Un año del momento que hizo temblar Silicon Valley: así cambió DeepSeek la industria de la IA
La startup china demostró que se podía entrenar modelos potentes gastando una fracción de lo que invierten las grandes tecnológicas, y desató una carrera por la eficiencia que sigue marcando el rumbo del sector.
Hace exactamente un año, en enero de 2024, una startup china llamada DeepSeek (una empresa emergente especializada en inteligencia artificial) publicó un informe técnico que sacudió los cimientos de la industria. Aseguraban haber entrenado un modelo de lenguaje comparable a los mejores de OpenAI o Google gastando apenas dos millones de dólares, una cifra ridícula comparada con los cientos de millones que las grandes tecnológicas invierten en sus modelos más avanzados. Según informó Hugging Face en su blog oficial, aquel anuncio —conocido desde entonces como el "momento DeepSeek"— no solo puso en duda las barreras económicas que parecían proteger a los gigantes del sector, sino que desató una ola de innovación centrada en hacer la IA más accesible y eficiente.
El impacto fue inmediato. Durante semanas, DeepSeek dominó las conversaciones en conferencias, foros de desarrolladores y reportes de analistas financieros. La idea de que un equipo relativamente pequeño pudiera competir con los laboratorios mejor financiados del mundo puso nervioso a más de un inversor en Silicon Valley. Pero más allá del revuelo mediático, el verdadero legado del "momento DeepSeek" fue cultural: aceleró la adopción de técnicas de entrenamiento más baratas, como el uso de hardware menos potente pero optimizado, y popularizó la filosofía de los "pesos abiertos" (modelos cuyos parámetros internos se publican para que cualquiera pueda descargarlos, estudiarlos y modificarlos), frente al secretismo de empresas como OpenAI.
Un año después, los efectos son visibles. Hugging Face —la plataforma donde desarrolladores de todo el mundo comparten y descargan modelos de IA ya entrenados— reporta que el número de modelos publicados con licencias abiertas se ha triplicado desde entonces. Empresas que antes dependían exclusivamente de las APIs (interfaces de programación que permiten usar un servicio externo sin conocer sus detalles internos) de OpenAI o Anthropic ahora exploran alternativas propias basadas en modelos abiertos, que pueden ejecutar en sus propios servidores sin compartir datos sensibles con terceros. Investigadores en universidades de América Latina, África y Asia han aprovechado estos modelos para crear aplicaciones locales —desde asistentes médicos en lenguas regionales hasta herramientas educativas adaptadas a contextos específicos— que habrían sido inviables con las soluciones comerciales tradicionales.
Paradójicamente, DeepSeek también provocó una reacción defensiva por parte de los gigantes tecnológicos. Google, Meta y Microsoft han intensificado sus inversiones en infraestructura de entrenamiento, apostando por chips cada vez más potentes y costosos —como las nuevas GPU (procesadores gráficos especializados en cálculos masivos paralelos, esenciales para entrenar modelos de IA) de Nvidia— para mantener su ventaja competitiva. Al mismo tiempo, han empezado a publicar versiones abiertas de algunos de sus modelos, en un intento por no quedar fuera del ecosistema que DeepSeek ayudó a dinamizar. La tensión entre apertura y control sigue definiendo el sector.
Hoy, el nombre de DeepSeek ya no acapara titulares cada semana, pero su influencia perdura. La pregunta que plantearon hace un año —¿realmente hace falta gastar fortunas para estar a la vanguardia de la IA?— sigue sin respuesta definitiva, pero ha obligado a toda la industria a repensar sus prioridades. Según Hugging Face, el verdadero triunfo del "momento DeepSeek" no fue técnico, sino ideológico: demostró que la innovación en inteligencia artificial no tiene por qué ser un coto privado de unos pocos laboratorios multimillonarios. Y esa idea, concluyen, es mucho más difícil de revertir que cualquier avance concreto en un modelo.
