AI y el impacto inesperado en el mercado de Activos Cripto

Recientemente, ha surgido una tendencia de desarrollo inesperada en el campo de la IA, que ha impactado al mercado de una manera sorprendente. Esta tendencia no es la fusión de la IA con los Activos Cripto, sino el impacto en cadena de la IA sobre los mercados de capital tradicionales y los mercados de Activos Cripto.

El 27 de enero, la cantidad de descargas del gran modelo de IA chino DeepSeek superó por primera vez a ChatGPT, convirtiéndose en el número uno de la App Store de EE. UU. Esta noticia ha llamado la atención en el ámbito tecnológico, de inversión y mediático a nivel global.

Este evento no solo hace reflexionar sobre los posibles cambios en el futuro del panorama tecnológico entre China y EE. UU., sino que también provocó un breve pánico en el mercado de capitales estadounidense. Como resultado, varias grandes empresas tecnológicas vieron caer significativamente el precio de sus acciones, siendo Nvidia con una caída del 5.3%, ARM con una caída del 5.5%, Broadcom con una caída del 4.9% y TSMC con una caída del 4.5%. Además, las acciones de empresas como Micron, AMD e Intel también experimentaron caídas. Los futuros del Nasdaq 100 ampliaron su caída a 400 puntos, lo que podría establecer la mayor caída diaria reciente. Se estima que el valor de mercado de la bolsa estadounidense podría haber evaporado más de un billón de dólares en las transacciones de ese día.

El mercado de Activos Cripto, que sigue de cerca las tendencias del mercado de acciones de EE. UU., también ha experimentado una caída significativa. El precio de Bitcoin cayó por debajo de 40500 dólares, con una caída del 4.48% en 24 horas. Ethereum cayó por debajo de 3200 dólares, con una caída del 3.83% en 24 horas. Muchos inversionistas se sienten confundidos por esta rápida caída en el mercado de Activos Cripto, y algunos especulan que podría estar relacionada con la disminución de las expectativas de recortes de tasas por parte de la Reserva Federal o otros factores macroeconómicos.

El origen del pánico en el mercado parece provenir de los avances revolucionarios de DeepSeek. A diferencia de otras conocidas empresas de IA, DeepSeek no ha dependido de grandes capitales y recursos de hardware. En comparación, OpenAI fue fundada hace diez años, cuenta con 4500 empleados y ha recaudado 6.6 mil millones de dólares; un gigante de las redes sociales ha invertido 60 mil millones de dólares en el desarrollo de un gran centro de datos de IA. Mientras tanto, DeepSeek fue fundada hace menos de dos años, tiene solo 200 empleados, sus costos de desarrollo son inferiores a 10 millones de dólares y no ha utilizado en gran medida GPU de alta gama.

El éxito de DeepSeek no solo ha roto las barreras de costo en términos de capital y tecnología, sino que también ha desafiado las concepciones y patrones de pensamiento arraigados de las personas durante mucho tiempo.

El vicepresidente de productos de una conocida empresa de almacenamiento en la nube expresó en las redes sociales que la historia de DeepSeek refleja una innovación disruptiva típica. Las empresas tradicionales se centran en optimizar los procesos existentes, mientras que los disruptores repiensan los enfoques fundamentales. DeepSeek ha propuesto una nueva idea: ¿cómo resolver problemas de una manera más inteligente, en lugar de simplemente aumentar la inversión en hardware?

Actualmente, el costo de entrenar grandes modelos de IA de alto nivel es muy elevado. Algunas de las principales empresas de IA han invertido más de 100 millones de dólares solo en recursos de computación. Necesitan grandes centros de datos equipados con miles de GPU que valen 40,000 dólares, y el consumo de energía es comparable al de una planta de energía.

Sin embargo, DeepSeek ha propuesto un enfoque completamente nuevo: ¿cómo lograr el mismo objetivo con 5 millones de dólares? No solo presentaron esta idea, sino que también la llevaron a la práctica con éxito. Su modelo es comparable e incluso superior a los modelos de IA líderes en la industria en múltiples tareas. Su secreto radica en repensar fundamentalmente todo el proceso. Los modelos de IA tradicionales utilizan decimales de 32 bits para representar cada número, mientras que DeepSeek intenta usar decimales de 8 bits, descubriendo que la precisión sigue siendo suficiente, al mismo tiempo que se reduce la necesidad de memoria en un 75%.

Los resultados son sorprendentes: el costo de entrenamiento se redujo de 100 millones de dólares a 5 millones, la cantidad de GPU necesarias disminuyó de 100,000 a 2,000 y el costo de la API se redujo en un 95%. Más importante aún, su modelo puede ejecutarse en GPU de juegos normales, sin necesidad de hardware de centros de datos especializados. Además, también eligieron una estrategia de código abierto.

El éxito de DeepSeek desafía múltiples concepciones tradicionales en el campo de la IA, incluyendo los estereotipos sobre el modelo de desarrollo tecnológico de China, la posición de liderazgo de Silicon Valley en el ámbito de la IA, las barreras tecnológicas de ciertas empresas de IA, la enorme inversión necesaria para desarrollar modelos de IA de primer nivel, la teoría de acumulación de valor de los modelos y la relación lineal entre el rendimiento del modelo y el costo de inversión, entre otros.

Una conocida institución de inversión en EE. UU. señaló en su informe que DeepSeek representa una victoria importante del código abierto sobre el código cerrado. La contribución de la comunidad de código abierto impulsará rápidamente el desarrollo de todo el campo. Sin embargo, también señalaron que algunas empresas que adoptan estrategias de inversión de recursos a gran escala podrían lograr nuevos avances en el futuro. Desde la historia del desarrollo de la IA, la potencia de cálculo aún podría ser un factor clave.

El éxito de DeepSeek ha permitido que los modelos de código abierto igualen e incluso superen el rendimiento de algunos modelos de código cerrado, al mismo tiempo que son más eficientes, lo que reduce la necesidad de que las empresas compren API comerciales de IA. El despliegue privado y el ajuste fino autónomo ofrecerán un mayor espacio de desarrollo para las aplicaciones posteriores. Se espera que en los próximos uno o dos años, podamos ver una mayor diversidad de productos de chips de inferencia y un ecosistema de aplicaciones de modelos de lenguaje grande más próspero.

A pesar de ello, se espera que la demanda de potencia de cálculo no disminuya. Esto podría llevar a un fenómeno similar a la "paradoja de Jevons": a pesar de que la eficiencia por unidad mejora, debido a la expansión de su aplicación, la demanda total podría, de hecho, aumentar. Esto es similar a la trayectoria de desarrollo desde los primeros teléfonos móviles hasta la era de la popularización de los teléfonos Nokia: fue precisamente debido a la disminución de costos que se logró la popularización, y esta popularización a su vez condujo a un aumento en el consumo total del mercado.