Hace tres días, DeepSeek presentó su modelo V4 en versión preliminar, marcando un punto de inflexión en la carrera global por la inteligencia artificial. Pero el verdadero movimiento estratégico no fue el lanzamiento del modelo, sino la decisión de la compañía china de optimizarlo íntegramente sobre chips chinos de inteligencia artificial como los Ascend de Huawei y los procesadores de Cambricon. Este giro hacia la soberanía tecnológica doméstica golpea directamente la tesis de Nvidia en su segundo mercado mundial y obliga a empresas europeas a replantearse una dependencia que parecía irreversible hace apenas dieciocho meses.
DeepSeek retrasa V4 para optimizar en chips chinos: claves del movimiento
La arquitectura de V4 representa un salto cualitativo en eficiencia. DeepSeek lanzó dos versiones: V4-Pro, con 1,6 billones de parámetros que activa selectivamente solo los necesarios por consulta, y V4-Flash, con 284.000 millones de parámetros, diseñado para respuestas rápidas con coste reducido. Según los benchmarks internos de la compañía, V4-Pro compite al nivel de Claude Opus 4.6, GPT-5.4 y Gemini 3.1 Pro, aunque estos resultados aún no han sido validados por terceros independientes.
Lo decisivo es que Huawei confirmó que sus clusters Ascend Supernode, basados en los nuevos procesadores Ascend 950, soportarán completamente las versiones de DeepSeek V4. La compañía trabajó estrechamente con Huawei durante el desarrollo para garantizar que el modelo funcionara de forma competitiva sobre silicio chino. Esta no es una decisión técnica menor. Representa el primer caso documentado en el que un laboratorio de IA de primer nivel elige entrenar y desplegar un modelo de escala global priorizando hardware doméstico sobre las GPU de Nvidia, rompiendo una dependencia que ha estructurado la industria durante casi una década.
El contexto es crucial. Hace aproximadamente 484 días, DeepSeek presentó su modelo R1, capaz de igualar a los gigantes estadounidenses con una fracción del coste de entrenamiento. Ese anuncio borró 600.000 millones de capitalización de Nvidia en una sola sesión. Entonces el argumento fue la eficiencia algorítmica. Ahora es la independencia del hardware. La diferencia es que la segunda es estructural.
Beneficiarios chinos: Huawei Ascend y Cambricon en la carrera de IA
Huawei y Cambricon son las dos beneficiarias naturales inmediatas del giro estratégico de DeepSeek. Cambricon, cotizada en Shanghái, ha multiplicado su valor varias veces en los últimos doce meses al calor de cada anuncio de adopción doméstica. Si DeepSeek certifica que V4 corre de forma competitiva sobre silicio chino, abre la puerta a que Alibaba, Tencent y ByteDance aceleren la transición ya iniciada desde hace dos años.
Sin embargo, existe una matización técnica importante que los reportes de mercado han pasado por alto. Según académicos de la Universidad de Tsinghua y fuentes anónimas citadas por MIT Technology Review, DeepSeek está utilizando chips chinos principalmente para la inferencia (la fase en la que el modelo genera respuestas), mientras que solo una parte del proceso de entrenamiento parece haber sido adaptada a hardware doméstico. Esta distinción es crítica: la inferencia es donde reside la ventaja de coste real para las empresas, pero el entrenamiento sigue siendo el cuello de botella tecnológico. Los chips chinos aún no alcanzan el rendimiento bruto de las GPU de Nvidia, pero son progresivamente más adecuados para la inferencia, que es donde la mayoría de empresas gastan el grueso de su presupuesto operativo en IA.
Riesgos para empresas europeas y oportunidades en España con MareNostrum
El impacto para Europa es incómodo. La Unión Europea carece de un campeón propio en aceleradores de IA y depende casi por completo del eje Nvidia-TSMC. Bruselas está ultimando la implementación operativa del Reglamento de IA, con obligaciones reforzadas para modelos de propósito general que entrarán en vigor a lo largo del próximo ejercicio. La fragmentación entre dos pilas tecnológicas paralelas —una estadounidense y otra china— deja a Europa pagando peajes en ambas y sin capacidad de decisión propia.
En España, la situación tiene un matiz particular. El Gobierno apostó por atraer capacidad de cómputo con el proyecto del superordenador MareNostrum 5 en Barcelona y con compromisos públicos en torno a la Estrategia Nacional de Inteligencia Artificial. Sin embargo, la base instalada de infraestructura sigue siendo abrumadoramente hardware estadounidense. Telefónica Tech, Indra y las grandes consultoras españolas que vertebran el negocio de IA empresarial trabajan sobre esa infraestructura. Comparado con las apuestas europeas en cuántica o ciberseguridad, donde Indra compite con Thales o Leonardo, en aceleradores de IA Europa juega fuera de casa.
El problema práctico es más inmediato. Si DeepSeek logra que V4 rinda razonablemente sobre Ascend o Cambricon, el modelo de negocio de los grandes proveedores cloud españoles —que revenden capacidad sobre GPU de Nvidia— empieza a tener un competidor con costes potencialmente menores al otro lado de Eurasia. Los modelos de DeepSeek están disponibles en versión abierta. Cualquier integrador puede desplegarlos localmente, reduciendo la dependencia de servicios cloud estadounidenses o europeos.
| Aspecto | Ecosistema Nvidia (Actual) | Ecosistema Chino (Emergente) |
|---|---|---|
| Rendimiento bruto (entrenamiento) | Liderazgo establecido | Brecha reduciéndose (estimado 12-18 meses) |
| Coste de inferencia | Referencia de mercado | 20-40% más económico (según DeepSeek) |
| Software (CUDA vs. alternativas) | Foso defensivo establecido | Maduración en progreso |
| Disponibilidad para empresas españolas | Acceso completo vía cloud o on-premise | Modelos abiertos; hardware limitado por sanciones |
| Riesgo geopolítico | Bajo en corto plazo | Controles de exportación estadounidenses |
Próximos pasos: cómo adaptar tu infraestructura IA al nuevo ecosistema
Para directores de TI y CTOs en empresas medianas y grandes, el mensaje es claro: la monocultura Nvidia no es ya inevitable. El movimiento de DeepSeek abre tres vectores de acción. Primero, evaluar si tu workload de IA está optimizado para inferencia o si requiere entrenamiento continuo. Si es principalmente inferencia, los costes de migración hacia alternativas chinas (cuando sean legalmente accesibles) o hacia soluciones europeas como MareNostrum se vuelven económicamente viables en horizontes de 18-24 meses. Segundo, diversificar proveedores de cloud para no quedar atrapado en una única cadena de suministro tecnológico. Tercero, comenzar a experimentar con modelos abiertos como DeepSeek V4 en entornos controlados, no solo para evaluar rendimiento sino para entender el coste total de propiedad cuando se despliegan localmente versus en cloud.
DeepSeek espera reducir aún más los precios de V4-Pro a lo largo del año conforme Huawei escale la producción de sus nuevos procesadores Ascend 950. Esto significa que las ventajas de coste no son temporales sino estructurales. La incógnita real es si el desacoplamiento responde a una capacidad madura o a una imposición política con coste técnico. Los próximos benchmarks independientes de V4, cuando lleguen, dirán si la soberanía tecnológica en chips chinos de inteligencia artificial es viable o si China paga un precio en rendimiento que erosiona la propuesta de valor. Pero el mercado ya ha comenzado a moverse. Cada generación de hardware chino reduce la brecha, y cada reducción de coste en inferencia acelera la adopción. Para empresas que construyen sobre IA, el próximo ciclo de decisiones sobre infraestructura no será sobre elegir entre Nvidia o nada, sino sobre gestionar un portafolio de opciones donde la soberanía tecnológica y el coste compiten con rendimiento como criterios de decisión.
