El nacimiento de una estrella, DeepSeek, la IA china

Liang Wenfeng, que en su día dirigió un fondo de inversión libre (hedge fund) cuantitativo en China, dio un giro radical a su carrera apostando por la investigación en inteligencia artificial. Invirtió recursos considerables, acumuló 10.000 chips de Nvidia y reunió a un equipo de jóvenes investigadores brillantes. Este audaz proyecto condujo, dos años después, al debut de DeepSeek, una iniciativa que ha captado rápidamente la atención del sector tecnológico global.

El 20 de enero, el laboratorio DeepSeek lanzó un modelo de código abierto (open source) que atrajo la atención de Silicon Valley. Según un documento de la empresa, DeepSeek-R1 supera a modelos punteros como OpenAI en matemáticas y razonamiento, lo que supone un reto serio para los gigantes occidentales de la IA.

El éxito de DeepSeek muestra un efecto inesperado de las restricciones tecnológicas de EE. UU. Con el acceso limitado a chips avanzados, muchas empresas chinas se han centrado en las aplicaciones en lugar de en los modelos de base. Sin embargo, DeepSeek adoptó un enfoque diferente: mejorar la arquitectura de los modelos de IA para utilizar de forma más eficiente los recursos limitados.

"DeepSeek destaca por la optimización de recursos basada en el software (software-driven), un enfoque que favorece la innovación colaborativa", afirma Marina Zhang, profesora asociada de la University of Technology Sydney.

Los orígenes de DeepSeek

DeepSeek nació como Fire-Flyer, una rama de investigación de High-Flyer, un exitoso fondo de inversión libre cuantitativo chino. Fundado en 2015, High-Flyer acumuló GPU para análisis financieros, hasta que, en 2023, Liang decidió reorientar estos recursos hacia la creación de modelos de IA avanzados.

DeepSeek adoptó una estrategia de contratación singular, apostando por jóvenes graduados de universidades prestigiosas como Pekín y Tsinghua, deseosos de demostrar su valía. "Elegimos a investigadores sin experiencia en el sector, pero con una mentalidad innovadora", declaró Liang.

Innovación bajo presión

Las restricciones estadounidenses sobre los chips avanzados empujaron a DeepSeek a desarrollar métodos de entrenamiento más eficientes. "Han optimizado la comunicación entre chips e implementado estrategias de mezcla de modelos (mix-of-models)", afirma Wendy Chang, del Mercator Institute for China Studies. Su último modelo es tan eficiente que solo requirió una décima parte de la potencia de cálculo necesaria para entrenar Llama 3.1 de Meta.

Compartir en código abierto las innovaciones de DeepSeek ha reforzado su reputación global. "Demuestran que se pueden construir modelos avanzados con menos recursos, optimizando los métodos de entrenamiento", concluye Chang.

Las restricciones de EE. UU. podrían resultar ineficaces para frenar el avance de la IA china, ya que estrategias alternativas como las de DeepSeek están surgiendo con éxito.

Fuente: Wired