DeepSeek se hizo un nombre con modelos que igualaban a los laboratorios occidentales a una fracción del coste. Ahora la empresa de Hangzhou va a por la capa inferior: está diseñando su propio chip de IA, según dijeron a Reuters tres personas familiarizadas con el asunto, con el objetivo de reducir su dependencia tanto de Nvidia como de Huawei.

El chip

El chip del que se informa está pensado para inferencia —la fase en la que un modelo ya entrenado responde a las consultas de los usuarios— y no para entrenamiento. Lo fabricaría SMIC, la mayor fundición de China, mediante un proceso de 7 nanómetros. Ese enfoque es deliberado: se espera que la inferencia impulse ya alrededor del 70% de la demanda de computación para IA, y es el terreno en el que un chip diseñado a medida compensa y donde el silicio chino limitado por las exportaciones está ya más cerca de ser competitivo.

La presión de los controles a la exportación

SMIC ha quedado excluida de las herramientas de fabricación de chips más avanzadas por los controles de exportación de Estados Unidos y Países Bajos, y se informa ampliamente de que está atascada en un nodo de 7 nm, varios procesos por detrás de la TSMC de Taiwán. DeepSeek, por su parte, afronta límites para comprar los aceleradores de gama alta de Nvidia y desconfía de depender de la línea Ascend de Huawei. Un chip de inferencia de fabricación propia es una cobertura frente a ambas restricciones al mismo tiempo.

Una construcción discreta

El esfuerzo comenzó hace aproximadamente un año, según una de las fuentes. DeepSeek ha incrementado discretamente en los últimos meses la contratación de ingenieros de diseño de chips sin publicar ofertas de empleo, y mantiene conversaciones con socios externos de fundición y memoria. La empresa no ha confirmado el proyecto, que sigue en una fase temprana.

Lo que está en juego

Si funciona, DeepSeek se convertiría en el primer laboratorio chino de modelos frontera en poseer su propio silicio de inferencia, una amenaza para el negocio que aún conserva Nvidia en China y para la apuesta de Huawei como alternativa doméstica por defecto. También prolonga una tendencia más amplia: después de las TPU de Google, Trainium de Amazon y la apuesta de OpenAI por el silicio personalizado, las empresas de modelos quieren cada vez más controlar los chips sobre los que funcionan sus modelos. También existen límites reales: un proceso de 7 nm reduce el rendimiento por vatio, y los rendimientos de un primer diseño rara vez son favorables.