DeepSeek desata debate sobre costos reales de IA: Meta y expertos cuestionan pánico del mercado

La reciente conmoción generada en Silicon Valley por la irrupción de DeepSeek, la prometedora startup china de inteligencia artificial, podría estar fundamentada en una interpretación errónea del mercado, según destacados expertos del sector. Yann LeCun, reconocido científico jefe de IA en Meta, argumenta que la reacción bursátil que borró un billón de dólares en capitalización carece de justificación técnica.

La controversia emergió cuando DeepSeek presentó un modelo que superó en pruebas independientes a competidores establecidos como OpenAI y Meta, utilizando hardware más económico. La empresa china llamó la atención al ofrecer su modelo R1 por apenas 0,55 dólares por millón de tokens procesados, en contraste con los 15 dólares que cobra OpenAI por servicios equivalentes.

Esta disparidad en precios provocó un terremoto financiero que afectó especialmente a Nvidia, fabricante líder de chips premium para IA, cuya valoración se desplomó en aproximadamente 600.000 millones de dólares. Sin embargo, LeCun señala que existe una confusión fundamental sobre la distribución de inversiones en el sector.

El científico de Meta explica que el verdadero desafío económico no reside en el entrenamiento inicial de los modelos, sino en la inferencia - el proceso mediante el cual los sistemas de IA aplican su aprendizaje para responder a consultas en tiempo real. Este aspecto operativo representa una proporción significativa de los costos totales, especialmente cuando los sistemas incorporan capacidades avanzadas como procesamiento de video y memoria expandida.

Thomas Sohmers, fundador de Positron, respalda esta perspectiva, anticipando un incremento sustancial en la demanda y costos de inferencia. Sugiere que quienes se concentran exclusivamente en los ahorros iniciales de DeepSeek podrían estar subestimando los gastos operativos a largo plazo.

El profesor Ethan Mollick de Wharton introduce un matiz importante al debate, distinguiendo entre diferentes escalas de operación. Mientras los costos de inferencia pueden resultar manejables para aplicaciones empresariales específicas, los servicios gratuitos masivos enfrentan desafíos económicos significativamente mayores.

En este contexto, las principales empresas tecnológicas continúan realizando inversiones estratégicas en infraestructura. Mark Zuckerberg anunció recientemente una inversión de más de 60.000 millones de dólares para 2025, enfocada en expandir las capacidades de IA de Meta. Paralelamente, la administración Trump impulsa el proyecto Stargate, una colaboración entre OpenAI, Oracle y SoftBank que prevé destinar 500.000 millones de dólares para desarrollar infraestructura nacional de IA.

El debate sobre DeepSeek revela la complejidad del panorama actual de la IA, donde los costos visibles de desarrollo representan solo una fracción de los gastos operativos totales. La reacción del mercado, aunque dramática, podría haber pasado por alto las consideraciones fundamentales sobre sostenibilidad y escalabilidad en la industria de la inteligencia artificial.

Los expertos coinciden en que el futuro del sector dependerá no solo de la capacidad para desarrollar modelos eficientes, sino también de la habilidad para gestionar los crecientes costos operativos. La entrada de nuevos proveedores en el mercado de inferencia podría eventualmente reducir estos gastos, aunque por ahora permanece como un desafío significativo para las empresas que aspiran a ofrecer servicios de IA a escala masiva.

La evolución de esta situación podría redefinir el panorama competitivo en la industria de la IA, donde la ventaja inicial en costos de desarrollo podría verse compensada por los desafíos operativos a largo plazo. Mientras tanto, el sector continúa adaptándose a una realidad donde la eficiencia en la inferencia podría convertirse en el factor decisivo para el éxito comercial.