Integración vertical en IA: fabricantes de modelos avanzan hacia el diseño de sus propios chips
La apuesta de DeepSeek por desarrollar silicio propio especializado en inferencia redefine las cadenas de dependencia tecnológica y presiona a los proveedores tradicionales de semiconductores.
DeepSeek, empresa china de inteligencia artificial conocida por desarrollar modelos de código abierto competitivos a costos operativos significativamente menores que sus pares occidentales, está avanzando en el diseño de su propio chip especializado en inferencia —es decir, la ejecución de modelos ya entrenados en producción—. El movimiento representa una apuesta…
DeepSeek, empresa china de inteligencia artificial conocida por desarrollar modelos de código abierto competitivos a costos operativos significativamente menores que sus pares occidentales, está avanzando en el diseño de su propio chip especializado en inferencia —es decir, la ejecución de modelos ya entrenados en producción—. El movimiento representa una apuesta por la integración vertical que reduce la dependencia de proveedores externos como NVIDIA y Huawei, y que podría redefinir la estructura de costos del sector.
La compañía ya sostiene conversaciones con socios de manufactura y ha abierto posiciones para ingenieros de hardware, señales concretas de que el proyecto supera la fase conceptual. Aunque las restricciones de exportación vigentes limitan el alcance geográfico de la tecnología resultante al mercado chino, el precedente es estratégicamente relevante: si un desarrollador de modelos logra controlar su propia capa de silicio, obtiene ventajas estructurales en eficiencia energética, latencia y costos de inferencia que los competidores dependientes de terceros difícilmente pueden igualar en el corto plazo.
Para los equipos directivos que monitorean el mercado de inteligencia artificial, este desarrollo tiene dos implicaciones directas. Primera: la presión sobre márgenes de proveedores de chips como NVIDIA se intensifica cuando clientes de escala deciden internalizar capacidades de diseño, un patrón ya documentado en empresas como Google con sus TPUs o Amazon con Trainium. Segunda: en mercados como América Latina, donde la adopción de IA empresarial está condicionada por el costo de infraestructura, la proliferación de arquitecturas de inferencia más eficientes —independientemente de su origen— amplía el acceso a capacidades que hoy resultan prohibitivas para organizaciones medianas. La integración vertical en IA deja de ser exclusiva de los gigantes tecnológicos y se convierte en una variable competitiva que los CTO deben incorporar en sus hojas de ruta de infraestructura.
