологічний імпульс та зростання користувачів очевидні, фінансова структура, модель доходів та деталі управління значною мірою не розкриті.

Наразі DeepSeek слід розуміти не як звичайну програмну компанію, а скоріше як швидкозростаючу дослідницьку організацію у сфері передового AI, яка з часом може еволюціонувати у велику комерційну платформу.

Участь High-Flyer примітна тим, що фірма вже інвестувала значні кошти в обчислювальну інфраструктуру та AI-дослідження ще до створення DeepSeek. Повідомляється, що Лян почав закуповувати великі партії графічних процесорів Nvidia у 2021 році для внутрішніх AI-проєктів, які згодом переросли у проєкт DeepSeek.

На відміну від багатьох AI-стартапів, які одразу залучають венчурний капітал, DeepSeek спочатку працював за рахунок внутрішнього фінансування від High-Flyer і позиціонував себе як дослідницька організація, орієнтована на вивчення штучного загального інтелекту (AGI), а не на суто комерційні продукти.

Місія та стратегічне бачення

Засновник Лян Веньфен неодноразово наголошував, що довгострокова мета DeepSeek — досягнення AGI, тобто створення систем, здатних до загального міркування та навчання в різних сферах.

Згідно з інтерв'ю та аналізом стратегії компанії, лабораторія зосереджується на:

• фундаментальних дослідженнях моделей
• архітектурних інноваціях у великих мовних моделях
• випусках з відкритим кодом для створення екосистеми розробників

Лян також зазначив, що мовні моделі є лише одним з етапів на шляху до ширших інтелектуальних систем, які охоплюватимуть міркування, мультимодальне розуміння та взаємодію з реальним світом.

Ця дослідницька стратегія вирізняє DeepSeek з-поміж компаній, орієнтованих насамперед на корпоративне AI-програмне забезпечення або прикладні рішення.

Основні продукти та моделі

Технологічний портфель DeepSeek базується на великих мовних моделях і моделях міркування, які випускаються через відкриті репозиторії та API.

DeepSeek-V3

Однією з найважливіших моделей компанії є DeepSeek-V3, велика мовна модель на архітектурі «суміш експертів» (MoE).

Ключові технічні характеристики:

• близько 671 мільярда загальних параметрів, з яких приблизно 37 мільярдів активуються на кожен токен під час інференсу
• підтримка довгих контекстних вікон (до ~128K токенів у реалізаціях)
• навчання на великомасштабних наборах даних високоякісних текстів

Архітектура MoE дозволяє моделі масштабуватися до надзвичайно великої кількості параметрів, зберігаючи при цьому прийнятні обчислювальні витрати під час інференсу.

Модель міркування DeepSeek-R1

Інший важливий реліз — DeepSeek-R1, створений спеціально для просунутих завдань міркування, таких як математика, програмування та багатокроковий логічний аналіз.

Сімейство моделей включає:

• DeepSeek-R1-Zero
• DeepSeek-R1
• кілька менших дистильованих моделей на основі архітектур Llama та Qwen

Ці дистильовані моделі були випущені для підтримки досліджень і можливості запускати менші моделі локально або у виробничих середовищах.

Серія R1 є повністю відкритою: ваги моделей та технічна документація доступні, що дозволяє дослідникам і розробникам відтворювати та вдосконалювати систему.

Додаткові моделі та мультимодальні дослідження

Публічні репозиторії DeepSeek також містять роботи над мультимодальними AI-системами, зокрема моделями DeepSeek-VL, які поєднують розуміння мови та зображень.

Разом ці сімейства моделей формують основу платформи DeepSeek як для досліджень, так і для екосистем розробників.

Зростання та впровадження

Зростання кількості користувачів DeepSeek було надзвичайно швидким для нової AI-платформи.

Академічний аналіз від Школи бізнесу Cheung Kong (CKGSB) повідомляє, що:

• платформа досягла близько 125 мільйонів користувачів до 31 січня 2025 року
• понад 100 мільйонів користувачів було додано за один тиждень під час початкового сплеску зростання
• щоденна активна аудиторія перевищила 22 мільйони на початку 2025 року

Ці показники поставили DeepSeek в один ряд з найшвидше зростаючими AI-додатками у світі невдовзі після запуску.

Швидке впровадження було зумовлене кількома факторами:

• високою продуктивністю в бенчмарках на завданнях міркування
• надзвичайно конкурентними цінами на API
• випуском моделей з відкритим кодом, що стимулювало експерименти
• інтеграцією в інструменти для розробників та AI-платформи

У результаті платформа швидко привернула увагу як дослідників, так і творців стартапів по всьому світу.

Прозорість та розкриття даних для навчання

Порівняно з багатьма передовими AI-лабораторіями, DeepSeek опублікував деяку технічну інформацію про свої моделі.

Звіт про прозорість, каталогізований Центром досліджень фундаментальних моделей Стенфорда, зазначає, що DeepSeek-V3-Base навчалася з використанням звичайних веб-сторінок та електронних книг як основних джерел даних і не покладалася на синтетичні дані.

Хоча такі розкриття дають певне уявлення про практики навчання, вони все ще далекі від рівня прозорості, притаманного публічним компаніям. Таким чином, інвестори все ще не мають детальної інформації про:

• набори даних для навчання
• витрати на обчислення
• апаратну інфраструктуру
• бюджети на розробку моделей

Фінансовий стан та фінансування

Фінансовий стан DeepSeek є одним з найменш прозорих аспектів компанії.

Найбільш поширеним фактом є те, що лабораторія спочатку фінансувалася внутрішньо хедж-фондом High-Flyer, а не за рахунок традиційного венчурного капіталу.

Публічна документація чітко не розкриває:

• виторг
• маржу
• швидкість витрачання коштів
• раунди зовнішнього фінансування

Деякі зовнішні аналітичні оцінки припускають, що платформа генерує дохід від API-доступу та корпоративних інтеграцій, але ці цифри офіційно не підтверджені.

Для інвесторів це означає, що компанія наразі нагадує дослідницьку лабораторію зі зростаючим комерційним потенціалом, а не повністю прозорий SaaS-бізнес.

Геополітичні та регуляторні аспекти

Глобальна видимість DeepSeek також привернула політичну увагу.

Звіт Комітету Палати представників США з питань Комуністичної партії Китаю описав компанію як значного технологічного конкурента та потенційну загрозу національній безпеці в ширшій гонці AI між США та Китаєм.

Такий рівень уваги вказує на ключовий фактор ризику: AI-компанії, що діють через геополітичні кордони, можуть зіткнутися з майбутніми обмеженнями щодо експортного контролю, правил закупівель або розповсюдження програмного забезпечення.

Для інвесторів цей політичний вимір може вплинути на доступ до ринків та оцінки.

Стратегічні сильні сторони

Існує кілька факторів, які пояснюють, чому DeepSeek став одним з найбільш уважно досліджуваних AI-стартапів.

По-перше, компанія продемонструвала високий технічний рівень, випустивши моделі передового рівня, порівнянні з системами провідних світових лабораторій.

По-друге, її стратегія відкритого коду допомогла побудувати велику спільноту розробників і прискорила впровадження.

По-третє, організація отримує вигоду від значних обчислювальних ресурсів та фінансування від успішного хедж-фонду, що надає їй незвичайну незалежність порівняно з типовими стартапами.

Ключові невизначеності, на які інвесторам варто звернути увагу

Незважаючи на стрімке зростання, DeepSeek все ще має значні невідомі.

Важливі невирішені питання включають:

• точну структуру власності та управління компанією
• масштаб та стабільність її виторгу
• структуру витрат на навчання та експлуатацію передових моделей
• плани компанії щодо монетизації екосистеми відкритого коду
• вплив міжнародного регуляторного тиску на глобальну експансію

Доки ці питання не стануть яснішими, оцінювати компанію виключно як традиційну венчурну інвестицію залишається складним.

Підсумок

DeepSeek став великою новою AI-лабораторією, яка поєднує потужні технічні дослідження з вибуховим зростанням кількості користувачів. Її флагманські моделі — особливо DeepSeek-V3 та серія R1, орієнтована на міркування — поставили її в один ряд з найвпливовішими розробниками відкритих моделей передового рівня.

Однак з точки зору інвестора компанія залишається незвично непрозорою. Хоча технологічний імпульс та зростання користувачів очевидні, фінансова структура, модель доходів та деталі управління значною мірою не розкриті.

Наразі DeepSeek слід розуміти не як звичайну програмну компанію, а скоріше як швидкозростаючу дослідницьку організацію у сфері передового AI, яка з часом може еволюціонувати у велику комерційну платформу.