DeepSeek, z siedzibą w Hangzhou, ma pokazać model V4 w nadchodzącym tygodniu, ponad rok po ostatniej dużej premierze. Według informacji opisywanych w mediach branżowych i finansowych, V4 ma być modelem „multimodalnym”, czyli zdolnym do pracy nie tylko na tekście, ale też na materiałach wizualnych i wideo. Termin jest nieprzypadkowy: start chińskich „Two Sessions” (4 marca 2026 r.) to coroczne święto polityki i przekazu strategicznego Pekinu — a obecność „narodowego czempiona AI” pasuje do narracji o technologicznej samowystarczalności.

Jeszcze ważniejsza jest warstwa sprzętowa: DeepSeek ma optymalizować V4 pod rozwiązania chińskich producentów chipów, w tym Huawei i Cambricon. To czytelny komunikat: nawet jeśli Nvidia wciąż dominuje w chipach do trenowania modeli, Chiny chcą przejmować kluczowy etap „inference” — czyli generowania odpowiedzi przez już wytrenowane modele — na własnym sprzęcie.

Taki ruch może uderzać w najbardziej wrażliwe miejsce globalnego boomu AI: w przekonanie, że tylko amerykański stack (amerykańskie modele + amerykańskie GPU) jest „autostradą” do skalowania sztucznej inteligencji. A jeśli ta wiara słabnie, rynki — przyzwyczajone do jednej dominującej historii inwestycyjnej — reagują nerwowo.

DeepSeek nie wyrósł z klasycznego „garażu” z Doliny Krzemowej. Jego zaplecze to świat algorytmów i finansów: spółka jest powiązana z chińskim funduszem ilościowym High-Flyer, współtworzonym przez Liang Wenfenga. W publicznie opisywanych materiałach o firmie powtarza się wątek, że High-Flyer rozwijał kompetencje w uczeniu maszynowym do zastosowań rynkowych, budował klastry obliczeniowe i gromadził zasoby GPU jeszcze zanim amerykańskie ograniczenia eksportowe mocniej „przykręciły kurek” z najnowocześniejszym sprzętem do Chin.

Sam DeepSeek — jako osobny byt rozwijający modele — jest opisywane jako firma powstała w 2023 r. i od początku stawiająca na szybki postęp badawczy oraz efektywność. To ważne, bo w globalnej rywalizacji AI nie zawsze wygrywa ten, kto ma największe serwerownie. Czasem wygrywa ten, kto potrafi „wycisnąć” więcej z ograniczonych zasobów: lepsze techniki treningu, lepsza architektura, lepsza inżynieria danych i optymalizacja.

W styczniu 2025 r. DeepSeek wypuścił R1 — model nastawiony na „rozumowanie” (reasoning), czyli rozwiązywanie złożonych zadań przez dzielenie problemu na kroki. Firma przekonywała, że osiągnęła poziom porównywalny z najlepszymi zachodnimi modelami, przy użyciu znacznie mniejszej mocy obliczeniowej i kosztów.

Równolegle DeepSeek zyskał uznanie za publikowanie technicznych opisów metod treningu i usprawnień inżynieryjnych — co pozwalało innym zespołom analizować podejście i kopiować rozwiązania. To właśnie ta kombinacja (wysoka jakość + niska cena + transparentność techniczna) sprawiła, że firma stała się jednym z symboli chińskiej ofensywy technologicznej.

Rynkowa panika po R1 miała kilka warstw — i wszystkie uderzały w fundamenty „hossy AI”. Po pierwsze: narracja inwestycyjna 2023–2025 opierała się na założeniu, że rozwój AI jest przede wszystkim wyścigiem na moc obliczeniową, a więc na gigantyczne zamówienia GPU (głównie Nvidii). Jeżeli jednak konkurent pokazuje model o bardzo mocnych wynikach przy mniejszym zużyciu zasobów, pojawia się pytanie: czy popyt na najdroższe GPU będzie rósł w takim tempie, jak wbudowały to w wyceny spółek rynki? Taka wątpliwość — nawet jeśli przesadzona — wystarcza, by uruchomić gwałtowne ruchy cen akcji.

Po drugie: DeepSeek uderzył w psychologię rynku, bo przypominał „moment Sputnika” — nagłe uświadomienie sobie, że geopolityczny rywal potrafi wykonać technologiczny skok szybciej, niż zakładała opinia publiczna i część inwestorów. Ten typ szoku działa jak katalizator: media podbijają temat, analitycy aktualizują scenariusze, a inwestorzy w pośpiechu redukują ekspozycję na najbardziej „rozgrzane” segmenty.

Po trzecie: R1 podważał sens i skuteczność amerykańskich kontroli eksportowych. Jeśli chińskie zespoły potrafią optymalizować modele tak, by mniej zależeć od topowych chipów albo lepiej wykorzystywać dostępny sprzęt, to strategia „odcięcia od GPU” traci część siły rażenia. Takie rozumowanie — niezależnie od tego, czy w pełni prawdziwe — też wpływa na rynki, bo dotyka długoterminowej przewagi konkurencyjnej USA.

I wreszcie: R1 uruchomił debatę o „destylacji” (distillation) — technice trenowania mniejszych modeli na odpowiedziach większych, co pozwala osiągać wysoką jakość przy niższych kosztach. Dla rynków to był sygnał, że przewagi topowych laboratoriów mogą być kopiowane szybciej, niż zakładał biznesplan oparty na „ekskluzywności” dostępu do mocy obliczeniowej i danych.

Plan optymalizacji V4 pod chipy Huawei i Cambricon wpisuje się w szerszą strategię Chin: budowę krajowego łańcucha dostaw AI, w którym kluczowe elementy — od sprzętu po oprogramowanie — nie podlegają amerykańskim restrykcjom. W praktyce oznacza to pragmatyczny podział rynku: nawet jeśli Nvidia jest trudna do zastąpienia w najbardziej kosztownym etapie pre-treningu (wczytywanie ogromnych zbiorów danych i „budowanie” modelu od zera), to rynek inference jest równie ogromny i szybko rośnie, bo to tam firmy realnie „używają” modeli w produktach.

Agencje informacyjne donosiły, że DeepSeek miał też ograniczać współpracę przedpremierową z amerykańskimi producentami GPU, co byłoby nietypowe w branży, gdzie firmy chipowe zwykle dostają wczesny dostęp do modeli, by je lepiej stroić pod własny sprzęt. Jeśli ta linia się utrzyma, to mamy do czynienia nie tylko z rywalizacją firm, ale z elementem geopolitycznej gry o standardy.

Jednocześnie nie jest tak, że Chiny „już wygrały” sprzętową wojnę. Nawet wewnątrz chińskich planów widać tarcia: wcześniejsze doniesienia wskazywały, że DeepSeek próbował trenować najcięższe etapy na sprzęcie Huawei, ale miał napotykać bariery techniczne. To pokazuje realny stan gry: optymalizacja pod lokalne chipy może szybko przynieść efekty w inference, ale pełna niezależność w trenowaniu modeli „od zera” to nadal trudna droga.

Powrót DeepSeek na pierwsze strony gazet nie dzieje się w próżni. W lutym 2026 r. Anthropic publicznie opisywał wykrywanie i ograniczanie tzw. „distillation attacks”, wskazując m.in. na próby masowego wydobywania możliwości modeli (takich jak Claude) przez sieci fałszywych kont i automatyzację interakcji. W przekazie medialnym pojawiały się oskarżenia kierowane m.in. pod adresem DeepSeek oraz innych chińskich laboratoriów.

Dla inwestorów i regulatorów to temat zapalny z trzech powodów. Po pierwsze: tworzy ryzyko prawne i reputacyjne — także dla firm, które wdrażają modele w produktach (bo nikt nie chce opierać biznesu na technologii obciążonej sporem o „kradzież” przewag). Po drugie: podbija temperaturę polityczną w relacjach USA–Chiny, co może prowadzić do nowych ograniczeń eksportowych, sankcji lub presji na platformy dystrybucji modeli open source. Po trzecie: zmienia konkurencję na bardziej „wojenną” — mniej o innowacji, bardziej o blokowaniu rywala.

Dlatego premiera V4 ma szansę ponownie wywołać rynkowe fale. Jeżeli model okaże się przełomowy jakościowo i jednocześnie zostanie sprawnie uruchomiony na chińskim sprzęcie, inwestorzy mogą jeszcze mocniej kwestionować tezę, że Zachód ma trwały monopol na najważniejsze ogniwa AI. Jeśli zaś V4 będzie „tylko” solidnym krokiem naprzód, ale wzmocni lokalny ekosystem inference, i tak przyspieszy strategiczną zmianę: coraz większa część popytu na AI w Chinach może przestać „przeciekać” do Nvidii i amerykańskich dostawców.

W skrócie: DeepSeek zamieszał raz, bo pokazał, że wysoka jakość nie musi kosztować fortuny. Teraz może zamieszać drugi raz, bo próbuje udowodnić, że AI da się budować i wdrażać także na sprzęcie, który powstaje poza amerykańską strefą wpływów.

Dla polskiego odbiorcy historia DeepSeek nie jest egzotyczną wojną Silicon Valley z Pekinem, tylko opowieścią o tym, jak szybko zmienia się świat, w którym żyjemy i jak łatwo Europa może stać się jedynie rynkiem zbytu dla cudzych technologii. Jeśli Chiny potrafią budować mocne modele taniej i uruchamiać je na własnych chipach, to presja cenowa spadnie na amerykańskie i europejskie firmy. To z czasem przełoży się na to, jakie narzędzia trafią do szkół, urzędów, firm i mediów w Polsce: czy będą to rozwiązania droższe, kontrolowane licencjami i regulacjami z zewnątrz, czy tańsze i szerzej dostępne, ale obarczone ryzykiem zależności od systemu wartości i interesów państw, które nie zawsze rozumieją europejską wrażliwość.

Dla katolika jest tu dodatkowy wymiar: AI coraz częściej wchodzi w sfery, które dotykają sumienia i kultury — edukację dzieci, formowanie opinii, treści religijne, poradnictwo psychologiczne, a nawet sposób prowadzenia debat publicznych. Jeżeli modele będą projektowane w logice czystej użyteczności lub państwowej propagandy, bez respektu dla prawdy, godności osoby i wolności, to problem przestaje być techniczny.

W praktyce oznacza to jedno: Polska potrzebuje nie tylko „tańszej AI”, ale też mądrego wyboru technologii i reguł jej użycia — tak, by narzędzia pomagały człowiekowi, rodzinie i wspólnocie, zamiast je rozmontowywać. DeepSeek jest więc ostrzeżeniem i szansą zarazem: ostrzeżeniem, że wyścig przyspiesza i nikt nie poczeka na Europę, oraz szansą, że konkurencja obniży koszty i ułatwi dostęp do narzędzi, o ile będziemy umieli postawić granice tam, gdzie w grę wchodzi prawda, odpowiedzialność i wolność.

Źródła

• Financial Times: zapowiedź premiery DeepSeek V4 i tło współpracy z Huawei/Cambricon.

• Reuters: informacje o strategii DeepSeek wobec amerykańskich producentów chipów i kontekście eksportowych ograniczeń.

• Anthropic (komunikat firmowy): opis wykrywania i ograniczania „distillation attacks”.

• Financial Times (wyjaśnienie zjawiska): czym jest „AI distillation” i dlaczego budzi spory.

• Analizy i omówienia „DeepSeek shock” (m.in. Stanford/FSI; komentarze ekspertów o reakcji rynku i znaczeniu R1).

wAkcji24.pl | Ekonomia | NNW | Ilustracja: Gemini AI | 3.04.2026