Confesiones, entrevistas y lanzamientos. Semiconductores, cadenas de suministro y cambios en las coordenadas estratégicas globales son algunos de los disparadores de una nube de tema que dominarán con fuerza 2025: el desarrollo de la inteligencia artificial (IA), la cuestión de los semiconductores y la eficiencia energética. También la monetización. Sobre esta tríada versa -y versará- buena parte del pulso del año, tal como lo desmuestran las declaraciones del fundador de Open AI, lo que está sucediendo en la industria de chips y el anuncio menos esperado proveniente de China.
Los chips dan que hablar
El reciente cambio en la administración de Estados Unidos, cuya presidencia pasó de Joe Biden a Donald Trump, introdujo fuertes cambios, entre los que se destaca el anuncio de la modificación de la política pública en materia de semiconductores. Vuelta de timón.
Sancionada en 2022, la Ley Chips y Ciencia facilitó inversiones por encima de los 53.000 millones de dólares para subsidiar e impulsar el desarrollo industrial en el territorio estadounidense, de la mano de un bloqueo a China, que parece no haber dado los resultados esperados. Sin embargo, la nueva administración tiene nuevos planes.
En ese debate se dieron cita gigantes como Nvidia, sobre todo para cuestionar la última medida de Biden vinculada a restringir ciertas exportaciones. A la par, las primeras horas de gobierno de Trump también fueron de anuncios: por ejemplo, la apuesta conjunta con socios del porte de OpenAI y SoftBank para liderar Stargate Project, la nueva empresa en la que se destinarán 500.000 millones de dólares de inversión en cuatro años para construir una red de infraestructura de IA de vanguardia.
En una reciente entrevista ofrecida por Sam Altman, cofundador de OpenAI, a Bloomberg (aquí) repasó la historia de la innovación que se presenta como bisagra paradigmática, además de plantear su mirada crítica a la Ley Chips y Ciencia, al considerar que no fue suficiente. Pero también se refirió a la cuestión del riesgo de la innovación en general y a los algoritmos de la IA.
“Todavía tengo aproximadamente los mismos perfiles de riesgo a corto, mediano y largo plazo. Todavía espero que en materia de ciberseguridad y biología veamos problemas graves, o potencialmente graves a corto plazo que necesiten mitigación”, dijo Altman. Admitió que “a largo plazo, cuando piensas en un sistema que realmente tiene una capacidad increíble, hay riesgos que probablemente sean difíciles de imaginar y modelar con precisión. Puedo pensar simultáneamente que estos riesgos son reales y también creer que la única forma de abordarlos adecuadamente es enviar el producto y aprender”.
Imagen: Pixabay
La escasez de chips le importa al responsable de Open AI y adelantó que habrá novedades en torno a la asociación con Nvidia. “Hemos trabajado arduamente en toda la cadena de suministro de chips, con todos los socios. Tenemos gente que construye centros de datos y fabrica chips para nosotros. Tenemos nuestro propio proyecto de chips. Tenemos una asociación maravillosa con Nvidia, una empresa absolutamente increíble. Hablaremos más sobre esto el año que viene, pero ahora es el momento de que escalemos los chips”.
En este sentido, el ejecutivo también hizo mención a Helion, la startup de energía limpia que respalda y que se basa en el desarrollo de la fusión nuclear, aunque también advirtió sobre los desafíos regulatorios que esta innovación supone.
La noticia china
La palabra DeepSeek es tendencia de búsquedas por estas horas a nivel global. También de titulares de medios que advierten sobre la aparición de una IA china de código abierto que desafía el predominio estadounidense.
La agencia EFE (aquí) dio cuenta que DeepSeek-R1 lidera las listas de descargas gratuitas de la tienda de aplicaciones móviles App Store tanto en China como en Estados Unidos. Pero no sólo eso, el liderazgo supone haber superado también a ChatGPT.
El DeepSeek-R1 fue lanzado el 20 de enero, hace apenas una semana, y es comparable al modelo o1 de OpenAI, que mejora la experiencia de ChatGPT en materia de razonamiento complejo, como el matemático o el informático, por citar dos.
Como colorario, este lunes, los indicadores de Wall Street y el índice Nasdaq acusaron recibo de esta irrupción, en detrimento de empresas consagradas como Open AI y Nvidia. En el caso de Nvidia, la caída fue del 17,5 por ciento y estó la ubicó en el podio de haber logrado la mayor pérdida de capitalización bursátil corporativa en un sólo día, que el mercado valoró en más de 600.000 millones de dólares; algo que rápidamente recuerda al lunes negro de hace un trimestre.
“DeepSeek-R1 es más poderoso, aprovechando los datos de inicio en frío junto con el ajuste fino iterativo de aprendizaje por refuerzo. En última instancia, DeepSeek-R1 logra un rendimiento comparable a OpenAI-o1-1217 en una variedad de tareas. Exploramos más a fondo la destilación de la capacidad de razonamiento en modelos pequeños y densos. Usamos DeepSeek-R1 como modelo docente para generar 800 000 muestras de entrenamiento y ajustar varios modelos pequeños y densos. Los resultados son prometedores”, dice entre sus detalles, DeepSeek-R1 –aquí– y cuya comparativa lo refleja.
Al momento de precisar el plan de trabajo, DeepSeek-R1 plantea la apuesta por mejorar la capacidad general, la cuestión idiomática (porque está optimizado para chino e inglés), implementar ingeniería de indicaciones y de software para mejorar su eficiencia.
Para el portal Telecoms, la razón que vuelve tan disruptivo este anuncio pasa por la posibilidad de que China logre este lanzamiento, aún a pesar de la apuesta internacional para impedir contar, por ejemplo, con las GPU de Nvidia; pero también porque parece que se trató de un desarrollo mucho más económico. Sucede que la propia empresa desarrolladora informó haber invertido 55 días en el entrenamiento y un presupuesto de 5,57 millones de dólares.
Steven Sinofsky, inversor tecnológico y ex ejecutivo senior de Microsoft, dijo en un post en la red social X que “DeepSeek era algo que estaba destinado a suceder. La única incógnita era quién lo haría”.
Y plantea algo que sirve como disparador: “Los últimos 5 años de IA han sido modelos más grandes, más datos, más computación, etc. ¿Por qué? Porque yo diría que la innovación fue impulsada por las empresas de hiperescala de la nube y estaban destinadas a adoptar el enfoque de hacer más de lo que ya hacían”.
Y líneas después agregó que “el gran problema que tenemos es que las soluciones a gran escala, sin importar todo el progreso, están consumiendo demasiado capital. Pero más allá de eso, la entrega a los clientes ha seguido un camino insostenible. Es un camino que va en contra de la historia de la informática, que es que los recursos necesarios se vuelven gratuitos, no más caros” y concluye al sentenciar que “el costo de la IA, como el costo de la computación mainframe para la conectividad X.25, literalmente “obliga” al mercado a desarrollar una alternativa a escala sin el capital directo masivo”. El post completo está aqui.
Escala y monetización, política pública e innovación. Todo eso, sumado a la posibilidad de pensar fuera de la caja…
Debe estar conectado para enviar un comentario.