DeepSeek cambia los chips de Huawei por los NVIDIA H20 para poder entrenar a tiempo su modelo de IA R2

Lo que parecía un paso firme hacia la independencia tecnológica en la inteligencia artificial china ha terminado volviendo al punto de partida. DeepSeek, una de las empresas más activas del sector, intentó entrenar su modelo R2 con chips nacionales de Huawei. La jugada, sin embargo, no ha salido como esperaban y la compañía ha decidido recurrir nuevamente a NVIDIA, cuyo ecosistema sigue marcando la pauta en el entrenamiento de modelos avanzados.

De la apuesta local al regreso a lo seguro

Desde que el auge de la IA se convirtió en prioridad nacional, Pekín ha impulsado a sus tecnológicas para reducir la dependencia de hardware extranjero. Las restricciones de exportación impuestas por Estados Unidos a la venta de chips de alto rendimiento para IA han acelerado la búsqueda de alternativas, y Huawei ha liderado parte de ese esfuerzo con su línea Ascend, incluida la versión 910C.

DeepSeek decidió sumarse a este movimiento, apostando por una infraestructura basada en chips locales para entrenar el R2. Sin embargo, según recoge el Financial Times, los resultados no fueron los esperados: problemas de estabilidad, velocidades de interconexión inferiores y la ausencia de un equivalente real a CUDA, la plataforma de programación que es prácticamente la columna vertebral del desarrollo en GPU de NVIDIA.

Un retraso costoso

La consecuencia directa ha sido un retraso significativo. El modelo R2 estaba previsto para mayo, pero la falta de rendimiento y la ineficiencia del entorno de desarrollo han obligado a posponer su lanzamiento. Ahora, DeepSeek está migrando todo el proceso de entrenamiento a hardware de NVIDIA, buscando recuperar el tiempo perdido y alcanzar los niveles de calidad y velocidad que no lograron con la solución local.

Por ahora, la elección pasa por los H20, chips de IA de NVIDIA diseñados específicamente para cumplir con las limitaciones impuestas por Estados Unidos en el mercado chino. Estos modelos permiten mantener la compatibilidad con el ecosistema CUDA y, aunque recortados respecto a las versiones internacionales más potentes, ofrecen un entorno mucho más estable y productivo que las alternativas domésticas actuales.

La sombra de las advertencias oficiales

La vuelta a NVIDIA no está exenta de polémica. Informes recientes señalan que las autoridades chinas han recomendado a las empresas nacionales de IA evitar el uso de chips de Team Green debido a supuestas “puertas traseras” y funciones de rastreo de ubicación. Aunque estas advertencias no han frenado a DeepSeek, sí ponen sobre la mesa la tensión entre la necesidad de rendimiento inmediato y la seguridad a largo plazo.

Un panorama desigual para la IA en China

El caso de DeepSeek no es aislado. La brecha tecnológica entre las soluciones locales y las de NVIDIA sigue siendo amplia, sobre todo en software y optimización. Mientras Huawei y otros fabricantes continúan mejorando sus diseños, la falta de un ecosistema equivalente a CUDA y las diferencias en rendimiento hacen que, de momento, la dependencia de NVIDIA siga siendo casi obligada para proyectos de IA punteros.

DeepSeek prevé tener listo el R2 en las próximas semanas, ya con entrenamiento sobre hardware de NVIDIA. Habrá que ver si el cambio de rumbo permite que el modelo cumpla con las expectativas y si, en paralelo, los fabricantes chinos logran acortar distancias con respecto a soluciones extranjeras.

Por ahora, la realidad es clara: para entrenar modelos de IA al más alto nivel, incluso las empresas más decididas a apostar por lo local acaban volviendo al ecosistema que ofrece la mayor combinación de estabilidad, velocidad y herramientas… y ese sigue siendo el de NVIDIA.

Fin del Artículo. ¡Cuéntanos algo en los Comentarios!