✨︎ Resumen (TL;DR):
- Una transcripción filtrada de casi cuatro horas detalla la estrategia de DeepSeek para competir con los laboratorios de Estados Unidos.
- La empresa opera con 20,000 tarjetas equivalentes a la serie H de NVIDIA, una vigésima parte del cómputo que usan sus rivales occidentales.
- El fundador afirma que el dominio de software de NVIDIA tiene grietas, aunque admite que necesitan cuatro tarjetas de Huawei para igualar a una de su competidor.
Una transcripción filtrada de casi cuatro horas de una reunión de DeepSeek revela que su fundador, Liang Wenfeng, atribuye la brecha de inteligencia artificial de China frente a Estados Unidos exclusivamente a la falta de potencia de cómputo, descartando diferencias en talento o algoritmos. El documento, difundido originalmente el 23 de julio de 2026, expone los retos de hardware que enfrenta la firma y su estrategia comercial frente a gigantes tecnológicos como NVIDIA.
“La mayor brecha entre nosotros y Estados Unidos está en los recursos”, detalla la minuta de la reunión ocurrida el 21 de mayo con los inversionistas de su primera ronda de financiamiento externo, publicada por el newsletter Inside China. Según Liang, de esta escasez de fierros se derivan las diferencias en capacidad de los modelos y en el desarrollo de aplicaciones.
Aunque la autenticidad de la transcripción no ha sido confirmada de manera oficial por DeepSeek ni por su fundador, el documento ofrece un diagnóstico crudo sobre el estado de la tecnología asiática.
El peso del hardware: 20,000 tarjetas frente a presupuestos billonarios
La empresa opera actualmente con cerca de 20,000 tarjetas equivalentes a la serie H de NVIDIA, de las cuales la gran mayoría llegó apenas dos meses antes de la reunión. La escala para competir con el estándar estadounidense es masiva. Entrenar un modelo de 800,000 millones de parámetros activos requeriría unas 50,000 tarjetas GB300 de NVIDIA o 200,000 tarjetas Huawei 950, solo para la fase de entrenamiento.
Incluso tras cerrar su primera ronda de inversión externa por más de 50,000 millones de yuanes (unos 7,400 millones de dólares) con una valuación previa de 367,500 millones de yuanes, DeepSeek no tiene el capital para costear un entrenamiento de ese tamaño. Liang aportó 20,000 millones de yuanes de su propio dinero a esta ronda, donde también participaron Tencent, CATL, NetEase, JD.com e IDG Capital.
La desventaja frente a las firmas de Estados Unidos es notable si se compara el gasto de capital (capex) proyectado para 2026: Amazon perfila 200,000 millones de dólares, Alphabet estima entre 175,000 y 185,000 millones, y Meta entre 115,000 y 135,000 millones. Toda la ronda de DeepSeek equivale a menos de dos semanas del gasto de un solo gigante estadounidense.
A pesar de la disparidad, Liang estima que se encuentran a una distancia de entre 12 y 18 meses de los laboratorios estadounidenses más avanzados, logrando resultados competitivos con apenas una vigésima parte del cómputo. Su objetivo a corto plazo es reducir esa diferencia a un rango de tres a seis meses.
El software que desafía a NVIDIA
Uno de los puntos más críticos de la conversación aborda el ecosistema cerrado de hardware y software del gigante de los chips. “El foso de CUDA de NVIDIA se está desintegrando rápidamente”, asegura Liang en el texto.
El directivo argumenta que el software de inteligencia artificial actual es capaz de escribir código por sí mismo, lo que acelera el desarrollo de alternativas operativas. Además, destaca el uso de herramientas propias.
TileLang es un lenguaje de programación de alto nivel que permite escribir operadores de inteligencia artificial sin depender de la plataforma CUDA de NVIDIA. De hecho, el modelo V3 de DeepSeek se entrenó en hardware de NVIDIA pero casi sin utilizar su stack de software, asumiendo una pérdida de eficiencia de ejecución de apenas entre el 1% y el 2%.
Sin embargo, el hardware local todavía muestra rezago técnico. La minuta detalla que se necesitan cuatro tarjetas de Huawei para igualar la potencia de una sola tarjeta de NVIDIA. Huawei ha asignado a DeepSeek cerca de 16,000 tarjetas 950, equivalentes a unas 4,000 de la serie B de NVIDIA, lo que resulta suficiente para dar soporte a la generación actual de modelos, pero insuficiente para la siguiente fase de desarrollo. Para Liang, el verdadero cuello de botella no radica en el software, sino en la capacidad física de producción de Huawei.
Precios bajos y código abierto como modelo comercial
En el terreno comercial, la estrategia se enfoca en el volumen y la contención de precios. DeepSeek calcula el costo de sus servicios API para recuperar la inversión en hardware en un plazo aproximado de diez meses. Esto representa un margen de ganancia de seis veces. Aunque la demanda inelástica les permitiría duplicar las tarifas, la firma optó por mantener los costos bajos.
La filosofía de la empresa busca rentabilidad a largo plazo mediante un esquema de bajo impacto individual pero de gran volumen de adopción. Bajo esta visión de negocios, prefieren conformarse con una fracción menor de los ingresos de la industria de la inteligencia artificial para asegurar la masificación de sus herramientas.
Esta postura determina sus próximas decisiones técnicas de cara al usuario final: * El código de sus modelos más potentes se mantendrá abierto y se publicará exactamente el mismo software que utilizan en sus servidores internos. * No destinarán recursos al desarrollo de generación de video, entornos 3D o world models, por considerar que no aportan al camino hacia la inteligencia artificial general (AGI). * Su hoja de ruta se centrará en cadenas de pensamiento, agentes inteligentes (priorizando los de programación para acelerar su propia investigación), aprendizaje continuo y auto-iteración.
“Nuestro mayor interés central es mantener la estabilidad del equipo”, sostiene Liang. Esta es la regla más estricta dentro de un laboratorio que rompe los esquemas tradicionales de la industria en China. La mitad de sus investigadores principales trabaja etiquetando datos manualmente, los empleados no están sujetos a métricas rígidas de rendimiento (KPIs) y disponen de la mitad de su jornada laboral para la exploración libre de proyectos, evitando las extenuantes jornadas de tiempo extra comunes en el sector tecnológico.
