En Silicon Valley siempre se dijo que no había empresa que tuviera una muralla defensiva más fuerte que Nvidia, el mayor proveedor de chips de inteligencia artificial (IA) del mundo. Eso fue cierto hasta el 27 de enero, cuando una empresa china llamada DeepSeek sacó a relucir un modelo de inteligencia artificial (IA) que, según dijo, pudo entrenar por un costo menor a los U$6 millones, haciéndole un agujero de casi U$600.000 millones al valor de mercado del gigante norteamericano de los semiconductores: fue la mayor pérdida en un solo día en toda la historia de la Bolsa en Estados Unidos. Piénsenlo como el equivalente del siglo XXI de un disparo de trabuquete, la máquina de guerra medieval capaz de reducir a escombros los muros de cualquier castillo. ¿Será que la muralla defensiva de Nvidia finalmente cayó?
La empresa no era ajena a las fluctuaciones del mercado, fuesen para arriba o para abajo. Durante los más de dos años de frenesí bursátil con la IA, la valuación de mercado de Nvidia no solo se disparó por encima de los U$3 billones, sino que también sufrió ocho de las diez mayores caídas en la historia del mercado accionario. Esos altibajos reflejan el tira y afloja entre dos tipos de inversores: los que creen que Jensen Huang, el CEO con campera de cuero estilo estrella de rock de Nvidia, es un vidente capaz de mantener indefinidamente los márgenes de ganancias cuasi monopólicos de la empresa, y los inversores que creen que los altos precios de los productos y acciones de Nvidia son la mayor evidencia de que la IA está inflada, y que la empresa está destinada a caer.
Y ahora los escépticos corren con ventaja. La capacidad de DeepSeek de generar modelos de IA casi tan potentes como los mejores de Estados Unidos y usando menos cantidad de unidades de procesamiento gráfico (GPU), incluso menos avanzados, desafía la creencia de que para ganar la carrera de la IA es necesario gastar megamillones de dólares en microchips. En las últimas semanas, desde Microsoft y Meta, hasta xAI de Elon Musk y Stargate —un emprendimiento conjunto de OpenAI, creadora de ChatGPT— han anunciado planes para la construcción de mastodónticos centros de datos repletos de GPUs. Pero según una fuente interna de uno de los grandes clientes de Nvidia, es probable que puedan gastar mucho menos en potencia de procesamiento. Mala noticia para Nvidia, cuyos chips más avanzados le dejan márgenes brutos de más del 90%, según Jeffrey Emanuel, un inversionista que publicó una profética proyección pesimista para Nvidia, y apenas dos días antes de su derrumbe en la Bolsa.
Y la cosa es todavía peor, porque la competencia entre los fabricantes de chips ha recrudecido. Los GPUs de Nvidia son prácticamente indispensables para entrenar los modelos de lenguaje grande (LLM, por su sigla en inglés). En términos de inferencia —la capacidad de los LLM para predecir o tomar decisiones en base a datos nuevos—, Nvidia todavía está a la delantera, pero con muchos más rivales corriendo en pista. Hay empresas emergentes, como Groq, que están diseñando chips especializados en inferencia ultrarrápida, y los principales clientes de Nvidia —los gigantes de la nube: Amazon, Google y Microsoft— también están fabricando chips personalizados para reducir su dependencia de los GPU de Nvidia. “Los mercados odian la restricción que implica un proveedor único”, dice el alto ejecutivo de un proveedor de servicios en la nube. Además, el mayor rendimiento de los últimos modelos de “razonamiento” de DeepSeek y OpenAI no responde a su entrenamiento, sino al mayor tiempo dedicado a la inferencia (conocido como cálculo de tiempo de prueba), lo que podría inclinar el mercado a favor de los fabricantes de chips rivales.
Y después está la cuestión de la burbuja. Desde que ChatGPT desató la fiebre del oro de la IA, a fines de 2022, Nvidia se convirtió en la apuesta de inversión definitiva entre las empresas de suministros tecnológicos. Pero al igual que la inversión en los primeros días de Internet, hasta ahora el furor por la IA se ha basado más en la creencia de que cambiará el mundo que en evidencia sólida de que puede generar ganancias.
Sin embargo, muchos inversores siguen siendo optimistas sobre el futuro del campeón de los chips para IA. Algunos se preguntan si DeepSeek ha exagerado la modestia de sus gastos para que China, su país natal, pueda fanfarronear ante Estados Unidos, pero otros dicen que sus afirmaciones serían plausibles. Aunque DeepSeek realmente necesite menos GPU potentes, también se especula que simplemente entrenó sus modelos estudiando los resultados de los modelos norteamericanos, construidos con los chips más avanzados.
El éxito de DeepSeek también podría incitar a sus rivales norteamericanas a duplicar sus inversiones en IA, al menos por un tiempo. Sam Altman, CEO de OpenAI, que devora ingentes cantidades de GPU para impulsar la frontera del desarrollo de IA, salió rápidamente a decir que su empresa le responderá a DeepSeek con “modelos mucho mejores”.
En cuanto a la competencia, los que son optimistas respecto del futuro de Nvidia reconocen que la amenaza de los fabricantes de chips rivales es real, especialmente en materia de inferencia. Pero el liderazgo de Nvidia tiene el refuerzo de su software CUDA, de uso generalizado en IA, y de su equipo de red, que le permite encadenar sus chips en los centros de datos para lograr su máxima eficiencia. “La muralla de Nvidia es muy ancha: es una empresa de sistemas, no de chips”, afirma Umesh Padval, de la firma de inversiones Thomvest.
En resumidas cuentas, la cuota de mercado de Nvidia y sus márgenes de ganancia están destinados a caer, y quizás antes de lo que los inversores pensaban hasta la entrada en escena de DeepSeek. Pero todavía hay mucho margen para que siga siendo un actor protagónico, lo que podría explicar por qué el 28 de enero el precio de sus acciones rebotó más de un 8%. Y queda una incógnita: si Huang realmente tiene los poderes de clarividencia que sus admiradores le atribuyen.
Según Daniel Newman, de la firma de investigación Futurum, el CEO de Nvidia es un líder que siempre intenta estar un paso por delante de sus competidores. De hecho, Huang ya está mirando más allá de los LLMs, que corren el riesgo de convertirse en una materia prima, y recientemente presentó sus planes para desarrollar lo que llamó “IA física”: proporcionar la infraestructura para modelos fundacionales que entiendan el mundo real, con el fin de fabricar robots similares a los humanos, coches autónomos y cosas así. Puede que las murallas de Nvidia estén bajo asedio, pero es demasiado pronto para asegurar que vayan a caer.
(Traducción de Jaime Arrambide)
