La startup china de inteligencia artificial DeepSeek, conocida por sus modelos innovadores como R1 y V4, ha entrado en la carrera por su propio "hardware". Según mis datos, la empresa lleva aproximadamente un año desarrollando su propio procesador, diseñado para la inferencia —la etapa de ejecución de modelos de redes neuronales después de su entrenamiento—. Esta es una señal importante para el mercado: DeepSeek busca reducir su dependencia de proveedores externos, incluyendo a Nvidia y Huawei.
Por el momento, el proyecto se encuentra en una etapa temprana. DeepSeek está negociando activamente con socios de diseño de chips, fabricación por contrato y suministro de memoria. Además, se están contratando ingenieros de diseño de procesadores de forma confidencial. La empresa aún no comenta estos pasos, lo que solo aumenta el interés en su estrategia.
Anteriormente, DeepSeek utilizaba chips Nvidia H800 adaptados para el mercado chino y colaboraba activamente con Huawei, empleando sus procesadores Ascend en los modelos V4 y V4-Flash. Sin embargo, como señalo, las restricciones de exportación de Estados Unidos y la creciente demanda de soluciones de inferencia hacen que un chip propio no sea solo una ambición, sino una necesidad. El fundador de la startup, Liang Wenfeng, ya en 2024 calificó el control sobre el suministro de chips como un problema clave.
DeepSeek entra en la lucha contra gigantes como OpenAI, Broadcom y Alibaba, que ya están invirtiendo en su propia infraestructura. Sin embargo, el éxito no está garantizado: la alta competencia, los enormes costos de capital y el acceso limitado a fábricas extranjeras avanzadas crean barreras significativas. No obstante, este paso demuestra la aspiración de DeepSeek hacia la autonomía tecnológica.
Opinión analítica: En un contexto de tensiones geopolíticas y restricciones a la exportación de semiconductores, crear un chip propio para inferencia es un movimiento lógico pero arriesgado. Si DeepSeek logra integrarlo con éxito en su ecosistema, no solo reduciría su dependencia de Nvidia y Huawei, sino que también obtendría ventajas en velocidad y costo de procesamiento de datos. Sin embargo, esto requerirá años de desarrollo e inversiones multimillonarias.