DeepSeek privilégie la recherche sur l'AGI au détriment des produits et de la croissance

Le développeur chinois d'IA DeepSeek privilégie, selon les rapports, la recherche sur l'intelligence artificielle générale (AGI) au développement de plateformes grand public ou à la maximisation des revenus à court terme. L'entreprise se concentre sur le développement de l'AGI, ses solutions open source, comme le modèle de raisonnement R1, étant considérées comme des produits dérivés de cet objectif de recherche à long terme.

Le fondateur Liang Wenfeng aurait précisé aux investisseurs que DeepSeek ne cherche pas à rivaliser pour le trafic des consommateurs ni à réaliser des revenus à court terme. Cette approche explique l'accent mis par l'entreprise sur les modèles open source, les prix d'API bas et l'amélioration de l'efficacité de l'entraînement et de l'inférence, la distinguant des entreprises d'IA axées sur des produits autonomes et la vente aux entreprises.

Liang considère apparemment l'apprentissage continu comme le prochain défi technique majeur après les agents IA. Il a décrit un chemin de développement allant du raisonnement en chaîne aux agents, en passant par l'apprentissage continu, et enfin à l'intelligence incarnée. Alors que les systèmes d'IA actuels obligent généralement les utilisateurs à redonner le contexte pour chaque tâche, les futurs modèles devraient apprendre continuellement de l'expérience.

DeepSeek ne privilégie pas la génération 3D, la génération vidéo ou les modèles mondiaux, qui sont considérés comme des applications utiles mais non centrales au développement de l'intelligence. Les agents de codage sont une priorité car ils peuvent améliorer à la fois les produits de l'entreprise et son propre processus de recherche. Les capacités multimodales seront toujours développées pour les produits grand public et professionnels.

Les prix des API seraient conçus pour couvrir les coûts matériels en environ 10 mois, plutôt que de maximiser les profits. DeepSeek prévoit également de maintenir ses modèles les plus performants en open source et d'utiliser les mêmes modèles en interne et en externe, plutôt que de publier des versions moins performantes. Cette stratégie positionne l'entreprise principalement comme une organisation de recherche en IA.