Orijinal başlıq: (DeepSeek Yuşu ilə əl-ələ: Ağıllılıq o qədər ucuz olanda ki, onu israf etməyə də dəyər)
Orijinal müəllif: Dongcha Beating

Texnologiya həqiqətən dünyanı dəyişməyə başlayanda, çox vaxt o, israf ediləcək qədər ucuzlaşdığı an baş verir.

Məqam gəldi ki, hətta xarici media da Çinin internet mühitində işlənən bir termini öyrənməyə başladı: “qırğıv xətti” (斩杀线).

İyulun 31-də DeepSeek V4 Flash yenilənib. Artificial Analysis-də eyni vaxtda modelin zəkasını və istifadəyə çəkilən xərcləri müqayisə edən koordinat diaqramında şaquli ox nə qədər yuxarıdırsa, model bir o qədər ağıllıdır; üfüqi ox sağa nə qədər gedirsə, çağırışın (istifadənin) qiyməti bir o qədər bahadır. V4 Flash-ın “ağıllılıq indeksi” 50-yə çatır: artıq qlobal birinci pillə ilə eyni səviyyədədir, amma testlərdə orta xərci cəmi 3 sentdir. O nöqtə praktiki olaraq koordinat sisteminin sol-yuxarı küncünə sıxışdırılıb. Ondan ucuz modelərin çoxu qabiliyyətcə geri qalır; daha ağıllı modellər isə ümumən xeyli baha başa gəlir.

İndi, əgər bir model DeepSeek-dən kifayət qədər üstün deyilsə, getdikcə onun niyə onlarla dəfə bahalı olmasını izah etmək çətinləşir. Çin dilində internet bu həddi «qırğıv xətti» (斩杀线) adlandırır. Bir neçə gün sonra Bloomberg də Çin modellərinin ABŞ AI şirkətlərinə qiymət təzyiqini müzakirə edəndə, başlıqda “Death Zone” ifadəsini də birbaşa istifadə etmişdi.

2024-cü ilin V2-dən başlayaraq DeepSeek maşının «bir dəfə düşünmək» üçün xərclədiyi pulu daim aşağı salmağa çalışır. Modelin yerinə yetirə bildiyi tapşırıqlar getdikcə daha mürəkkəbləşir, amma qiymət qabiliyyət qədər artmır. Keçən iki ildə böyük model sənayesi irəliləyişi daha böyük parametr, daha uzun kontekst və daha yüksək Benchmark ilə izah etmək vərdişinə düşmüşdü; DeepSeek isə başqa bir standartı qovurdu: eyni ağıllılıq—az pul xərclənə bilərmi?

Hangzhou tərəfdə başqa bir yerdə, Vang Sinxin da on ildən çoxdur oxşar bir iş görür.

O, magistrdə oxuyanda XDog-un üzərində işləyirdi və əvvəlcədən xərclənəcək pul elə də çox deyildi. Bahalı hidravlik sistemləri almaq mümkün olmurdu—ona görə də aşağı xərcli elektromotorları araşdırırdılar. Hazır, yetkin həllər də alınmırdı—ona görə də sürücü lövhələrini özləri çəkir, proqramı yazır, idarəetmə sistemini qururdular. Bu gün artıq Yuşu məhsullarının standart hissəsi kimi istifadə edilən bir çox texniki seçimlər ən əvvəl belə bir sadə mühəndislik vərdişi ilə başlamışdı: sənaye adətən necə edir soruşma, daha ucuz bir yol varmı—ona bax.

Vang Sinxin sonradan xatırladı: 2010-cu ildə ikipəncəli robot hazırlayanda mexanika hissələrinin cəmi iki yüz yuanlıq xərci olub. Çox illər sonra kim isə Yuşu-ya hələ də xərci azaltmaq mümkün olacaqmı deyə soruşdu. O cavab verdi: «Bizimlə xərci azaltmaq barədə müqayisə etməyin; biz hələ də çox şeyləri daha da ucuzalda bilərik.»

Bir şirkət düşünmənin qiymətini azaldır, başqa bir şirkət isə hərəkətin qiymətini azaldır. Uzun müddət boyunca onlar hər ikisi Hangzhou-da olsalar da, yenə də hərəsi öz yolunu gedirdi.

8 avqusta qədər.

Yuşu (宇树) şirkəti Science and Technology Innovation Board-da (科创板) IPO strategiya üzrə paylanma nəticələrini açıqladı: DeepSeek 1,408 milyard yuan dəyərində yeni səhmlərə abunə yazıldı. Hər iki tərəfin açıqladığı əməkdaşlıq razılaşması da xeyli birbaşa məntiqə söykənir: Yuşu model treninq xidmətləri və texniki həllər lazım olanda əvvəlcə DeepSeek-i nəzərə almalıdır; DeepSeek robotlar və bədənli ağıllı tətbiqləri araşdırmaq lazım olanda isə əvvəlcə Yuşu-ya üstünlük verməlidir.

Bu pulu bu günkü AI sənayesinə qoymaq heç də təəccüblü sayılmaz. Əsl maraqlı olan, on bir neçə ildir bahalı texnologiyanı «ucuz qiymətə» endirməyə çalışan iki tərəfin nəhayət öz xərc əyrilərini bir-biri ilə birləşdirməsidir. Beləliklə, «böyük modellər nəhayət robotlara bədən bağladı» sualından daha çox soruşulmalı bir sual ortaya çıxdı:

Əgər maşın düşünməyin xərci və maşın hərəkət etməyin xərci eyni vaxtda düşməyə davam edərsə, AI sonda necə görünər?

答案 sadece「daha çox insan onu qarşıya ödəyə bilər」 deyil.

Daha böyük dəyişiklik isə odur ki, biz onu artıq o qədər də dəyərləndirməyəcəyik.

İki qiymət qırğını

Liang Wenfeng və Vang Sinxin-də ən çox oxşar cəhət budur: onlar ucuzluğu subsidiyadan gözləməyə çox da inanmırlar. Qiymət cədvəli əlbəttə ki, bir gecəyə dəyişə bilər, amma yünün çıxdığı yer qoyunun özüdür—belə aşağı qiymət adətən uzun sürmür. Bir şey həqiqətən uzun müddət ucuz satılmaq istəsə, sonda yenə mühəndisliyə dönməli, əvvəldən sanki “adi” sayılan xərclərin hər birini qat-qat sökmək lazımdır.

DeepSeek-V2 buna ən tipik nümunədir. 2024-də model buraxılandan sonra ölkə daxilində böyük model sənayesi tez bir zamanda qiymət savaşına çəkildi. Xaricdən ən asan görünən API qiymətləridir; amma qiymət endirimini həqiqətən daşıyan mexanizm modelin strukturunun içində gizlənib. V2-də ümumi parametr sayı 236 milyarddır. Hər Token işlənəndə real aktiv edilən isə yalnız 21 milyard; əvvəlki nəsillə müqayisədə treninq xərci 42,5% azalır, KV Cache 93,3% azalır, maksimum generasiya (yaratma) throughput-u isə 5,76 dəfə artır.

V3-ə gələndə bu düşüncə tərzi daha da irəli getdi. Model daha da böyüdü: rəsmi treninqdə 278,8 milyon H800 GPU saatı xərcləndi. DeepSeek isə hibrid mütəxəssislər (mixture of experts), aşağı dəqiqlikli treninq və kommunikasiya optimizasiyası ilə səmərəliliyi artırdı.

Bu cür xərclərə baxış daha sonra hətta məhsulun özünü də tərif etməyə başladı.

Bu ilin may ayında DeepSeek əvvəlcə V4-Pro üçün nəzərdə tutulan 75% endirimli qiyməti birbaşa daimi qiymətə çevirdi və flaqman seqmenti də aşağıya sıxılmağa davam etdi. Liang Wenfeng bundan əvvəl izah etmişdi: onların qiymətqoyma prinsipi real xərclərə əsaslanır, uzunmüddətli pul itirmirlər və həddən artıq qazanc dalınca qaçmırlar.

Vang Sinxin də robotlara baxışını demək olar eyni saxlayırdı.

2025-ci ildə (LatePost) müsahibəsində soruşuldu: H1 əvvəlcə 90 min ABŞ dollarına satılırdı; sonra daha çevik G1 aşağı konfiqurasiyalı versiyanın başlanğıc qiyməti isə cəmi 9,9 min yuan RMB oldu—belə satmaqla yenə də qazanc qalır?

Vang Sinxin cavab verdi: «Biznes əməliyyatlarının mütləq ağlabatan biznes mənfəəti olmalıdır. Xərclər bizim hər şeyi hazırladığımız KPI-lərin daima əsasidir; əsas olan pul qazanmaqdır.»

O, sonradan da o məşhur «miqyaslandıqca təchizatçı təbii olaraq qiyməti azaldır» cümləsi haqqında çox danışmadı. Robotun qiymət alt həddini həqiqətən müəyyən edən şey mühərrikin necə seçilməsi, reduktorun necə hazırlanmasıdır: bir oynağın neçə detal tələb etməsi, bütöv sistemin daha da yüngül olub-olmaması, hansı komponentlərin mütləq öz əlində saxlanılması.

Bu cür xərci azaltma metodu güclü bir sənaye dövrü hissi verir: bir qəpiyi yarıya bölüb iki yerə xərcləmək kimi.

Bir elektron lövhəsindən bir neçə santimetr çıxarılır; bir oynağdan iki detal az olur; bir naqil dəsti fərqli keçid yolu üçün yenidən düzəldilir. Ayrılıqda bunlar böyük bir yenilik sayılmır, amma belə dəyişikliklər onlarla yığılanda sonda qiymətə birbaşa təsir edir.

Süni? (Texnologiya) əvvəllər bir neçə il ərzində qiymət dəyişimi də elə bu cür olub. 2023-cü ildə ilk nəsil tam ölçülü humanoid robot H1 satışa çıxarıldı: həmin il cəmi 5 ədəd satıldı, orta satış qiyməti 593,4 min yuan; 2024-də daha kiçik G1 bazara girdi, satış 410 ədədə yüksəldi, orta qiymət 260,7 min yuana düşdü; 2025-ci ilin ilk doqquz ayında humanoid robotların satış həcmi 3551 ədədə çatdı, orta qiymət yenə 167,6 min yuana endi.

Qiymət hər dəfə bir pillə aşağı düşəndə, robotun alıcıları da yeni bir dəstəyə çevrilir. 500-600 min yuanlıq avadanlıq üçün laboratoriyada layihə təsdiqi, büdcə yazmaq, onu alıb hansı işi görmək niyyətində olduğunu izah etmək lazımdır; 100 min yuana yaxın olanlar isə daha çox universitetə, inkişaf komandalarına və şirkətlərə daxil ola bilir.

Bir çox texnologiya həqiqətən yayılmanın kritik həddini keçəndə, məhz bu dəyişikliklərin içində formalaşır: xüsusi büdcədən departament büdcəsinə, departament büdcəsindən adi alış-verişə—sonra bir gün gəlir ki, insanlar artıq hər bir istifadəyə görə hesab çəkməyə də yavaş-yavaş qətiyyən həvəs göstərmir.

Bahalı texnologiya təbii olaraq yalnız bahalı problemləri həll etməyə layiqdir; qiyməti düşəndən sonra isə əvvəllər ümumiyyətlə texnologiyanın meydana çıxmasına dəyməyən xırda işlər onun dünyasına daxil olmağa başlayır.

İki xərc əyrisi nəhayət kəsişdi

Yuşu özü artıq dünya modeli və VLA (vizual- dil- hərəkət?) ilə məşğuldur. Deməli DeepSeek-in dəyəri təkcə robota «bir beyin qoşmaq» deyil. İki şirkəti həqiqətən bir-birinə “oturdacaq” olan şey isə bədənli ağıllılıq üçün hazırda ən bahalı olan treninq dövrünün özüdür.

Bu dövrün yarısı real dünyada baş verir. Robot həqiqətən əl uzadır, yeriyir, əşya götürür—insanlar və ya digər sistemlər ona ardıcıl nümayişlər edir, uğur və uğursuzluq trayektoriyaları yaradır.

Digər yarısı hesablama mərhələsində baş verir: məlumat təmizlənir, etiketlənir, yeni strategiyaların treninqinə verilir; sonra yenidən inferens və doğrulama mərhələsindən keçib robota qaytarılır. Maşın çölə çıxıb yenə sınaq edir, yeni məlumat gətirir, model yenə bir dəfə də öyrənir. Bu dövr nə qədər tez fırlanırsa, robotun qarşılaşdığı dünya bir o qədər çox olur.

Problem ondadır ki, o hər iki tərəfdə bahalıdır. Real aparat bahalıdırsa, komanda minlərlə yox, yüzlərlə robotun gün boyu laboratoriyada yıxılıb-sürüşməsinə imkan tapmaq çətindir; treninq və inferens bahalıdırsa, toplanıb amma bir baxışda dəyəri görünməyən məlumatları təkrar-təkrar treninqlə yoxlamaq da çətin olur.

O zaman robot eksperimentləri etmək hər zaman çox qiymətli olurdu. Maşınlar cəmi bir neçə ədəd idi, bu gün hansı məlumatı toplamaq lazım olduğunu əvvəldən düşünməli idin; hesablama gücü də bu qədər idi—bir qrup trayektoriya dəyərini yenidən işlətmək dəyərmi, barmaq hesabı ilə ölçürdün. Resurs nə qədər bahadırsa, tədqiqatçılar da ən çox dəyərli görünən və uğur ehtimalı ən yüksək olan sualları seçməyə daha meylli olurlar.

Amma real dünya heç də belə deyil.

Fincan stolun kənarında 3 santimetr və 5 santimetr məsafədə qoyulanda nə fərq var; dəsmal yarı nəm olanda onu hardan tutmaq lazımdır; çekmece ilişəndə gücə davam etmək lazımdır, yoxsa bir az geri çəkilmək; plastik torbada bir alma ilə üç alma olanda qolunu necə tənzimləmək lazımdır. Bu işləri ayrı-ayrı götürəndə heç biri bir mətbuat konfransı açmağa layiq deyil, hətta xüsusi bir laboratoriya layihəsi kimi qeyd etməyə belə çox çətindir. Amma robot evə, restorana, anbara, ofisə girən kimi, hər gün qarşılaşdığı dünya məhz bu cür xırda və yorucu suallardan ibarət olur.

İndi DeepSeek ilə Yuşunun əməkdaşlığına baxsaq, məntiq daha aydın olur.

Yuşu əvvəlki mərhələnin xərclərini aşağı basır—daha çox real aparat laboratoriyaya, inkişaf komandalarına və real ssenarilərə girir; DeepSeek isə sonrakı mərhələnin problemini uzunmüddətli həll edir—model treninqini, inferensini və doğrulamasını getdikcə daha ucuz edir.

Əksər trayektoriyalar son nəticədə məhsula daxil olmur, çoxlu eksperimentlər də xəbər yaratmır; bəzi robotlar eyni fincanı yüz dəfə ardıcıl səhv götürə bilər, bir dəstə bahalı məlumat işləndikdən sonra da bəlkə yalnız ilkin ideyanın ümumiyyətlə doğru olmadığını sübut edir.

Resurs bahalı olanda bu cür işlərə “suya atılan pul” deyirlər; xərclər kifayət qədər aşağı düşəndə isə onlar “təcrübə” adlandırılmağa haqq qazanır.

Telefon bir az ucuzlaşanda daha çox insan ala bilir; robot bir az ucuzlaşanda isə o, artıq özündə hasilat verməyən (məhsul çıxarmayan) vaxtın daha çox hissəsini saxlayır: laboratoriyada bir günorta məşq edir, sonradan bəlkə heç də istifadə olunmayacaq bəzi hərəkətləri edir, daha çox qəribə mühitlərə girir, mühəndislərin əvvəlcədən düşünmədiyi hallarla daha tez qarşılaşır.

Bədən də, zəkâ da eyni vaxtda ucuzlaşanda, bədənli ağıllılığın ilk qazandığı şey—daha çox səhv etmək üçün icazədir.

İnsanlar texnologiyanı necə öyrəndi ki, onu israf etsinlər

Bu cür şeylər insan texnologiya tarixində artıq çox dəfə baş verib.

1865-ci ildə Britaniyalı iqtisadçı William Stanley Jevons buxar mühərriki və kömür haqqında araşdırma apararkən bir qeyri-intuitiv fakt aşkar etdi: buxar mühərrikinin səmərəliliyi artır, hər bir işin görülməsi üçün yandırılan kömür getdikcə azalır, amma Britaniyanın istehlak etdiyi kömür isə azalmaq əvəzinə artır. Çünki buxar enerjisi bir dəfə ucuzlaşanda, əvvəl istifadə etməkdən çəkinilən işlər də yenidən istifadə olunmağa başlayır; səmərəliliyin qənaət etdiyi kömür isə tezliklə daha çox yeni tələbatın hesabına yenə yeyilir.

Sonra insanlar bu fenomeni «Jevons paradoksu» adlandırdılar.

Keçən iki ildə AI-dən istifadə edənlərin çoxu artıq əks istiqamətdə olan o mərhələnin dadını dadıb. Model hələ bahalı olanda, biz əvvəlcə necə “zekanı qənaətə yönəltməyi” öyrəndik. Startap komandaları ağızlarında istifadəçi təcrübəsini müzakirə edirdi, amma məhsul menecerləri yenə də yadda bir Token qiymət cədvəli saxlamalı idi. Bir funksiyanı texniki olaraq etmək olur—amma sonda bəlkə də «hər istifadəçiyə model beş dəfə daha çalışdırmaq çox bahadır» deyib kəsirlər.

Amma texnologiya həqiqətən həyata girəndə çox vaxt daha bir maneəni keçməli olur: o o qədər ucuzlaşır ki, biz onu o qədər də vacib olmayan işlərdə istifadə etməyə başlayırıq.

Heç kim bu gün otagın işığını yandırmadan əvvəl bu bir saatın işıqlandırma vasitəsilə nə qədər iqtisadi dəyər yaratdığını hesablamır; heç kim telefonun arxa planda bir neçə əlavə şəbəkə sorğusu göndərməsinə görə böyük internet infrastrukturunu israf etdiyini düşünmür.

Elektrik də, şəbəkə də xərclidir. Sadəcə bu xərclər artıq hər bir istifadə üçün qərar verməyə dəyməyəcək qədər aşağı düşüb. İnsanlar bu işlərdə artıq çox rahat xərcləyir və üstəlik heç bir vicdan əzabı da duymur.

Ağıllılıq bir gün bura gəlsə, AI ilə bizim münasibətimiz də dəyişəcək. Sessiya bitəndən sonra modellərdən biri mətnin strukturunu toparlayır; məqalə yazılandan sonra bir neçə model ayrı-ayrılıqda xətaları axtarır; bir Agent tapşırığı edə bilməsə, bir neçə marşrut daha sınanır; qurumuş meyvə olsun, olmasın—üç dəfə “atış” edirik. Robot masanı yığışdırır: birinci dəfə fincanı aşırır, ikinci dəfə əl səhv gedir, üçüncü dəfə hərəkət çox yavaşdır—onda dördüncü dəfə.

Bir texnologiya həqiqətən geniş yayılandan sonra insanlar onun istifadəsinin səmərəliliyini getdikcə daha ciddi hesablamır, hətta insanlar bəzən onunla artıq özlərinin istifadə etdiyini də unuda bilər.

Nə vaxtsa bu hesabı artıq çəkməyəcəyik

1911-ci ildə Britaniyalı riyaziyyatçı və filosof Alfred North Whitehead (Ağlı giriş) adlı əsərində belə bir cümlə yazmışdı:

«Sivilizasiyanın irəliləyişi, getdikcə daha çox vacib əməliyyatları düşünmədən edə bildiyimiz şeyləri genişləndirməsindədir.»

Bu günkü AI hələ bura qədər gəlib çıxmayıb. Biz hələ də müzakirə edirik ki, hansı tapşırıq ən bahalı modeldən istifadə etməyə dəyər; tərtibatçılar isə hər milyon Token üçün bir neçə yuan fərqə görə təchizatçı dəyişə bilir. Robot şirkətləri də sərgi zalında, laboratoriyada və fabrikdə elə bir ssenarini tapmalıdır ki, orada hesablayıb çıxmaq ən asan olsun. Bu sənayenin hələ də ağır bir “çörək-duz-neft” hissi var.

İndi isə bu 1,408 milyard yuanlıq investisiya nəhayət bir-biri ilə real olaraq “bağlanıb” birləşdirən, sənaye müzakirələrində çox az görünən bir hesab-faktura formasıdır. Maşın bir dəfə səhv edəndə, dəqiq nə qədərdir?

Bu gün bu cavab hələ o qədər də ucuz deyil: ona görə hər bir real dünyadan olan məlumat diqqətlə toplanmalıdır, hər bir treninq mərhələsi seçib-biçilməlidir, hər bir robot da mümkün qədər tez elə bir işi tapmalıdır ki, nəticə çıxarda bilsin.

Ağıllılıq həqiqətən geniş yayılanda, bəlkə də heç bir mətbuat konfransı “yeni dövr başladı” deyə elan etməyəcək. Biz sadəcə yavaş-yavaş görəcəyik ki, anbarın küncündə bir robot bir günortadan sonra qutunu tutmağı məşq edir, uğursuzluq 300 dəfə olur—artıq kimsə xüsusi soruşmur; bir Agent cavabı tapmaq üçün özü onlarla marşruta cəhd edir—heç kim Token hesab-faturasına baxıb ürəyi yanmır; laboratoriyada bir neçə robot daha çox olur və artıq hər robot üçün ayrıca alış-veriş səbəbi yazmaq lazım olmur.

Ona görə AI-nin gələcəkdə həqiqətən vacib olan qiyməti bəlkə də yüz min Tokenin nə qədər başa gəlməsi deyil, nə də bir humanoid robotun nə qədər olmasıdır; bəlkə də nə vaxthayət bu rəqəmləri artıq hesablayıb-götürməməyə başlayacağımızdır.

Maşın bir neçə dəfə daha çox fikirləşəndə, bir neçə addım daha atanda, bir neçə dəfə daha səhv edəndə artıq insanın ürəyini ağrıtmadığı həddə çatanda, ağıllılıq da nəhayət bahalı bir bacarıqdan infrastruktura çevrilir.

Texnologiya həqiqətən dünyanı dəyişməyə başlayanda, çox vaxt o, israf ediləcək qədər ucuzlaşdığı an baş verir.

DeepSeek düşünməni bu qiymətə yaxınlaşdırır, Yuşu isə bədəni bu qiymətə yaxınlaşdırır. Qalan iş—maşınlara kifayət qədər ucuz bir ömür verməkdir.

Düşəndə ki, təkrar-təkrar cəhd edə biləsən; o qədər ucuzlaşanda ki, daim səhv edə biləsən; bu gün mənasız görünən uğursuzluqlar o qədər çox olur ki, nəhayət ağlı formalaşdıracaq qədər yığılır.

Orijinal link