Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
Liang Wenfeng ha puesto el cuello de botella de la inteligencia artificial en un lugar menos glamuroso que el talento y más caro que cualquier discurso. Para el consejero delegado de DeepSeek, el problema no está en encontrar a la gente adecuada, sino en conseguir suficientes chips.
Liang Wenfeng sitúa el límite donde más duele
En una reunión con inversores, el directivo lo resumió con una frase muy concreta sobre la carrera actual por entrenar modelos. El talento no es el cuello de botella y los recursos son el mayor freno, dijo al defender que los equipos humanos ya existen, pero la capacidad de cómputo sigue siendo escasa.
"En personal no hay brecha, ya que es básicamente el mismo grupo de personas. El talento no es el cuello de botella: los recursos son el mayor cuello de botella". - Liang Wenfeng, consejero delegado de DeepSeek
Esa idea cambia la escala del debate. Si entrenar un modelo de 800.000 millones de parámetros activos exige 50.000 tarjetas GB300 de Nvidia o 200.000 tarjetas Huawei 950, la diferencia entre avanzar o quedarse atrás ya no se mide solo en ingenieros, sino en acceso físico a miles de aceleradores.
Cuatro chips de Huawei equivalen a uno de Nvidia en capacidad de cómputo.
Entrenar modelos gigantes exige una aritmética brutal
Visto así, la comparación de Liang Wenfeng no tiene nada de metáfora. Cuando una empresa necesita 200.000 tarjetas Huawei 950 para igualar el trabajo de 50.000 GB300 de Nvidia, cada decisión de compra se parece más a levantar una central industrial que a ampliar un centro de datos.
Ahí entra también su visión sobre el gasto. Liang Wenfeng sostuvo que más tarjetas siempre es mejor y que convertir dinero en tarjetas Nvidia resulta preferible a dejar ese capital en el banco.
"Convertir dinero en tarjetas Nvidia es, definitivamente, mejor que dejar ese dinero en el banco". - Liang Wenfeng, consejero delegado de DeepSeek
No habla solo de potencia, también de plazos. Liang Wenfeng aseguró que el hardware que compran puede amortizarse por sí solo en unos diez meses, una ventana muy corta para máquinas que cuestan fortunas y que, en esta industria, envejecen casi al ritmo de los anuncios.
DeepSeek también liga esa política de precios al uso de la infraestructura. Según su consejero delegado, fijan tarifas para obtener una ganancia razonable, no para maximizar ingresos, y buscan mantener los precios bajos para aumentar la probabilidad de alcanzar la AGI.
China empuja un recambio mientras CUDA pierde terreno
Mientras tanto, Liang Wenfeng sostiene que el ecosistema CUDA de Nvidia se erosiona con rapidez en el mercado chino. Su argumento va más allá del software, porque afirma que el supernodo 950 de Huawei puede reemplazar por completo a las GB200 y GB300 de Nvidia en rendimiento y precio.
Esa afirmación encaja con un mercado obligado a buscar alternativas propias. En ese pulso por rehacer la dependencia del hardware extranjero ya han aparecido cambios en la cuota de Nvidia en China, un síntoma de que la batalla ya no se juega solo en los laboratorios.
Las restricciones de Estados Unidos empujan la tensión fuera de China
El caso de Moonshot AI añade otra capa al conflicto. La Casa Blanca acusa a la empresa china de adquirir servidores con chips Nvidia GB300 a los que no debería haber tenido acceso.
Además, Estados Unidos sostiene que Moonshot AI entrenó su modelo Kimi K3 en Tailandia para eludir las regulaciones de exportación. También afirma que ese modelo se alimentó de Fable, el sistema de Anthropic, lo que lleva la disputa desde los chips hasta el origen mismo de los datos y los modelos.
Ya no se discute solo qué modelo responde mejor.
La discusión real aparece en otra parte, entre 50.000 tarjetas GB300, 200.000 Huawei 950 y una amortización de diez meses que convierte la carrera por la IA en una cuestión de caja, suministro y acceso material a las máquinas.