Por Canuto  

DeepSeek R1 desafió la idea de que la inteligencia artificial avanzada exige cientos de millones de dólares. La historia de Liang Wenfeng conecta trading cuantitativo, escasez de hardware, código abierto y una estrategia de autonomía que puso bajo presión a los gigantes tecnológicos.
***

  • DeepSeek R1 llegó a la primera posición de la tienda de aplicaciones de Apple y provocó una caída superior a USD $1 billón en acciones tecnológicas estadounidenses.
  • El modelo habría costado aproximadamente USD $5,6 millones en entrenamiento, frente a más de USD $100 millones de varios desarrollos occidentales.
  • Liang Wenfeng combinó una arquitectura de expertos, aprendizaje por refuerzo y financiación propia para preservar el control sobre DeepSeek.

El análisis sobre DeepSeek R1 describe cómo una empresa china alteró las expectativas económicas de la inteligencia artificial. Su argumento central es que el dinero no siempre compensa una arquitectura ineficiente.

La historia también sigue a Liang Wenfeng, fundador de DeepSeek, desde sus primeros trabajos con cámaras de bajo costo hasta su paso por las finanzas cuantitativas. El relato presenta esa experiencia como la base de una estrategia orientada a obtener más resultados con menos recursos.

El terremoto financiero provocado por DeepSeek R1

A finales de enero de 2025, el mercado asumía que los modelos de frontera requerían inversiones enormes. OpenAI, Anthropic y Google parecían controlar una ventaja difícil de superar gracias a sus presupuestos de cómputo.

DeepSeek R1 desafió esa percepción al llegar a la tienda de aplicaciones de Apple y superar a ChatGPT en el primer puesto. El ascenso ocurrió en pocos días y convirtió a una startup poco conocida en el centro de la conversación tecnológica.

La reacción más fuerte apareció en los mercados financieros. Según el análisis, más de USD $1 billón desapareció de las acciones tecnológicas estadounidenses durante varios días de fuerte volatilidad.

Nvidia recibió uno de los golpes más visibles porque los inversionistas empezaron a cuestionar el supuesto valor de una demanda ilimitada de procesadores. La duda ya no consistía en si las empresas necesitaban más chips, sino en cuánto cómputo desperdiciaban.

El mercado había tratado el costo de entrenamiento como una ley física. DeepSeek R1 introdujo una posibilidad incómoda: algunos modelos podían alcanzar resultados avanzados mediante una utilización mucho más eficiente del hardware.

Los orígenes de una mentalidad orientada a la escasez

Liang Wenfeng nació en 1985 en Maling, una aldea rural de Guangdong, en el sur de China. Sus padres trabajaban como maestros de primaria, dentro de una región marcada por la liberalización económica impulsada durante la etapa de Deng Xiaoping.

El entorno promovía un pragmatismo resumido en la frase de Deng sobre que no importa si el gato es blanco o negro, mientras atrape ratones. Esa idea de priorizar los resultados sobre las formas aparece como un elemento importante en la trayectoria de Liang.

Durante su adolescencia destacó tanto por su afición a los cómics como por sus habilidades matemáticas. El relato sostiene que estudiaba por cuenta propia contenidos universitarios y ayudaba a sus compañeros con sus tareas.

A los 17 años obtuvo la puntuación más alta de su región en el gaokao, el exigente examen de ingreso universitario chino. Ese resultado le permitió estudiar ingeniería en la Universidad de Zhejiang, donde completó una licenciatura y una maestría.

Su tesis de 2010 se tituló “Study on object tracking algorithm based on lowcost PTZ cameras”. El trabajo buscaba rastrear objetos en tiempo real con cámaras económicas, una preocupación que anticipaba su interés por lograr resultados complejos con herramientas limitadas.

De las cámaras baratas al trading cuantitativo

La lógica de una cámara económica obliga a reducir el ruido y optimizar cada cálculo. Un sistema con hardware limitado no puede resolver todos los problemas mediante fuerza bruta, por lo que necesita algoritmos más precisos.

Durante la universidad, Frank Wang, fundador de DJI, le ofreció incorporarse como cofundador. Liang rechazó la oportunidad porque prefería aplicar el aprendizaje automático a los mercados financieros.

En 2008, mientras la crisis financiera global golpeaba al sistema bancario, Liang y dos compañeros reunieron USD $11.000 para comenzar a operar. La cifra resultaba diminuta frente a los recursos de firmas como Citadel o Renaissance Technologies.

El equipo tampoco contaba con terminales de Bloomberg ni con bases de datos profesionales. Para obtener información, desarrolló programas que extraían tablas de precios desde páginas web públicas, incluido contenido alojado en HTML.

En algunos casos, los datos aparecían dentro de imágenes de gráficos. El grupo debía usar reconocimiento óptico de caracteres para convertir esas cifras en información utilizable por sus modelos de trading.

High-Flyer y la conversión de las matemáticas en una ventaja

El enfoque inicial no produjo victorias rápidas. Liang pasó años enfrentando pérdidas desde un pequeño apartamento en Chengdu y también fracasó al intentar aplicar el aprendizaje automático en otros sectores.

La experiencia lo llevó a competir mediante eficiencia, no mediante velocidad. Sin datos limpios ni conexiones ultrarrápidas, sus algoritmos debían encontrar anomalías estadísticas que los fondos grandes podían ignorar.

En 2015, Liang cofundó High-Flyer con sus antiguos compañeros universitarios. En lugar de copiar estrategias tradicionales de fondos occidentales, el grupo apostó por redes neuronales profundas para operar en los mercados.

En una presentación de 2019, Liang defendió una visión radical de los fondos cuantitativos. Según su planteamiento, una firma verdaderamente cuantitativa debía tener servidores y no gestores de cartera que intervinieran guiados por emociones.

En 2021, High-Flyer alcanzó USD $13.800 millones en activos bajo gestión, equivalentes a CNY 100.000 millones. La empresa mantuvo una cultura técnica, con poca jerarquía formal y una participación directa de Liang en la lectura de papers y la escritura de código.

La apuesta por los chips y el nacimiento de DeepSeek

Liang observó que el trading cuantitativo se acercaba a un límite impuesto por el cómputo. Antes de que las restricciones estadounidenses sobre chips para inteligencia artificial cerraran parte del acceso, acumuló 10.000 procesadores Nvidia A100.

Los A100 eran procesadores especializados para las cargas paralelas del aprendizaje profundo. Reunir 10.000 unidades otorgaba una reserva de capacidad especialmente importante para una empresa que operaba dentro de China.

En 2023, Liang separó el proyecto de inteligencia artificial de High-Flyer y creó DeepSeek. La compañía no siguió el modelo habitual de las startups, porque rechazó el capital de riesgo externo y se financió con recursos propios.

Al principio, Liang conservaba una participación directa de 1%, mientras High-Flyer controlaba el 99% restante. Para mayo de 2024, una red de sociedades le permitía controlar personalmente 84% de DeepSeek.

La independencia financiera le permitió evitar metas impuestas por inversionistas, presión por monetizar en 18 meses y cambios de dirección exigidos por consejos externos. El objetivo era desarrollar una arquitectura distinta, sin convertirla en una copia china de ChatGPT.

Cómo la arquitectura redujo los costos

El análisis atribuye parte de la eficiencia de DeepSeek R1 a una arquitectura de mezcla de expertos, conocida como mixture of experts. En vez de activar todo el modelo para cada consulta, un sistema de enrutamiento selecciona los módulos pertinentes.

Una pregunta matemática puede dirigirse a un experto en matemáticas, mientras una consulta de programación activa un experto en código. Así, un modelo con cientos de miles de millones de parámetros puede utilizar solo una fracción en cada operación.

La estrategia recuerda a los modelos especializados que High-Flyer usaba para analizar los mercados. Cada sistema podía concentrarse en un patrón concreto, en lugar de intentar predecir todos los movimientos con una única estructura gigantesca.

El entrenamiento también incorporó GRPO, sigla de group relative policy optimization. Este método permite comparar varias respuestas generadas por el modelo y evaluarlas con reglas objetivas, como la corrección de una operación matemática o la compilación de un código.

De ese modo, el sistema reduce la necesidad de que trabajadores humanos califiquen cada respuesta. La fuente estima que entrenar DeepSeek R1 costó aproximadamente USD $5,6 millones, frente a más de USD $100 millones en cómputo para algunos equivalentes occidentales.

Código abierto, controversias y límites del modelo

DeepSeek no encerró los pesos del modelo detrás de una API exclusivamente pagada. La empresa los abrió para que desarrolladores de todo el mundo pudieran descargar, ejecutar y adaptar el sistema.

La decisión presionó el poder de fijación de precios de los competidores. Un desarrollador podía alojar DeepSeek R1 por su cuenta, en lugar de pagar tarifas recurrentes por acceder a modelos cerrados.

El código abierto también creó un ecosistema global de experimentación. Miles de desarrolladores podían encontrar errores, proponer mejoras y ampliar los usos del modelo sin que DeepSeek financiara internamente cada etapa de investigación.

En febrero de 2026, Anthropic acusó públicamente a DeepSeek de emplear miles de cuentas fraudulentas para extraer respuestas de Claude. La acusación planteó que el modelo pudo utilizar datos sintéticos derivados del trabajo de la empresa estadounidense.

El análisis no presenta una resolución definitiva sobre esas acusaciones. También señala que DeepSeek evita responder de forma neutral sobre Tiananmen, Taiwán y derechos humanos, debido a las restricciones políticas y regulatorias de China.

La financiación de 2026 y los riesgos de la autonomía

En junio de 2026, DeepSeek abrió una ronda de financiación por USD $7.400 millones con una valoración de USD $50.000 millones. La operación representó un cambio respecto de los años en que Liang rechazó capital externo.

Liang aportó USD $3.000 millones de su propio dinero para anclar la ronda. El capital provenía de los beneficios obtenidos con High-Flyer y le permitió conservar una participación de 78% en la empresa.

Los inversionistas externos, incluidos fondos chinos respaldados por el Estado, obtuvieron exposición económica, pero no derechos de gobierno ni voto. El fundador mantuvo así una autonomía poco común para una compañía de inteligencia artificial de esa escala.

La estrategia puede ampliar la libertad técnica, aunque también concentra el riesgo en una sola persona. Si Liang pierde capacidad de decisión o enfrenta un conflicto con las autoridades chinas, DeepSeek tendría pocos mecanismos institucionales para corregir el rumbo.

Existe además un riesgo técnico. Una arquitectura muy optimizada puede funcionar de forma sobresaliente en matemáticas y programación, pero sufrir ante problemas nuevos, datos escasos o situaciones donde no existen patrones históricos claros.

Las lecciones empresariales de DeepSeek

La primera lección consiste en construir una fuente de ingresos antes de financiar una apuesta ambiciosa. High-Flyer permitió a Liang desarrollar capital, equipos y experiencia antes de lanzar DeepSeek.

La segunda lección es convertir las restricciones en una ventaja de diseño. La escasez de datos, chips y dinero obligó al equipo a optimizar cada componente, en vez de resolver los problemas mediante compras crecientes de infraestructura.

La tercera consiste en trasladar herramientas de una industria a otra. Liang llevó principios del trading cuantitativo, como la especialización y la optimización probabilística, al desarrollo de modelos de lenguaje.

La apertura de los pesos muestra otra forma de competir. En vez de maximizar ingresos inmediatos, DeepSeek buscó acelerar la adopción, reducir el poder de los rivales y crear una comunidad de desarrolladores alrededor de su tecnología.

El caso no demuestra que todos los modelos puedan entrenarse con presupuestos mínimos. Sí demuestra que el gasto total no explica por sí solo la calidad de un sistema, especialmente cuando una arquitectura inteligente aprovecha mejor cada unidad de cómputo.

La pregunta final queda abierta para las empresas de tecnología, finanzas y mercados digitales. En un entorno de capital abundante, algún competidor con menos recursos puede descubrir que parte del gasto dominante solo refleja costumbre, ineficiencia o falta de imaginación.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados