La explosión de la IA no se ha estrellado, pero la informática de la IA definitivamente está cambiando

No tenga demasiado miedo a los osos de la IA. Están preguntando en voz alta si el gran auge en la inversión en IA ya llegó y se fue, si mucho entusiasmo del mercado y gastos en sistemas de entrenamiento de IA masivos impulsados por multitudes de GPU de alto rendimiento se han agotado, y si las expectativas para la era de la IA deberían reducirse radicalmente.

Pero si se observa más de cerca los planes de los principales hyperscalers, la inversión en IA está viva y bien. Meta, Amazon, Microsoft y Google han duplicado recientemente su inversión en tecnología de IA. Su compromiso colectivo para 2025 asciende a más de $300 mil millones, según una historia reciente en el Financial Times. El CEO de Microsoft, Satya Nadella, dijo que Microsoft podría gastar $80 mil millones solo en IA este año. El fundador y CEO de Meta, Mark Zuckerberg, dijo en Facebook: “Estamos planeando invertir $60-65 mil millones en capex este año, al mismo tiempo que crecemos significativamente nuestros equipos de IA, y tenemos el capital para seguir invirtiendo en los años venideros”.

Esto no es el sonido de un auge de la IA que se estrella, pero ha habido una creciente inquietud sobre la cantidad de dinero que se está gastando en habilitar aplicaciones de IA. Después de al menos dos años de que los gigantes de la tecnología dijeran que estaban viendo una demanda clara de más potencia de cálculo para ayudar a entrenar modelos de IA masivos, 2025 ha comenzado con que esas mismas empresas son llamadas a la alfombra diariamente por los medios de comunicación empresariales por construir tanto hype de IA.

¿Por qué ha habido un cambio tan repentino de esperanza a preocupación? La respuesta se puede encontrar en parte en el rápido auge de una nueva aplicación de IA de China. Pero para entender completamente lo que realmente está sucediendo, y lo que significa para la inversión en IA y los programas de tecnología en los próximos años, debemos reconocer que la era de la IA está pasando a una nueva fase de su evolución.

Buscando la verdad

Ya todo el mundo conoce a DeepSeek, la empresa de IA china que dice haber utilizado motores de inferencia y razonamiento estadístico para entrenar modelos de lenguaje grande de manera mucho más eficiente y con menos costo que otras empresas han entrenado sus modelos.

Específicamente, DeepSeek afirmó que sus técnicas resultaron en que se requirieron mucho menos GPU (tan pocas como 2,048 GPU), así como GPU menos potentes (Nvidia H800) que los cientos de miles de GPU de alto rendimiento (piense en Nvidia H100) que algunas empresas hyperscale han requerido para entrenar sus modelos. En términos de ahorro de costos, mientras que OpenAI gastó miles de millones de dólares en entrenar ChatGPT, DeepSeek informó que gastó tan poco como $6.5 millones para entrenar su modelo R1.

Debería tenerse en cuenta que muchos expertos han dudado de las afirmaciones de gastos de DeepSeek, pero el daño ya estaba hecho, ya que las noticias de sus métodos diferentes impulsaron una profunda caída en los valores bursátiles de los hyperscalers y las empresas cuyas GPU han gastado miles de millones para entrenar sus modelos de IA.

Sin embargo, se perdieron un par de puntos importantes en el caos. Uno fue la comprensión de que DeepSeek no “inventó” una nueva forma de trabajar con la IA. El segundo es que gran parte del ecosistema de la IA ha estado bien consciente de un cambio inminente en cómo se necesitan gastar los dólares de inversión en IA, y cómo la IA misma se utilizará en los próximos años.

Con respecto a los métodos de DeepSeek, la idea de utilizar motores de inferencia de IA y razonamiento estadístico no es nada nuevo. El uso del razonamiento estadístico es un aspecto del concepto más amplio de razonamiento de modelo de inferencia, que implica que la IA puede sacar inferencias basadas en el reconocimiento de patrones. Esto es esencialmente similar a la capacidad humana de aprender diferentes formas de abordar un problema y compararlos para encontrar la mejor solución posible. El razonamiento de modelo de inferencia se puede utilizar hoy en día y no es exclusivo de una startup china.

Mientras tanto, el ecosistema de la IA ha estado anticipando durante algún tiempo un cambio fundamental en cómo trabajamos con la IA y los recursos informáticos necesarios. Los primeros años de la era de la IA han sido todos sobre el gran trabajo de entrenar modelos de IA grandes en conjuntos de datos muy grandes, todos los cuales requirieron mucha procesamiento, cálculos complejos, ajustes de peso y dependencia de memoria. Después de que los modelos de IA han sido entrenados, las cosas cambian. La IA puede utilizar la inferencia para aplicar todo lo que ha aprendido a nuevos conjuntos de datos, tareas y problemas. La inferencia, como un proceso menos intensivo en términos computacionales que el entrenamiento, no requiere tantas GPU u otros recursos informáticos.

La verdad definitiva sobre DeepSeek es que, aunque sus métodos no sorprendieron a la mayoría de nosotros en el ecosistema de la IA tanto como lo hicieron a los inversores del mercado de valores casualmente interesados, destacó una de las formas en que la inferencia será fundamental para la próxima fase de la evolución de la IA.

IA: La próxima generación

La promesa y el potencial de la IA no han cambiado. Las masivas inversiones en IA de los principales hyperscalers muestran la fe que tienen en el valor futuro que pueden desbloquear de la IA, así como las formas en que la IA puede cambiar cómo trabaja prácticamente todas las industrias y cómo prácticamente todas las personas van sobre sus vidas diarias.

Lo que ha cambiado para esos hyperscalers es cómo se gastarán esos dólares. En los primeros años de la era de la IA, la mayoría de la inversión se gastó necesariamente en entrenamiento. Si piensa en la IA como un niño, con una mente que aún está en desarrollo, hemos estado gastando mucho dinero para enviarlo a las mejores escuelas y universidades. Ahora, ese niño es un adulto educado, y necesita conseguir un trabajo para mantenerse. En términos del mundo real, hemos invertido mucho en entrenar a la IA, y ahora necesitamos ver el retorno de esa inversión utilizando la IA para generar nuevos ingresos.

Para lograr este retorno de la inversión, la IA necesita volverse más eficiente y menos costosa para ayudar a las empresas a maximizar su atractivo en el mercado y su utilidad para tantas aplicaciones como sea posible. Los servicios más lucrativos serán los autónomos que no requieren monitoreo y gestión humanos.

Para muchas empresas, esto significa aprovechar técnicas de informática de IA eficientes en recursos, como el razonamiento de modelo de inferencia, para habilitar rápidamente y de manera rentable las comunicaciones autónomas entre máquinas. Por ejemplo, en la industria inalámbrica, la IA se puede utilizar para analizar de manera autónoma los datos en tiempo real sobre la utilización del espectro en una red móvil para optimizar el uso del canal y mitigar la interferencia entre los usuarios, lo que en última instancia permite a un operador móvil admitir una compartición de espectro dinámica más en su red. Este tipo de comunicación de máquina a máquina autónoma y más eficiente impulsada por la IA definirá la próxima generación de la IA.

Como ha sido el caso con cada otra era informática importante, la informática de la IA sigue evolucionando. Si la historia de la informática nos ha enseñado algo, es que la nueva tecnología siempre requiere mucha inversión inicial, pero los costos disminuirán y la eficiencia aumentará a medida que comenzamos a aprovechar técnicas mejoradas y mejores prácticas para crear productos y servicios más beneficiosos y asequibles para atraer a los mercados más grandes posibles. La innovación siempre encuentra una forma.

El sector de la IA puede haber sufrido recientemente un revés, si se escucha a los osos de la IA, pero los dólares que los hyperscalers planean gastar este año y el uso creciente de técnicas basadas en inferencia cuentan una historia diferente: la informática de la IA definitivamente está cambiando, pero la promesa de la IA está completamente intacta.