Quién gana y quién pierde de verdad tras la 'revolución' DeepSeek. "Lo estás leyendo mal"

"Si no sale DeepSeek, Nvidia vende más. Si sale DeepSeek, Nvidia vende más. Si cae un meteorito, Nvidia vende más". Suena a broma, pero esta frase, compartida en X entre los infinitos hilos, análisis, datos y opiniones vertidos sobre la supuesta revolución de la china DeepSeek, es en realidad una de las más certeras para entender de verdad lo que está ocurriendo. Ni Nvidia, Meta, Google u OpenAI se han equivocado estrepitosamente con su estrategia de inversiones multimillonarias en IA, ni Trump ha hecho el ridículo anunciando el proyecto 'Startgate' de 500.000 millones de dólares (al menos, no por el dinero), ni DeepSeek es el nuevo líder mundial de la IA. ¿Qué está pasando entonces?

Algunos de los investigadores, inversores y especialistas en IA más punteros a nivel mundial han compartido en las últimas horas su análisis sobre el rodillo DeepSeek, que ha supuesto la mayor pérdida de valor bursátil en 24 horas de la historia de EEUU. Solo Nvidia perdió el lunes 620.000 millones de dólares; Alphabet cayó 100.000 millones; Microsoft, otros 70.000 millones. La preocupación era evidente: DeepSeek demostraría que para construir la nueva hornada de modelos 'razonadores' de IA, similares a o1 y o3 de OpenAI, no serían necesarias las inversiones milmillonarias de las que Sam Altam, Larry Ellison, o incluso Elon Musk, venían presumiendo. Nuevamente, China habría adelantado a Occidente por la derecha con su foco en innovación y mentalidad low-cost.

Esta visión, además de exagerada, tal y como explica Yan LeCun, científico jefe de IA en Meta, es en buena parte errónea.

TE PUEDE INTERESAR

Los jóvenes "prodigio" chinos que hacen temblar a EEUU: quién hay detrás de DeepSeek

Albert Sanchis

"Quienes ven el rendimiento de DeepSeek y piensan: "China está superando a EEUU en IA", lo están leyendo mal. La interpretación correcta es: "Los modelos de código abierto están superando a los propietarios". DeepSeek ha aprovechado la investigación abierta y los recursos de código abierto (por ejemplo, PyTorch y Llama de Meta). Han desarrollado nuevas ideas y las han construido sobre el trabajo de otros. Debido a que su modelo está publicado y es de código abierto, todos pueden beneficiarse de él", explica LeCun.

Su argumento, compartido por muchos especialistas del sector, es sencillo: si no fuera por las inversiones millonarias en centros de datos, talento y tiempo que las tecnológicas estadounidenses llevan realizando en los últimos años, DeepSeek jamás habría sido capaz de llegar a donde lo ha hecho. Y la consecuencia es que su avance, el modelo R1 en código abierto, está a disposición de cualquiera. Para bien y para mal. "La idea es que todos se beneficien de las ideas de los demás. Nadie "supera" a nadie y ningún país "pierde" frente a otro", señala LeCun. Dicho de otra forma, OpenAI, la francesa Mistral o Meta podrían ahora aprender del avance de DeepSeek, adaptarlo y lanzar algo nuevo y mejor en cuestión de semanas o meses.

El pánico bursátil que hemos vivido desde este lunes, por tanto, tendría poco que ver con avances revolucionarios a medio o largo plazo, sino más bien con la pura especulación financiera a corto y con el efecto psicológico que describe el inversor y emprendedor Arnaud Bertrand: "El mundo se ha dado cuenta de que China ha alcanzado —y en algunas áreas ha superado— a EEUU en tecnología e innovación, a pesar de los esfuerzos por evitarlo." Algo que, por cierto, venía ya ocurriendo en muchos sectores y desde hace mucho tiempo.

Otra prueba de este componente de 'reacción irracional' que ha causado DeepSeek: la semana pasada, la china ByteDance, dueña de TikTok, anunció una IA razonadora que también supera a o1 en algunos tests. Este martes, Alibaba lanzó Qwen2.5-Max, otro modelo "a la par que DeepSeek V3". Ninguno de los dos se ha llevado titulares ni ha generado pánicos financieros.

La reacción de Trump ejemplifica bien la sensación global de confusión ante el avance de DeepSeek. "Tenemos los mejores científicos del mundo. Esto es muy inusual. Cuando oyes que a DeepSeek se la ha ocurrido algo [primero]. Nosotros siempre tenemos las ideas", se quejó como si le acabaran de robar la cartera.

La lectura de otro de los pesos pesados del sector (y parte interesada), Satya Nadella, el CEO de Microsoft, sirve también para entender quién gana y quién pierde y qué está exactamente en juego. "¡La paradoja de Jevons golpea de nuevo! A medida que la IA se hace más eficiente y accesible, veremos cómo se dispara su uso, convirtiéndola en una 'commodity' de la que no podemos tener suficiente". ¿Qué ocurre si más y más personas en el mundo empiezan a usar la IA porque cada vez es más barata y efectiva? En efecto, se necesitarán más procesadores y poder de computación de Nvidia, ASML, Google y todas las empresas cuyas acciones se han desplomado desde el lunes.

Un buen ejemplo para entenderlo, como explica Chang Xu, profesor asociado de machine Learning en la Universidad de Sydney, es pensar en Android, el sistema operativo basado en código abierto que creó Google para plantar cara al iOS de Apple. Su nacimiento no solo no hizo desaparecer a las empresas de procesadores para móviles (como Qualcomm), sino que supuso todo lo contrario. Como más y más gente quería comprarse un móvil avanzado, Qualcomm y toda la industria de los smartphones se disparó a cotas inimaginables, empujando a la baja tanto los precios del hardware como del software. Algo parecido estamos empezando a ver ahora con la IA.

"Lo abierto siempre gana"

Esto nos lleva a otro punto fundamental: DeepSeek asegura haber gastado 10 veces menos que OpenAI en entrenar su modelo R1 respecto a GPT-4 (casi 6 millones de dólares frente a entre 80 y 100 millones de dólares gastados por OpenAI). Sin embargo, lo que nadie sabe es cuánto ha gastado en la segunda parte de la ecuación, en la inferencia, el momento en el que el modelo se pregunta a sí mismo la mejor forma de resolver las peticiones. El gasto en computación de esta fase no es desdeñable, y en realidad no hace más que aumentar. Como apunta Yan LeCun, todas las tecnológicas, incluida DeepSeek, tendrán que invertir en poder de computación en la fase de inferencia si quieren mejorar sus modelos.

Eso es justo lo que están haciendo ya OpenAI, Oracle, Microsoft, Meta o Google con sus inversiones millonarias en centros de datos. Por algún motivo, se ha asumido que están destinando el dinero a la fase de entrenamiento, en la que DeepSeek ha demostrado ser más eficiente, y no a la de inferencia. Nuevamente, es erróneo.

"Hay un gran malentendido sobre las inversiones en infraestructura de IA: gran parte de esos miles de millones se están destinando a infraestructura para inferencia, no para el entrenamiento. Ejecutar servicios de asistentes de IA para miles de millones de personas requiere una gran capacidad de computación. Una vez que se integren funciones como la comprensión de video, el razonamiento o la memoria a gran escala en los sistemas de IA, el coste de inferencia va a aumentar. La única pregunta real es si los usuarios estarán dispuestos a pagar lo suficiente (de manera directa o indirecta) para justificar los gastos de capital (capex) y operativos (opex)".

Ese es, realmente, el gran "pero" que debe preocupar a Silicon Valley, Trump y sus 'tecnoligarcas'. Y es un "pero" gigantesco: ¿serán capaces OpenAI, Microsoft y compañía de dar con un modelo de negocio que haga de la IA una tecnología rentable? De momento, en 2024, OpenAI perdió más de 5.000 millones de dólares, con unos ingresos de menos de 3.700 millones. Se espera que esas pérdidas se disparen a los 14.000 millones hasta 2026. Es, sin duda, la empresa que más se tiene que reciclar tras el avance de DeepSeek. A juzgar por la foto que Altman ha publicado en las últimas horas junto a Nadella (arriba), ya se han puesto manos a la obra.

Algunos, como Jonathan Ross, CEO de la tecnológica Groq y ex de Google, le dan un consejo: hacerse un Meta, abrir el código de sus modelos. "Si fuera ellos, lo haría. Está claro que en la situación actual van a perder. Lo abierto siempre gana".