El director ejecutivo de Intel, Pat Gelsinger, utilizó LinkedIn para expresar su entusiasmo por DeepSeek, una inteligencia artificial (IA) china, calificándola como “una pieza de ingeniería increíble que inaugurará una mayor adopción de IA”. Agregó que la fama repentina de la startup indica un cambio en la industria hacia la innovación abierta.
Los modelos de lenguaje de DeepSeek y su chatbot afirman ser comparables a los modelos avanzados de gigantes tecnológicos estadounidenses como OpenAI y Meta, desarrollados a una fracción del costo. Esto provocó una masiva venta en Wall Street a principios de esta semana, eliminando trillones en capitalización de mercado de estas empresas. Sin embargo, Gelsinger señaló en su publicación que esta reacción es errónea.
“Hacer que los recursos de computación estén ampliamente disponibles a precios radicalmente más bajos provocará una expansión explosiva, no una contracción, del mercado. La IA estará en todo en el futuro y hoy es órdenes de magnitud demasiado cara para alcanzar ese potencial. La reacción del mercado es equivocada, reducir el costo de la IA expandirá el mercado. Hoy soy comprador de acciones de nVidia y de IA y estoy feliz de beneficiarme de los precios más bajos,” decía la publicación.
Al resaltar las lecciones importantes que surgen del ascenso de DeepSeek, el CEO de Intel afirmó que la startup encontró formas creativas de superar numerosas limitaciones y entregó “una solución de clase mundial en todos los aspectos a un costo de 10 a 50 veces más bajo”.
La startup afirma que creó este modelo de bajo costo y alto rendimiento en un plazo de dos meses, con un costo de entrenamiento de menos de $6 millones (precisamente $5.58 millones). Esto contrasta drásticamente con los $100 millones que OpenAI gastó supuestamente en el entrenamiento de su modelo GPT-4.
También mencionó que la apertura de código ha estado en un retroceso en la industria de la IA en los últimos años, lo cual ha sido decepcionante. “En esto, estoy más alineado con Elon que con Sam; realmente queremos, por no decir que necesitamos, que la investigación en IA aumente su apertura. Necesitamos saber cuáles son los conjuntos de datos de entrenamiento, estudiar los algoritmos e introspectar sobre la corrección, la ética y las implicaciones,” escribió.
