Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
DeepSeek no solo compite con modelos de inteligencia artificial. También quiere disputar el terreno menos visible y más decisivo, el del silicio.
Reuters informó de que la empresa china desarrolla su propio chip orientado a tareas de inferencia, la fase en la que un modelo ya entrenado responde, resume o genera contenido para el usuario. El proyecto avanza en una etapa temprana y la compañía no lo ha confirmado públicamente ni respondió a las peticiones de comentario.
La batalla ya no pasa solo por el modelo, también entra en el chip
Hasta ahora, DeepSeek ha utilizado procesadores de NVIDIA y Huawei para entrenar y ejecutar sus sistemas. En abril lanzó V4 adaptado al procesador Ascend de Huawei, una línea que ya había aparecido en el salto de eficiencia de V4.
Hay un dato que explica bien la presión de fondo. R1 fue entrenado con el chip NVIDIA H800, cuya exportación a China prohibió Washington a finales de 2023.
Huawei, por su parte, indicó que sus procesadores participaron en parte del entrenamiento de V4 Flash. Ahí aparece una de las claves de esta historia, porque diseñar un chip propio no nace solo de una ambición industrial, también responde a un mapa de restricciones que ha cambiado muy deprisa.
Desde 1999, NVIDIA convirtió el hardware en lenguaje de poder
NVIDIA lanzó la GeForce 256 en 1999.
Siete años después, en 2006, puso en marcha CUDA, la arquitectura que convirtió sus chips en una plataforma de referencia para desarrollar y ejecutar inteligencia artificial. No era solo una pieza de hardware, era también un entorno de trabajo al que investigadores y empresas acabaron acostumbrándose durante años.
Por eso el movimiento de DeepSeek encaja en una tendencia más amplia. OpenAI anunció en junio su chip Jalapeño junto a Broadcom, también orientado a inferencia, y Anthropic valora diseñar los suyos.
Mientras tanto, Google, Amazon, Microsoft y Meta ya desarrollan TPU, Inferentia, Maia y MTIA, respectivamente, en una carrera donde cada compañía intenta controlar una parte mayor de la cadena. La competencia ya no consiste solo en crear mejores modelos, sino en decidir sobre qué hierro van a funcionar.
Ahora la inferencia gana peso porque ahí vive el uso cotidiano
La inferencia suena técnica, pero es la parte que toca el usuario cada día cuando hace una consulta a un asistente, pide una traducción o genera una imagen. Si el entrenamiento es la etapa de aprendizaje, la inferencia es el momento en que la máquina entra en conversación con el mundo.
Eso ayuda a entender por qué tantas empresas quieren chips propios para esa tarea concreta. Controlar ese tramo puede afectar al coste, al acceso al hardware y a la dependencia de proveedores externos, justo cuando el negocio de la inteligencia artificial deja de medirse solo en laboratorios y empieza a medirse también en millones de respuestas servidas.
DeepSeek ya había recurrido a una mezcla de NVIDIA y Huawei para sostener sus modelos, pero el giro hacia un chip propio sugiere que el cuello de botella no está únicamente en el software. En esta carrera, un modelo puede impresionar en pantalla y aun así depender de una pieza que otro diseña, fabrica o deja de vender.
La paradoja queda ahí, bien visible. En una industria obsesionada con algoritmos, una parte del poder sigue descansando en algo tan físico como un chip.