El lunes 27 de enero, el asistente de IA del laboratorio chino impulsado por su modelo Deepseek-V3 superó a Rival Chatgpt para convertirse en la aplicación gratuita mejor calificada disponible en la App Store de Apple en los Estados Unidos.

Los modelos de IA de Deepseek no solo han dado a los gigantes de IA occidentales una carrera por su dinero, sino que también provocó temores de que Estados Unidos pueda luchar para mantener su primacía de IA frente a una creciente guerra fría tecnológica con China.

Su éxito ha tambaleado la creencia ampliamente de que verter miles de millones de dólares en inversiones en chips garantiza el dominio, lo que hace que las acciones tecnológicas se deslicen el lunes, según un informe de Reuters.

Entonces, ¿cuál es la historia detrás de Deepseek? ¿Explica por qué Deepseek ha surgido como una fuerza disruptiva en el paisaje de IA?

¿Qué es Deepseek y cómo empezó?

En 2013, Lian Wenfeng fundó un fondo de cobertura cuantitativo chino llamado High-Flyer. Los fondos de cobertura cuantitativos o ‘cuantiados’ se basan en algoritmos de negociación y modelos estadísticos para encontrar patrones en el mercado y comprar o vender acciones automáticamente, según un informe de Wall Street Journal.

Para analizar los datos financieros y apoyar estas operaciones complejas, High-Flyer estableció una rama de investigación de aprendizaje profundo llamado Fire-Flyer y almacenado en unidades de procesamiento de gráficos (GPU) para construir supercomputadoras.

Luego, en 2023, Liang decidió redirigir los recursos del fondo a una nueva compañía llamada Deepseek con el objetivo de desarrollar modelos de IA fundamentales y finalmente romper la inteligencia general artificial (AGI).

En lugar de contratar ingenieros experimentados que supieran cómo construir productos de IA orientados al consumidor, Liang aprovechó a los estudiantes de doctorado de las principales universidades de China para formar parte del equipo de investigación de Deepseek a pesar de que carecían de experiencia en la industria, según un informe del sitio de noticias tecnológicos chinos Qitai.

“Nuestros puestos técnicos principales están ocupados principalmente por personas que se graduaron este año o en los últimos uno o dos años”, dijo Liang a 36krotro medio de comunicación chino.

Se cree que el enfoque de Liang para construir un equipo que se centró en la investigación de alta inversión y de baja finos de fines de lucro contribuyó al éxito de Deepseek.

“Todo el equipo comparte una cultura colaborativa y una dedicación a la investigación hardcore”, dijo Zihan Wang, un ex empleado de Deepseek, dijo Revisión de la tecnología MIT.

¿En qué se diferencia Deepseek de otros jugadores de IA?

A pesar de lograr hitos significativos en un corto período de tiempo, Deepseek se centra en la investigación de IA y no tiene planes inmediatos para comercializar sus modelos de IA.

“No podría encontrar una razón comercial [for founding DeepSeek] Incluso si me lo pides ”, dijo Liang diciendo por 36kr. “La investigación en ciencias básicas tiene una relación de retorno de inversión muy baja. Cuando los primeros inversores de Operai le dieron dinero, seguro que no estaban pensando en cuánto retorno obtendrían. Más bien, fue que realmente querían hacer esto ”, dijo.

Deepseek no confía en los fondos de gigantes tecnológicos como Baidu, Alibaba y Bytedance. Solo está respaldado por High-Flyer. Tiene una asociación con el fabricante de chips AMD, que alimentan modelos como Deepseek-V3 utilizando GPU de instinto AMD y software ROCM, según un informe de Forbes.

Deepseek también es una de las principales empresas de IA en China en adoptar principios de código abierto.

Aunque su definición ha sido debatida, los modelos de IA de código abierto están disponibles para que cualquiera descargue, modifique y reutilice. Además de obtener la buena voluntad de la comunidad de investigación, la liberación de modelos de IA y los conjuntos de datos de capacitación bajo licencias de código abierto puede atraer a más usuarios y desarrolladores, ayudando a los modelos a crecer más avanzados.

Sin embargo, los modelos de IA de código abierto también vienen con ciertos riesgos de seguridad, ya que pueden usarse mal para crear imágenes sexuales sexuales no consensuadas y abuso sexual infantil (CSAM) simplemente eliminando las salvaguardas incorporadas.

¿Qué modelos de IA ha lanzado Deepseek hasta ahora?

Según los informes, los modelos de IA de Deepseek se han optimizado incorporando una arquitectura de mezcla de expertos (MOE) y atención latente múltiple, así como empleando técnicas avanzadas de aprendizaje automático, como el aprendizaje de refuerzo y la destilación. Aquí hay algunos modelos de IA de código abierto desarrollados por Deepseek:

-Coder Deepseek: un modelo de IA de código abierto diseñado para tareas relacionadas con la codificación.
– Deepseek LLM: un modelo de IA con un recuento de parámetros de 67 mil millones para rivalizar con otros modelos de idiomas grandes (LLM).
-Deepseek-V2: un modelo de IA de bajo costo que cuenta con un fuerte rendimiento.
-Deepseek-coder-v2: un modelo de IA con 236 mil millones de parámetros diseñados para desafíos de codificación complejos.
-Deepseek-V3: un modelo de IA de parámetros de 671 mil millones que puede manejar una variedad de tareas como codificar, traducir y escribir ensayos y correos electrónicos.
-Deepseek-R1: un modelo AI diseñado para tareas de razonamiento, con capacidades que desafían el modelo O1 O1 de OpenAI.
-Deepseek-R1-Distill: un modelo de IA que ha sido ajustado en función de los datos sintéticos generados por Deepseek R1.

¿Qué le espera a Deepseek?

La innovación detrás de los modelos AI de Deepseek está impulsada por la escasez. Desde 2022, el gobierno de EE. UU. Ha anunciado controles de exportación que han restringido a las compañías de IA china acceder a GPU como la H100 de NVIDIA. Si bien Deepseek tenía una reserva de 10,000 GPU H100, necesitaba más chips para escalar sus modelos de IA.

Pero los recursos limitados de Deepseek significaban que tenía que usarlos de manera más eficiente. El laboratorio de investigación de IA reelaboró ​​su proceso de capacitación para reducir la tensión en sus GPU, dijo el ex empleado de Deepseek Wang. Revisión de la tecnología MIT.

Aunque Deepseek ha podido desarrollar e implementar potentes modelos de IA sin acceso a los últimos hardware, es posible que necesite cerrar la brecha de cómputo en algún momento para escalar sus modelos de IA y competir de manera más efectiva contra empresas estadounidenses con acceso a abundantes recursos informáticos .

Varios usuarios también han señalado que los modelos de IA de Deepseek están censurados para evitar que los resultados críticos con el Partido Comunista Chino y otros problemas políticos.

Hace solo una semana, el 20 de enero de 2025, la startup china de IA Deepseek desató un nuevo modelo de IA de código abierto llamado R1 que inicialmente podría haber sido confundido con una de las masas cada vez más crecientes de rivales casi intercambiables desde OpenAi desde OpenAi debutó ChatGPT (impulsado por su propio modelo GPT-3.5, inicialmente) hace más de dos años.

Pero eso rápidamente resultó infundada, ya que la aplicación móvil de Deepseek ha incrementado en ese corto tiempo las listas de Apple App Store en los EE. UU. Para destronar el chatgpt por el lugar número uno y causado una corrección de mercado masiva cuando los inversores arrojaron acciones en chips de computadora anteriormente caliente. Los fabricantes como Nvidia, cuyas unidades de procesamiento de gráficos (GPU) han tenido una gran demanda de uso en superclusters masivos para entrenar nuevos modelos de IA y servirles a los clientes de manera continua (una modalidad conocida como “inferencia”).

El capitalista de riesgo, Marc Andreessen, haciéndose los sentimientos de otros trabajadores tecnológicos, escribió en la red social X anoche: “Deepseek R1 es el momento sputnik de AI”, comparándolo con el lanzamiento fundamental de octubre de 1957 del primer satélite artificial en la historia, Sputnik 1, por el La Unión Soviética, que provocó la “carrera espacial” entre ese país y los Estados Unidos para dominar los viajes espaciales.

El lanzamiento de Sputnik galvanizó a los Estados Unidos para invertir mucho en la investigación y el desarrollo de naves espaciales y cohetros. Si bien no es una analogía perfecta, no se necesitaba una gran inversión para crear Deepseek-R1, todo lo contrario (más sobre esto a continuación), parece significar un importante punto de inflexión en el mercado global de IA, como por primera vez, un El producto de IA de China se ha convertido en el más popular del mundo.

Pero antes de subir al tren de bombo de Deepseek, retrocedamos y examinemos la realidad. Como alguien que ha utilizado ampliamente el ChatGPT de OpenAI, tanto en plataformas web como móviles, y ha seguido de cerca los avances de IA, creo que si bien los logros de Deepseek-R1 son notables, no es hora de descartar las inversiones de ChatGPT o US AI todavía. Y tenga en cuenta que OpenAi no me paga para decir esto: nunca he tomado dinero de la empresa y no planeo.

¿Qué hace bien?

Deepseek-R1 es parte de una nueva generación de grandes modelos de “razonamiento” que hacen más que responder consultas de los usuarios: reflexionan sobre su propio análisis mientras producen una respuesta, intentando captar errores antes de servirlos al usuario.

Y Deepseek-R1 coincide o supera el propio modelo de razonamiento de OpenAI, O1, lanzado en septiembre de 2024 inicialmente solo para usuarios de suscripción ChatGPT Plus y Pro, en varias áreas.

Por ejemplo, en el punto de referencia Math-500, que evalúa la resolución matemática de problemas matemáticos a nivel de escuela secundaria, Deepseek-R1 alcanzó una tasa de precisión del 97.3%, superando ligeramente el 96.4% de OpenAI O1. En términos de capacidades de codificación, Deepseek-R1 obtuvo un 49.2% en el punto de referencia verificado SWE-Bench, superando el 48.9% de OpenAI O1.

Además, financieramente, Deepseek-R1 ofrece ahorros de costos sustanciales. El modelo se desarrolló con una inversión de menos de $ 6 millones, una fracción del gasto, estimado de múltiples miles de millones, se asocia informalmente con modelos de capacitación como OpenAI’s O1.

Deepseek se vio esencialmente obligado a ser más eficiente con GPU escasas y antiguas gracias a una restricción de exportación de los Estados Unidos en las ventas de la tecnología a China. Además, Deepseek proporciona acceso a API a $ 0.14 por millón de tokens, restringiendo significativamente la tasa de OpenAI de $ 7.50 por millón de tokens.

La ganancia de eficiencia masiva de Deepseek-R1, los ahorros de costos y el rendimiento equivalente al modelo de IA de EE. UU. Han causado que Silicon Valley y la comunidad empresarial más amplia se asusten por lo que parece ser un aumento completo del mercado de IA, la geopolítica y la economía conocida de la IA. Entrenamiento modelo.

Si bien las ganancias de Deepseek son revolucionarias, el péndulo se está balanceando demasiado hacia él en este momento

No se puede negar que la rentabilidad de Deepseek-R1 es un logro significativo. Pero no olvidemos que Deepseek debe gran parte de su éxito a las innovaciones de IA de EE. UU., Volviendo a la arquitectura de transformadores inicial de 2017 desarrollada por Google AI Investigers (que comenzó toda la locura de LLM).

Deepseek-R1 fue entrenado en preguntas y respuestas de datos sintéticos y específicamente, según el documento publicado por sus investigadores, en el “conjunto de datos de DeepSeek-V3” supervisado, que se encontró, que se encontró. ¡Tener muchos indicadores de ser generados con el modelo GPT-4O de Opensei!

Parece bastante claro decir que sin GPT-4O para proporcionar estos datos, y sin el lanzamiento de OpenAi del primer modelo de razonamiento comercial O1 en septiembre de 2024, que creó la categoría, Deepseek-R1 casi seguramente no existiría.

Además, el éxito de Openai requirió grandes cantidades de recursos de GPU, allanando el camino para los avances que Deepseek se ha beneficiado sin duda. El actual inversor en pánico sobre EE. UU. Y las compañías de IA se sienten prematuras y exageradas.

Las capacidades de visión y generación de imágenes de ChatGPT siguen siendo muy importantes y valiosas en el lugar de trabajo y en los entornos personales: Deepseek-R1 aún no tiene ninguna

Mientras que Deepseek-R1 ha impresionado con su razonamiento visible de “cadena de pensamiento”, una especie de flujo de conciencia en la que el modelo muestra texto a medida que analiza el aviso del usuario y busca responder a él, y eficiencia en flujos de trabajo basados ​​en texto y matemáticas, Carece de varias características que hacen que ChatGPT sea una herramienta más robusta y versátil hoy.

No hay capacidades de generación de imágenes o visión

El sitio web oficial de Deepseek-R1 y la aplicación móvil permiten a los usuarios subir fotos y archivos adjuntos de archivos. Pero, solo pueden extraer texto de ellos utilizando el reconocimiento de caracteres ópticos (OCR), una de las primeras tecnologías informáticas (que datan de 1959).

Esto palidece en comparación con las capacidades de visión de ChatGPT. Un usuario puede cargar imágenes sin ningún texto y hacer que ChatGPT analice la imagen, describirla o proporcionar más información basada en lo que ve y el texto del usuario solicita.

CHATGPT permite a los usuarios subir fotos y pueden analizar material visual y proporcionar información detallada o consejos procesables. Por ejemplo, cuando necesitaba orientación para reparar mi bicicleta o mantener mi unidad de aire acondicionado, la capacidad de ChatGPT para procesar imágenes resultó invaluable. Deepseek-r1 simplemente no puede hacer esto todavía. Vea a continuación para una comparación visual:

No hay generación de imágenes

La ausencia de capacidades de imagen generativa es otra limitación importante. Como alguien que genera frecuentemente imágenes de IA usando CHATGPT (como para el propio encabezado de este artículo) alimentado por el modelo Dall · E 3 subyacente de OpenAI, la capacidad de crear imágenes detalladas y estilísticas con ChatGPT es un cambio de juego.

Esta característica es esencial para muchos flujos de trabajo creativos y profesionales, y Deepseek aún no ha demostrado una funcionalidad comparable, aunque hoy la compañía lanzó un modelo de visión de código abierto, Janus Pro, que dice que supera a Dall · E 3, Difusión estable 3 y otros Modelos de generación de imágenes líderes en la industria en puntos de referencia de terceros.

Sin modo de voz

Deepseek-R1 también carece de un modo de interacción de voz, una característica que se ha vuelto cada vez más importante para la accesibilidad y la conveniencia. El modo de voz de ChatGPT permite interacciones naturales y conversacionales, lo que lo convierte en una opción superior para uso de manos libres o para usuarios con diferentes necesidades de accesibilidad.

Estar emocionado por el potencial futuro de Deepseek, pero también desconfíe de sus desafíos

Sí, Deepseek-R1 puede, y probablemente lo hará, agregar capacidades de voz y visión en el futuro. Pero hacerlo no es una hazaña pequeña.

La integración de la generación de imágenes, el análisis de la visión y las capacidades de voz requieren recursos de desarrollo sustanciales y, irónicamente, muchas de las mismas GPU de alto rendimiento que los inversores ahora están subvalorando. Implementar estas características de manera efectiva y de manera fácil de usar es otro desafío por completo.

Los logros de Deepseek-R1 son impresionantes y indican un cambio prometedor en el panorama global de IA. Sin embargo, es crucial mantener la emoción bajo control. Por ahora, ChatGPT sigue siendo el producto mejor redondeado y más capaz, ofreciendo un conjunto de características que Deepseek simplemente no puede igualar. Apreciamos los avances al tiempo que reconocemos las limitaciones y la importancia continua de la innovación e inversión de la IA de EE. UU.

Insights diarias sobre casos de uso comercial con VB diariamente

Si quieres impresionar a tu jefe, VB Daily te tiene cubierto. Le damos la cuenta interior de lo que las empresas están haciendo con la IA generativa, desde cambios regulatorios hasta implementaciones prácticas, por lo que puede compartir ideas para el ROI máximo.

Lea nuestra Política de privacidad

Gracias por suscribirse. Mira más boletines de VB aquí.

Ocurrió un error.

Una compañía de inteligencia artificial china llamada Deepseek está captando la atención de Estados Unidos, y enviando una ola de choque a través de Wall Street, debido a su nueva tecnología, que algunos expertos rivalizan con el de Chatgpt de OpenAi.

Deepseek también está atrapando a los inversores desprevenidos debido a los bajos costos de desarrollo de su aplicación AI, que el analista de valores de Wedbush, Dan Ives, vinculó a solo $ 6 millones. En comparación, Openai, Google y otras compañías importantes de EE. UU. Están en camino de invertir un total de aproximadamente $ 1 billón en IA en los próximos años, según Goldman Sachs.

El lunes, el despliegue de Deepseek arrancó las acciones de AI Stalwarts como Nvidia, el fabricante de chips avanzados diseñados para el desarrollo de IA, y la compañía holandesa ASML, otro fabricante de chips. La tecnología de la compañía china está planteando preguntas sobre si la demanda de chips de Nvidia podría recibir un golpe, así como si los inversores están sobrevalorando las acciones tecnológicas que han sido impulsadas por la promesa de IA, de Meta a Microsoft, dijeron los expertos.

“Deepseek ha tomado el mercado por asalto al hacer más con menos”, dijo Giuseppe Sette, presidente de la firma de investigación de mercado de IA Reflexividad, en un correo electrónico. “Esto muestra que con IA las sorpresas seguirán llegando en los próximos años”.

La última aplicación de Deepseek se produce pocos días después de que Trump anunció un nueva empresa de $ 500 mil millones Con el fabricante de chatgpt OpenAi, SoftBank y Oracle, denominado Stargate, que promocionó para garantizar “el futuro de la tecnología” en los Estados Unidos

Las acciones relacionadas con la IA recibieron un golpe el lunes por la mañana, con las acciones de Nvidia que cayeron un 17% a las 2:08 pm, hora del este, mientras que ASML arrojó un 7,6%. El índice NASDAQ pesado tecnológico cayó un 3,5%, o 698 puntos, en el comercio de la tarde, mientras que el S&P 500 disminuyó 1.7%. El promedio industrial Dow Jones Blue-chip agregó 0.4%.

A pesar de la fuerte caída en el Nasdaq, está lejos del peor día para el índice durante los últimos cinco años. La peor disminución de un día desde el 27 de enero de 2020 llegó el 16 de marzo de 2020, cuando el índice cayó más del 12% cuando Covid-19 Pandemic golpeó la economía.

¿Qué es Deepseek?

Deepseek es una compañía china privada fundada en julio de 2023 por Liang Wenfeng, un graduado de la Universidad de Zhejiang, una de las principales universidades de China, que financió la startup a través de su fondo de cobertura, según el MIT Technology Review. Liang tiene alrededor de $ 8 mil millones en activos, escribió Ives en una nota de investigación del 27 de enero.

Liang, quien previamente se había centrado en aplicar IA a invertir, había comprado un “stock de chips A100 Nvidia”, un tipo de tecnología que ahora está prohibida por la exportación a China. Esos chips se convirtieron en la base de Deepseek, informó la publicación del MIT.

Ben Reitzes, jefe de investigación de tecnología en Melius, dijo a los inversores en una nota que Deepseek hace avances legítimos como una herramienta de IA, que incluye un mejor aprendizaje y un uso más eficiente de la memoria, aunque expresó escepticismo sobre la “cantidad de chips utilizados”.

¿Deepseek está disponible en los Estados Unidos?

La aplicación AI de la compañía está disponible en la App Store de Apple, así como en línea en su sitio web. El servicio es gratuito y hasta el lunes por la mañana fue la mejor descarga en la tienda de Apple, aunque algunas personas tenían problemas para suscribirse a la aplicación.

En su sitio chino, Deepseek culpó a “ataques maliciosos a gran escala” en su servicio, lo que requiere que limite temporalmente nuevos registros. “Los usuarios existentes pueden iniciar sesión como de costumbre”, dijo la compañía en la publicación, que fue fechada poco después de la medianoche el 28 de enero en la hora local de China.

La compañía lanzó su último modelo de IA el 20 de enero, lo que está causando que Wall Street reevalúe el sector de IA.

“La semana pasada, Deepseek lanzó un modelo que rivaliza con el chatgpt de OpenAI y el Llama 3.1 de Meta y fue el número 1 en la tienda de aplicaciones de Apple durante el fin de semana”, escribió Ives de Wedbush. “Deepseek construyó el modelo utilizando chips de capacidad reducida de NVIDIA. Lo cual es impresionante y, por lo tanto, ha causado una gran agita para las acciones tecnológicas estadounidenses con una presión masiva sobre NASDAQ esta mañana”.

¿En qué se diferencia Deepseek de otras aplicaciones de IA?

Deepseek es un modelo de lenguaje grande de código abierto que se basa en lo que se conoce como “informática de tiempo de inferencia”, que según Sette en los términos de Layman significa “Activan solo las partes más relevantes de su modelo para cada consulta, y que ahorra dinero y potencia de cálculo “.

Algunos expertos elogiaron la actuación de Deepseek, con el destacado inversionista tecnológico Marc Andreessen escribiendo en X el 24 de enero, “Deepseek R1 es uno de los avances más sorprendentes e impresionantes que he visto, y como código abierto, un regalo profundo para el mundo. “

Sin embargo, Ives dijo que es escéptico de que el servicio ganará terreno con las principales empresas estadounidenses.

“No US Global 2000 usará una startup china Deepseek para lanzar su infraestructura de IA y casos de uso”, escribió Ives. “Al final del día, solo hay una compañía de chips en el mundo que lanza casos autónomos, robóticos y de uso de IA más amplios y eso es Nvidia”.

¿Qué significa Deepseek para Nvidia y otras compañías tecnológicas?

Wall Street está tratando de evaluar el impacto a largo plazo de una herramienta de IA de bajo costo de China que rivaliza con ChatGPT y otras llamadas aplicaciones generativas de IA. También plantea preguntas sobre si Silicon Valley está gastando demasiado en los avances tecnológicos en el sector de IA, señaló Angelo Zino, analista senior de renta variable de CFRA Research, en un correo electrónico.

“El hecho de que se supone que esta tecnología requiere menos energía y es más rentable que los modelos con sede en EE. UU. Hace que los inversores de tecnología estadounidenses sean muy preocupados”, dijo Jay Woods, estratega global de Freedom Capital Markets.

Tampoco está claro qué tipo de retroceso o reacción podría provenir de la Casa Blanca, dado que Trump ha elevado la posibilidad de imponer nuevos aranceles a las importaciones chinas, aunque también le dio un aplazamiento de Tiktok de propiedad china al ordenar al Departamento de Justicia. no hacer cumplir Una prohibición inminente.

Mientras tanto, las principales compañías tecnológicas, incluidas Meta y Microsoft, están programadas para informar las ganancias esta semana, donde los inversores probablemente escucharán más de sus ejecutivos sobre sus planes de IA y sus pensamientos sobre Deepseek, dijeron los expertos.

Algunos analistas de Wall Street piensan que la venta de acciones del lunes es una reacción exagerada, y señala que la enorme demanda de IA continuará levantando jugadores clave en el sector.

“Una cosa es entrenar un [large language] El modelo por menos dinero, pero acomodar la gran demanda de consumo de toda esta tecnología de IA todavía requerirá grandes cantidades de infraestructura “, dijo Adam Crisafulli de Vitalknowledge en un informe.