CEDEARs: Industria de la Inteligencia Artificial

➡️ ¿Qué está sucediendo?

# China desarrolla una IA más eficiente (DeepSeek). Hace más con menos costos.

Resumen de consecuencia por Morgan Brown.

# Un poco de contexto: en este momento, entrenar a los mejores modelos de IA es INCREÍBLEMENTE caro.

OpenAI, Anthropic, etc. gastan más de 100 millones de dólares solo en computación. Necesitan centros de datos masivos con miles de GPU de 40 000 dólares.

Es como necesitar una planta de energía completa para hacer funcionar una fábrica.

 

# DeepSeek simplemente apareció y dijo, ¿qué pasaría si hiciéramos esto por 5 millones de dólares?» Y no solo hablaron, realmente LO HICIERON. El mundo de la IA está en shock.

 

# ¿Cómo? Repensaron todo desde cero.

La IA tradicional es como escribir cada número con 32 decimales. DeepSeek dijo: «¿Qué pasaría si usáramos 8? ¡Aún es lo suficientemente preciso!». ¡Bum! Se necesita un 75 % menos de memoria.

 

# La IA normal lee como un niño de primer grado: «El… gato… se sentó…» DeepSeek lee frases completas a la vez. Dos veces más rápido, 90 % más preciso. Cuando estás procesando miles de millones de palabras, esto IMPORTA.

 

# Construyeron un «sistema experto».

En lugar de una IA masiva que intenta saberlo todo (como tener una persona que sea médico, abogado e ingeniero), tienen expertos especializados que solo se despiertan cuando es necesario.

Es como tener un equipo enorme, pero solo llamar a los expertos que realmente necesitas para cada tarea.

 

# Los resultados son alucinantes:

– Costo de capacitación: $100 millones → $5 millones

– GPU necesarias: 100 000 → 2000

– Costos de API: 95 % más baratos.

– Puede ejecutarse en GPU para juegos en lugar de hardware de centro de datos.

 

# Podrías decir, «¡debe haber una trampa!»

Esa es la parte más complicada: todo es de código abierto. Cualquiera puede verificar su trabajo. El código es público.

Los documentos técnicos lo explican todo. No es magia, solo ingeniería increíblemente inteligente.

 

# ¿Por qué es importante esto?

Porque rompe el modelo de «solo las grandes empresas tecnológicas pueden jugar en IA».

Ya no se necesita un centro de datos de mil millones de dólares. Unas pocas GPU buenas podrían ser suficientes.

 

# Para Nvidia, esto es aterrador.

Todo su modelo de negocios se basa en la venta de GPU supercaras con márgenes del 90%.

Si de repente todos pueden hacer IA con GPU para juegos normales… bueno, ya ves el problema.

 

# Esta es una historia clásica de disrupción: los incumbentes optimizan los procesos existentes, mientras que los disruptores replantean el enfoque fundamental.

DeepSeek se preguntó «¿qué pasaría si hiciéramos esto de manera más inteligente en lugar de agregarle más hardware?»

 

# Las implicaciones son enormes:

– El desarrollo de IA se vuelve más accesible.

– La competencia aumenta drásticamente.

– Las ventajas (MOAT) de las grandes empresas tecnológicas se reduce.

– Los requisitos (y costos) de hardware se desploman.

 

# Por supuesto, gigantes como OpenAI y Anthropic no se quedarán de brazos cruzados.

Probablemente ya estén implementando estas innovaciones.

Pero el genio de la eficiencia ya salió de la botella: no hay vuelta atrás al enfoque de «solo agregarle más GPU».

 

# Reflexión final:

Este parece uno de esos momentos que recordaremos como un punto de inflexión.

Como cuando las PC hicieron que los mainframes fueran menos relevantes, o cuando la computación en la nube lo cambió todo.

 

La IA está a punto de volverse mucho más accesible y mucho más barata.

La pregunta no es si esto afectará a los actores actuales, sino con qué rapidez.

 

➡️ DeepSeek: comentarios adicionales.

# Las inversiones en infraestructura de IA significan ingresos para las compañías de semiconductores, como NVIDIA, AMD, TSMC, ASML, etc.

Pero representan un gasto para las empresas que “entrenan” IA, utilizando sus bases de datos almacenadas en la “nube”. Por ejemplo: Amazon, Google, Microsoft.

Por lo tanto, si el costo de desarrollar IA es mucho menor de lo que se preveía anteriormente, la inversión que tienen que realizar compañías como Amazon, Google, Microsoft, etc., debería reducirse en teoría, ahorrando costos y por ende incrementando sus ganancias.

En resumen, tendrían que pagar menos dinero a Nvidia y otros proveedores de infraestructura.

 

# Muchas personas afirman que un menor costo de desarrollo de IA conducirá a menos inversiones en IA y, por lo tanto, menos ingresos para todas las empresas relacionadas con los semiconductores.

Si bien esto puede ser cierto a corto y mediano plazo, creo que no tiene sentido a largo plazo.

Históricamente, la industria de los semiconductores ha dependido de que los costos de desarrollo tecnológico disminuyan (no aumenten).

La razón aquí es que los costos más bajos para desarrollar tecnología terminan conduciendo a una mayor innovación tecnológica y una adopción más rápida y generalizada*, lo que en última instancia resulta en un mayor volumen de chips requeridos.

Si los costos de desarrollo de la IA se reducen significativamente, entonces (en teoría) la IA debería proliferar más rápido e impulsar más innovación tecnológica, lo que eventualmente debería conducir a más contenido de semiconductores.

 

# Habrá que esperar a ver como se desarrollan los acontecimientos en esta industria tan compleja y dinámica. Evitar tomar decisiones apresuradas.

 

📘 Al invertir en CEDEAR es relevante todo hecho que impacte en las ganancias contables de las compañías.

De las Ganancias Proyectadas, dependerá el valor futuro y el valor actual de la Acción (CEDEARs), a partir del cual se determina si la Cotización es “cara” o “barata”.

 

# Interrogantes adicionales:

¿Las empresas cederán sus datos para entrenar un modelo de IA con sede en China?

Si bien parece bastante increíble que China haya logrado superar a EE.UU. en costo de manera tan significativa en un período tan corto… China tiene un incentivo para mentir sobre sus desarrollos.

 

Fuente: Best Anchor Stocks