¿DeepSeek: Un Cisne Negro en la Inteligencia Artificial?

27-01-2025 | Finanzas, Empresas, Mercado

En el mundo de la inteligencia artificial, entrenar los modelos más avanzados es una tarea increíblemente costosa. Empresas como OpenAI y Anthropic destinan más de 100 millones de dólares solo a la computación, operando enormes centros de datos con miles de GPU que cuestan alrededor de 40 000 dólares cada una. Es como si para operar una fábrica se necesitara el equivalente a una planta de energía completa.

Sin embargo, la llegada de DeepSeek está cambiando radicalmente las reglas del juego. Esta empresa emergente no solo prometió reducir los costos de entrenamiento de IA a 5 millones de dólares, sino que lo hizo realidad. Sus modelos están alcanzando e incluso superando a gigantes como GPT-4 y Claude en muchas tareas. El mundo de la inteligencia artificial está conmocionado.

El Secreto de DeepSeek: Replantear el Problema desde Cero

DeepSeek logró este avance replanteando por completo cómo funciona la IA. Mientras que los métodos tradicionales operan con precisión excesiva —escribiendo números con 32 decimales, por ejemplo—, DeepSeek encontró que reducir esto a 8 decimales mantenía la precisión necesaria, pero utilizando un 75 % menos de memoria.

Además, revolucionaron el procesamiento de datos mediante un sistema de "tokens múltiples". En lugar de leer texto palabra por palabra, como “El… gato… se… sentó…”, su tecnología procesa frases completas a la vez. Esto no solo duplica la velocidad, sino que también mantiene una precisión del 90 %.

Un Sistema Experto para Modelos Más Inteligentes y Eficientes

La mayor innovación de DeepSeek es su sistema de “expertos especializados”. Mientras que los modelos tradicionales de IA activan todos sus parámetros al mismo tiempo —lo que equivale a mantener un motor en máxima potencia constante—, DeepSeek activa únicamente los parámetros necesarios para una tarea específica.

En términos numéricos, los modelos tradicionales operan con 1,8 billones de parámetros activos constantemente. En cambio, DeepSeek tiene un total de 671 mil millones de parámetros, pero solo utiliza 37 mil millones a la vez. Es como tener un enorme equipo de expertos, pero llamar únicamente a los especialistas que realmente necesitas en cada momento.

Impacto y Resultados

El enfoque de DeepSeek no solo ha logrado reducir los costos de entrenamiento de IA de 100 millones a 5 millones de dólares, sino que también ha disminuido drásticamente la cantidad de hardware necesario: de 100 000 GPU a tan solo 2 000. Incluso, sus modelos pueden ejecutarse en GPU diseñadas para juegos, en lugar de depender del costoso hardware de los centros de datos.

Lo más impresionante es que todo este trabajo es de código abierto. Cualquiera puede examinar el código y los documentos técnicos que explican cómo funciona su tecnología. Esto significa que no se trata de magia, sino de ingeniería increíblemente inteligente y eficiente.

Por Qué Esto Es Importante

DeepSeek está democratizando el acceso a la inteligencia artificial, rompiendo el paradigma de que solo las grandes empresas tecnológicas pueden participar en el desarrollo de modelos avanzados. Ya no es necesario un centro de datos de mil millones de dólares. Ahora, unas pocas GPU de alta calidad pueden ser suficientes.

Para empresas como Nvidia, este cambio representa una amenaza directa. Su modelo de negocio se basa en vender GPU extremadamente costosas con márgenes del 90 %. Si de repente es posible entrenar y ejecutar IA con hardware más accesible, el panorama cambia por completo.

Un Equipo Pequeño, Resultados Gigantes

Es aún más sorprendente que DeepSeek haya logrado todo esto con un equipo de menos de 200 personas. En comparación, compañías como Meta tienen equipos en los que la compensación salarial por sí sola excede el presupuesto total de DeepSeek, y aun así, los modelos de estas grandes empresas no logran igualar su nivel de eficiencia.

El Momento de la Disrupción

La historia de DeepSeek es un ejemplo clásico de disrupción: mientras los grandes jugadores de la industria optimizan procesos existentes, los disruptores replantean el enfoque fundamental. DeepSeek se preguntó: “¿Qué pasaría si simplemente lo hiciéramos de manera más inteligente, en lugar de agregar más hardware?”

Implicaciones Futuras

El impacto de estas innovaciones es enorme:

El desarrollo de IA se volverá más accesible.

Aumentará significativamente la competencia en el sector.

Los “fosos” que protegen a las grandes empresas tecnológicas se reducirán a simples charcos.

Los costos asociados al hardware y la computación se desplomarán.

Por supuesto, los gigantes de la industria como OpenAI y Anthropic no se quedarán de brazos cruzados. Es probable que ya estén implementando algunas de estas innovaciones. Sin embargo, el genio de la eficiencia ya salió de la botella, y no hay vuelta atrás al enfoque de "solo agregar más GPU".

Reflexión Final

Estamos frente a un punto de inflexión histórico, comparable a la llegada de las computadoras personales o al cambio hacia la computación en la nube. La inteligencia artificial está a punto de volverse mucho más accesible y económica.

La verdadera pregunta no es si esto afectará a los actores actuales, sino qué tan rápido lo hará.

Por Daniel Pizzolon