DeepSeekの10兆ドルの壮大な戦略
原文作者：@bookwormengr
原文編集：Peggy、BlockBeats
編集者注：過去1年間、DeepSeekに関する議論は主にモデルのパフォーマンス、オープンソース戦略、価格競争に集中していた。しかし、「サブスクリプションを販売するか」「マルチモーダルかどうか」「コーディングエージェントを実行できるか」だけに焦点を当ててDeepSeekを理解すると、それが本当に変えようとしているものを過小評価することになる。
この記事は、DeepSeekの目標が短期的なアプリケーション層での収益化ではなく、MoE、MLA、DSA、CSA、mHC、Engram、Dual Path、TileLangに至る一連の基盤アーキテクチャの革新を通じて、AIのトレーニングと推論のコスト構造を再構築し、間接的に新しいハードウェアエコシステムを形成することであるという、より積極的な見解を提示している。HBM、先進プロセス、パッケージング、CUDAエコシステムが制約される中で、より少ない高級計算リソースでより強力なモデルを実行するにはどうすればよいかという核心的な問いに、DeepSeekの技術路線は一貫して取り組んでいる。
最も注目すべき点は、「DeepSeekがAPIやサブスクリプションで数億ドルを稼げるかどうか」ではなく、モデルの能力、メモリアーキテクチャ、そして国内ハードウェアエコシステムを一体的に結びつけているかどうかである。KV Cacheの圧縮はHBMへの依存を低減し、NANDとSSDは長時間キャッシュを担うことができ、LPDDRは重みのストリーミングロードとEngramの保存に使用できる。TileLangはCUDAの護り塁を弱めようとしている。これらの革新が継続的に拡散すれば、恩恵を受けるのはDeepSeek自身だけでなく、ストレージ、ASIC、GPU、ネットワークチップ、そしてAIインフラ全体のチェーンとなる。
「10兆ドルの産業エコシステム」や「1兆ドルの評価額」という記述には、依然として強い推論的色彩が含まれている。しかし、これはDeepSeekを理解するための重要な視点を提供している：オープンソースであることは商業化を放棄することを意味しないし、低価格であることは単に市場への補助を意味しない。DeepSeekにとって、真のビジネスはアプリケーション層ではなく、より多くのハードウェアを実用可能にし、より低コストなAI供給を可能にすることにある。言い換えれば、同社が販売しているのはモデルそのものではなく、次世代AIインフラの実現可能性である。
以下が原文です：
DeepSeekがどのようにして、そしておそらく多額の利益を上げるのか、考えたことはありますか？
GLM、MoonShot、MiniMaxのように競争力のあるプログラミングサブスクリプションプランを提供していない。マルチモーダル、オーディオ、ビデオモデルも備えていない。これまで、モデル呼び出し、ツール接続、タスク実行のための外側の実行フレームワークであるハーネスすら持っていない——ただし、最近ようやく関連ポジションの採用を開始し、このシステムを構築する準備を進めている。
一方で、DeepSeek はオープンソースを長く堅実に支持し、自らの「秘訣」を公開することさえいとわないようです。これは狂気ではないでしょうか？無駄に資金を消費しているのではないですか？100億ドルを投資しようとしている投資家たちは、お金を下水道に流しているのでしょうか？
私は個人的に、答えは逆だと思う。
次に、DeepSeek がこれまで行ってきたことを基に、いくつかの観察を提示し、それが従っているように見える戦略を分析します。DeepSeek のCEOである梁文鋒の目標は、おそらく現在のモデル競争を超えたものかもしれません。彼が狙っているのは、より大きな賞賛——DeepSeek が1兆ドルの評価を達成し、10兆ドル規模の新産業を生み出す機会を得ることです。
TechInAsia による DeepSeek の最新ラウンドの資金調達に関する報道
DeepSeekの「英雄の旅」を再訪する
DeepSeek は逆風の中を進んできました。彼らは、少しずつ強化されたモデルを次々とリリースし、プログラミングサブスクリプションなどの即時収益化アプリに急いでパッケージ化する選択肢を取りませんでした。2025年1月27日、私はDeepSeekの「ヒーローの旅」について、広く拡散されたツイートを投稿しました。今、この物語はさらに興味深くなっています。
他の人が密度の高いモデルの構築を試みている中、DeepSeekはより訓練が難しいエキスパート混合モデル（Mixture of Experts、MoE）を選択しました。
彼らは「第一原理」のアプローチを採用し、当時主流だったが実装コストが高いPPO強化学習アルゴリズムに代わる新しいGRPOアルゴリズムを考案しました。
彼らは、検証された報酬に基づく強化学習（Reinforcement Learning from Verified Rewards，RLVR）がモデルの推論能力を向上させる鍵となる戦略であることを発見しました。
彼らはまた、「マルチトークン予測」（Multi Token Prediction）を通じて、単純な推測デコード戦略を提案し、トレーニング信号をより密集させました。
彼らは、限られたGPUリソースの利用効率を向上させるために、「ゼロバブル」（ZERO bubble）パイプラインを改善しました。
彼らはエキスパートロードバランサーをリリースし、誰もがMoEモデルをより簡単にデプロイできるようにしました。特に「ワイドエキスパートパラレル」戦略を通じて、モデルはより大きなバッチでサービスを提供でき、推論コストを大幅に削減できます。
彼らは、KVキャッシュの必要性を削減し、コンテキスト長の増加に伴う計算要求の増加を可能な限り一定に保つために、MLA、DSA、CSA、HCAなどのメカニズムを考案しました。
彼らは、メモリを犠牲にして計算効率を向上させるEngramを発明しました。
彼らはまた、モデル規模が拡大しても安定したトレーニングを実現できるmHCを発明しました。同様の例は他にも多数あります。
最も一般的な物語構造である「英雄の旅」において、英雄は決して旅の目的地を最初から決めているわけではない。彼は旅の途中で学びを重ね、ようやく自分に与えられた真の使命を理解し、数々の障壁を乗り越えてそれを成し遂げる。多くの疑念を抱く者たちに出会うが、彼は彼らを無視する選択をする。また、多くの悪意ある行動者とも遭遇する。彼には明確な欠点や弱みがあるが、最終的にはそれらを克服し、使命を果たす。彼は越えられないように見える挑戦に直面するが、同盟を結ぶ方法を見つけ、限られて貴重なリソースを賢く活用する方法を学ぶ。正是这一点，让观众愿意为英雄加油。这也是 DeepSeek 赢得追随者、全球尊重以及反对者的原因。
私が今後詳しく説明するように、DeepSeek はこの道を長く歩み、自らの最終的な運命を徐々に見出しました。その目標はプログラミングサブスクリプションプランの販売ではなく、10兆ドル規模の中国AIハードウェアエコシステムを推進し、自社の価値を1兆ドルに引き上げることです。この過程で、DeepSeek は西洋のハードウェアエコシステムにおける多くの新規参入者にも機会をもたらします。
まず、いくつか興味深いKVキャッシュの計算から始めましょう
@SemiAnalysis_ の最近のこのツイートをご覧ください：
DeepSeekは、この問題を誰よりも優れて解決しました！
まずは少し面白いKV Cacheの計算をしてみましょう。数学が苦手でも大丈夫です。最近リリースされたKV Cache計算機を使って、DeepSeek V4 ProがどれだけのKV Cache削減をもたらすかを確認し、最新のGLMおよびQwenモデルと比較します。
ここで私は100万のコンテキスト長で計算し、KVの精度を8ビット、インデクサーの精度を16ビットと仮定します。ご自身でこの計算ツールをお試しください：https://kvcache.ai/tools/kv-cache-calculator/
自分で電卓を開いて試してみてください！
100万のコンテキスト長で：
·DeepSeek V4はわずか5.48GBのHBMしか必要としません；
·GLM-5は60GBのHBMを必要とします；
·Qwen3-235B-A22Bには最大89GBのHBMが必要です。
注意してください：
·DeepSeekは1.6兆パラメータのモデルです；
·GLM-5は約7000億パラメータで、DeepSeekのMLAとDSAを採用していますが、最新の圧縮アテンションメカニズムはまだ使用していません；
Qwen3-235B-A22Bは約2350億パラメータで、GQAアテンションメカニズムを採用しています。
DeepSeekはメモリ負荷の軽減において基礎的な貢献を果たしてきました。このような革新が広く採用されれば、長期間エージェントの運用コストを大幅に削減し、次の波の新しいアプリケーションシーンを解き放つことになります。
100万トークンのコンテキストとモデル規模におけるKVキャッシュの占有量比較
「狂気」の背後にある方法論
KVキャッシュのサイズがこれほど小さく、モデルの品質を犠牲にせずに実現できるのは、DeepSeekが極めて低価格で長時間のキャッシュを提供できる理由です。その価格はSonnet 4.6のキャッシュヒット価格の3％にも満たず、DeepSeekはキャッシュを数時間保持できます。
長周期タスクでは、小さなKVキャッシュにより、SSDへのオフロードがより経済的になり、必要に応じて再読み込みが可能になります。これにより、HBMへの依存度を減らすことができます。中国のAIハードウェア産業の観点から見ると、HBMは供給が逼迫しているだけでなく、最も製造が難しいメモリタイプの一つでもあります。
また、DeepSeekは、そのDual Path論文で既に説明されているように、SSDからKV Cacheをより高速に読み込む技術を開発しました。
DeepSeek V4はKV Cacheの圧縮率が非常に高いため、このステップはもはや必要ない可能性さえあります。
では、KVキャッシュの圧縮の最も直接的な受益者は誰ですか？
大規模にSSDを供給しているのは誰ですか？YMTC（長江貯蔵）が3D NAND分野の巨頭へと成長していることを忘れないでください。NANDはDeepSeekがKVの再計算を回避するのに役立ちます。逆に、DeepSeekはNANDとSSDに巨大な市場を生み出します——これは長江貯蔵だけでなく、関連する他のメーカーにも恩恵をもたらします。
しかし、これはNANDとSSDだけの話ではありません。
LPDDRメモリにも大きな可能性があります。これはモデルの重みを格納し、必要に応じてこれらの重みをHBMにストリーミングすることで、HBMへの需要を軽減できます。SGLangチームはこの手法について優れたブログ記事を公開しています。以下の図は、このソリューションの動作原理を示しています。
DeepSeekはこのソリューションのために特別に設計されたわけではありませんが、そのMoEアーキテクチャ、多数のエキスパートモデルを備えていること、および4ビット重みの特性により、このソリューションの実装がより容易になります。
この図は、メモリがどのように使用されるか、およびモデルの重みがLPDDRからHBMへストリーミングされる様子を示しています。SGLangのブログ記事を読むことを強く推奨します。
この革新が極めてコンパクトで損失のないKVキャッシュと組み合わさると、HBMへの要求が大幅に削減されます。
では、中国でLPDDRを生産しているのは誰でしょうか？答えはCXMT、つまり長鑫存储です。彼らはLPDDRの速度では約半世代遅れ、密度では一代遅れですが、差はそれほど大きくありません。
NANDが十分に確保されるだけでなく、中国のAIエコシステムは近い将来、LPDDRの供給も十分に確保できるようになります。これは計算能力の圧力を軽減できるでしょうか？答えは：はい。以下をご覧ください。
メモリをスマートに使用することで、GPU/ASICの負荷を軽減できます。
NANDを使用してKVキャッシュを保存する効果は簡単に理解できます：KVキャッシュの保持時間を延ばし、HBMへの負荷を軽減すると同時に、KVキャッシュの再計算を回避することで、GPUおよびASICの計算負荷を軽減できます。
では、LPDDRも同様の方法で機能するでしょうか？「必要に応じて即時」で重みをHBMにストリーミングするための記憶領域としてだけでなく、計算負荷をさらに軽減することも可能でしょうか？
答えは：はい。
LPDDRは、Engramと呼ばれる大量のコンテンツを格納するために使用できます。DeepSeekのEngram論文では、MoEは条件計算によってモデルの容量を拡張できるが、Transformer自体にはネイティブな「知識検索」メカニズムが欠けていると指摘されています。その結果、Transformerはしばしば計算を用いて検索プロセスを非効率に模倣せざるを得ません。
この問題を解決するために、DeepSeekはEngramモジュールを提案しました。これは古典的なN-gram embeddingを現代化し、ハッシュに基づくO(1)検索メカニズムに変換することで、彼らが条件メモリ（conditional memory）と呼ぶ補完的なスパース化パスを実現します。
この方法は計算を節約できますが、埋め込みテーブルを保持するためのメモリが必要であり、このテーブル自体が非常に巨大になる可能性があります。
本質的には、これは典型的な「メモリを計算に交換する」ソリューションです。しかし、その鍵となる洞察は、1ビットのデータ読み取りコストの観点から見ると、「メモリ」側の方がはるかに安価であることです。1回のLPDDR検索は、データを複数層のTransformerを通じて1回のフォワード計算を行うよりもはるかに安価です。したがって、大規模なシナリオでは、これは非常に得な交換です。
これはDeepSeekが一部のメモリを犠牲にして計算を節約する方法です。
価値のある選択
同等レベルのチップトランジスタ密度やEUVがないため、中国のGPUとASICは、原始的なFLOPs演算能力において、西側のGPUに長期的に遅れをとる可能性が高い。また、先進的パッケージング面でも明確な差がある。したがって、中国がNANDおよびLPDDRメモリを大量に生産できるという前提のもと、このようなトレードオフは非常に価値がある。
DeepSeekの長期戦略を振り返る
これらの革新を見ると、DeepSeekの目標は現在数億ドルの利益を上げることではないようだ。これまでの多くの選択がそれを示している：いまだにマルチモーダルモデルがなく、音声モデルもなく、動画モデルなど論外である。
実際に彼が参加しているのは、忍耐強く、規模が10兆ドルに達する可能性のある長期的なゲームであり、代替的なAIハードウェアエコシステムの構築を推進することである。
これは、中国のメモリメーカーが中国および世界のAIハードウェア市場で重要なプレーヤーとなるためだけでなく、リソース要件を根本的に削減し、AIモデルのトレーニングとサービスをよりコスト効率よくするためでもあります。その結果、多くのGPU、ASICメーカー、およびネットワークチップメーカーが実用的な選択肢となる機会を得ます。
同時に、これらの革新は西洋のオープンソースエコシステムと次世代のハードウェアメーカーにも恩恵をもたらします。
すべての兆候はすでに現れています。では、DeepSeek がこれまでに提唱してきたこれらの革新を詳しく振り返ってみましょう。
1、DeepSeek V2 に導入されたモジュラー・エキスパート・モデル（MoE）とMLA
DeepSeekはV2でMoEとMLAを導入しました。MoEは、高知能モデルのトレーニングに必要な計算量を約40％～50％削減し、MLAはKV Cacheを90％削減します。
これにより、KVキャッシュをSSDにオフロードすることが非常に効率的になります。
これらのアイデアは、DeepSeekが2024年5月に発表したDeepSeek V2の論文で初めて登場しました。その後、これらはDeepSeek V3のトレーニングの基盤となりました。当時、DeepSeekは性能が制限されたH800 GPUを2048枚のみ使用して、閉源モデルに匹敵する性能を持つシステムをトレーニングしました。
2、DSA：DeepSeek V3.2 Expで導入され、長コンテキストシナリオにおける計算オーバーヘッドを削減し、HBM帯域幅の負荷を軽減します。
DSAの主な役割は、コンテキストの長さが増加しても計算量が継続的に増加しないようにすることです。以下のチャートをご覧ください。コンテキストの長さが増加しても、DeepSeek-V3.2の処理時間はほぼ安定しています。
3、mHC：DeepSeekは2025年12月の論文『mHC: Manifold-Constrained Hyper-Connections』で提案しました。
mHCは、DeepSeekがマクロアーキテクチャレベルで実現した革新であり、Transformer層間の情報フローを再設計しています。
過去、ResNet以降、モデルは通常、x + F(x)という標準的な残差接続を使用してきた。一方、mHCは、残差フローを複数の並列情報チャネルに拡張し、モデルがこれらのチャネル間で学習可能な混合を可能にする。重要な点は、混合行列を双確率行列に制約し、Sinkhorn-Knopp射影によってBirkhoff多面体上に制限することである。これにより、数学的に保証されるのは、モデルがどれほど深く積み重なっても、信号の振幅が安定するということである。
これにより、これまで制約のないHyper-Connectionsが直面していた破壊的な不安定性の問題が解決されました。Hyper-Connectionsは当初ByteDanceによって提案されましたが、制約がない状態では、270億パラメータ規模で信号の増幅が3000倍にまで膨れ上がり、最終的にトレーニングが完全に崩壊しました。
mHCの計算コストは非常に低く、注意力層およびFFN層のFLOPsを変更しないため、実際のトレーニング時間のオーバーヘッドは約6.7%に過ぎません。これは、これらの層の出力の層間ルーティング方式を変更しただけです。
しかし、その性能向上は明確です：270億パラメータ規模で、mHCはBIG-Bench Hard推論タスクで7.2点、DROPで3.2点、GSM8K数学タスクで2.8点、MMLU汎用知識タスクで1.4点向上しました。これらの向上は、同じモデル規模、ほぼ同じ計算予算で実現されています。
本質的に、mHCは、追加のFLOPsをほとんど増加させることなく、ネットワークにより豊かで表現力のあるクロスレイヤー情報ルーティングトポロジーを提供することで、単位パラメータあたりの知能を向上させています。
mHCは複雑なアーキテクチャ設計ですが、より安定したトレーニングプロセスと高い単位パラメータ知能を実現できます。
4、CSA、HSA：DeepSeekは2026年4月にV4で導入されました。
CSAおよびHSAの目標は、KVトークンを圧縮することでKVキャッシュの必要量をさらに90%削減し、必要なFLOPsを大幅に削減することにより、HBMおよびGPU/ASICの両方の負荷を軽減することです。
5、Engram：DeepSeekが2026年第1四半期に導入、本質的には、ある意味でメモリ、すなわちLPDDRメモリを用いて計算効率を向上させる。
以下の詳細なチャートに示すように、総パラメータ予算が同じ場合、Engramは顕著なパフォーマンス向上をもたらしました。
6、Engram：2026年第1四半期にDeepSeekが導入、本質的には、計算効率を向上させるために、メモリ、すなわちLPDDRメモリを活用します。
以下の詳細なチャートに示すように、総パラメータ予算が同じ場合、Engramは顕著なパフォーマンス向上をもたらしました。
これはDeepSeekがV4論文でハードウェアメーカーに共有した提案です。オフラインでのやり取りでは、彼らが提供するフィードバックはさらに多いことでしょう。
7、TileLangへの投資は、同じ方向を示している：DeepSeekは自社の計算能力のボトルネックを解決するだけでなく、中国のハードウェアエコシステムが西洋のエコシステムと競争できる能力を推進している。
TileLang を使用することで、開発者は計算用の低レベルコードであるカーネルを一度だけ記述し、対応する TileLang バックエンドが既に存在する複数のハードウェアプラットフォーム上で実行できます。
他の中国のAIラボも次々と参加すると予想されます。これにより、中国のハードウェアメーカーは、いわゆる「CUDAのモレ」に対応する間接的な方法を手に入れます。同時に、AMDのような西洋のハードウェアの可能性もさらに引き出されます。
中国の多くのAIハードウェアプラットフォームは、CUDA互換機能またはCUDA変換レイヤーを提供しています。たとえば、モールセンス、ムーシー、ビレン、テンシューチップは、変換レイヤーを介して高いCUDA互換性を実現した中国の半導体メーカーです。したがって、理論的には、これらはTileLangを必要としない可能性があります。
大規模な強化学習とRSI
DeepSeekがより多くの計算リソース、つまり選択可能なハードウェアが増えるとともに、モデル自体の計算リソースへの要求が低下することで、より野心的なトレーニングプロジェクト、特に強化学習による後トレーニングを推進できるようになります。
強化学習では、数兆トークンに及ぶ多数のトラジェクトリを生成する必要があり、このプロセスはすぐに非常に高額になります。さらに、100万トークンのコンテキスト長を持つモデルを訓練するには、同様の長さのトラジェクトリを生成する必要があります。超長トラジェクトリでのみモデルを訓練することで、長期タスクを真正にサポートできます。
また、ハードウェアオプションの増加により、DeepSeekが利用できるハードウェアリソースも増加し、これはRSI（自動化研究）を推進します。RSIとは、AIが自ら実験を設計し実行することを指します。この方法は多くの試行錯誤を伴い、コストは急速に上昇します。しかし、RSIはモデル設計空間全体を探索する上で不可欠です。AGIへ、そしてその後ASIへ向かう前に、DeepSeekはRSIの能力を備える必要があります。
DeepSeekが今日行うことは、業界全体が明日追随するだろう
DeepSeekが専門家混合モデル、MLA、DSAなどの分野で行った革新は、世界中および中国の他のAIラボによって次々と採用されています。
たとえば、GLMシリーズモデルを開発したZAIはMLAとDSAを採用しています。Kimi、すなわちMoonshotもMLAを採用しており、そのアーキテクチャがDeepSeekアーキテクチャに基づいていることを公然と示しています。逆に、DeepSeekはMuonオプティマイザーを使用しており、MuonはもともとKimi（Moonshot）が大規模トレーニングで採用したものです。
ご注意ください：
MoEは2017年にGoogleによって最初に提案され、主な著者はNoam Shazeerである。DeepSeekの貢献は、MoEを大規模に適用し、独自の関連技術を発明したことである。
Muon、すなわち Newton-Schulz オプティマイザによって直交化された MomentUm は、2024 年末に機械学習研究者 Keller Jordan によって提案されました。Kimi（Moonshot）チームは、これを大規模トレーニングに使用した最初のチームです。
では、利益を出す問題はどうすればよいですか？
OpenAIという興味深い例を見てみましょう。
OpenAIは、AMDおよびCerebrasの株式を低価格で購入するためのワラントまたはオプションを獲得し、これらの権利はその計算リソース消費のマイルストーンと連動している。AMDおよびCerebrasにとって、これは非常に有利な取引である。なぜなら、OpenAIがそれらのハードウェアを使用することを約束すれば、長期的な成功の可能性が大幅に高まるからである。
AMDの公告には、次のような一文があります：
契約の一部として、両者の戦略的利害をさらに調整するため、AMDはOpenAIに、最大1億6千万株のAMD普通株を購入できるワラントを発行し、特定のマイルストーンの達成に応じて段階的に付与されます。最初の分は、初期の1ギガワットの導入が完了した時点で付与され、その後の分は調達規模が6ギガワットに拡大するにつれて段階的に付与されます。付与条件には、AMDが特定の株価目標を達成すること、およびOpenAIがAMDの大規模導入に必要な技術的・商業的マイルストーンを達成することが含まれます。
私は、DeepSeekが中国のメモリ、ASIC、CPU、およびネットワーク技術スタックの複数の企業とも同様の契約を結び、それらのハードウェアスタックが最先端のAIワークロードに対応できるよう深く協力すると予想しています。
すべての西方諸国、東アジアの同盟国を含むAI株式の総時価総額はすでに10兆ドルをはるかに超えており、この「協力によるエクイティリターンの獲得」というアプローチは、DeepSeekが中国で同規模の産業を構築し、その中で自らのシェアを獲得し、最終的に1兆ドルの評価額を実現する機会をもたらすだろう。
これはDeepSeekが従来のアプリサブスクリプションビジネスをはるかに上回る収益を上げるだけでなく、同社が掲げる「AGIをすべての人に恩恵を与える」という目標を実現することにもなる。梁文鋒はジム・シモンズの忠実なファンであり、十分に賢い資本プレイヤーであるため、この点を見逃すことはない。
DeepSeek がこれまで行ってきたすべてを振り返れば、この説だけが最も納得できる。
これらは重要なAI株です。図には、ハイパースケーラー、つまり大規模クラウドプロバイダーおよびその他の多くの関連企業は含まれていません。