La dependencia del hardware de terceros se ha convertido en un cuello de botella estratégico para las empresas de inteligencia artificial más ambiciosas. DeepSeek, el laboratorio chino que ha sacudido el mercado con sus modelos de lenguaje, da ahora un paso hacia la autonomía: desarrolla su propio chip de IA orientado a tareas de inferencia, según fuentes de Reuters, con la vista puesta en reducir su exposición a NVIDIA y Huawei.
Claves de la operación
- Un chip para la inferencia, no para el entrenamiento. El diseño se centra en ejecutar modelos ya creados, lo que reduce costes operativos y acelera la respuesta a millones de consultas diarias.
- Doble dependencia que asfixia. DeepSeek ha usado históricamente GPU de NVIDIA (los H800, prohibidos por Washington) y procesadores Ascend de Huawei. Un chip propio busca liberar a la compañía de las restricciones geopolíticas y de suministro.
- La ola del hardware a medida. Google, Amazon, Meta, Microsoft y OpenAI ya diseñan sus propios aceleradores. El movimiento de DeepSeek es el último indicio de que el dominio del hardware de NVIDIA está siendo erosionado por sus propios clientes.
La noticia, que Reuters ha adelantado citando a tres fuentes conocedoras del proyecto, llega en un momento de máxima tensión en la cadena de suministro de semiconductores. DeepSeek no ha confirmado oficialmente el plan, pero la lógica industrial y la trayectoria de la compañía hacen creíble el movimiento.
Inferencia: la batalla donde el coste y la velocidad mandan
Entrenar un modelo grande es un ejercicio de potencia bruta; ejecutarlo en producción es un arte de eficiencia. Cada petición de un usuario activa una inferencia: el modelo repite el cálculo para generar la respuesta. Si la plataforma tiene millones de usuarios, el gasto en infraestructura se multiplica. Un chip especializado en inferencia —como el que planea DeepSeek— permite reducir el consumo energético y acelerar las respuestas, justo lo que buscan los negocios de IA a escala.
NVIDIA domina el entrenamiento con sus GPUs H100 y B200, pero también es líder en inferencia con productos como el L40S y las futuras arquitecturas Rubin. Sin embargo, la dependencia de un solo proveedor ha empezado a inquietar a los clientes que procesan volúmenes masivos. Amazon, con sus chips Inferentia y Trainium, ya cubre buena parte de las cargas de Alexa y los servicios de AWS. Google lleva años utilizando sus TPU para YouTube y Gmail. La fuga hacia el diseño propio es la respuesta más lógica para cualquiera que quiera controlar su gasto operativo.
DeepSeek se sitúa, de este modo, en la misma senda. Su chip, todavía en fase temprana de diseño, apunta a emular esa independencia. Pero el camino no es sencillo: diseñar un circuito de alto rendimiento exige años, decenas de millones de euros y acceso a fundiciones avanzadas, algo extremadamente complicado para una empresa china bajo el paraguas de los controles de exportación estadounidenses.
El verdadero riesgo para NVIDIA no es que un cliente fabrique su propio chip, sino que todos los grandes aprendan a vivir sin sus GPU.
De las NVIDIA H800 a los chips propios: la larga marcha de DeepSeek
La trayectoria de DeepSeek está marcada por la escasez de chips avanzados. Su modelo R1 se entrenó sobre aceleradores NVIDIA H800, versiones recortadas del H100 diseñadas para cumplir con los límites de exportación a China. Cuando Estados Unidos prohibió también esos chips a finales de 2023, la firma china giró hacia Huawei y sus procesadores Ascend. En abril de 2026, presentó su modelo V4 adaptado a Ascend, y Huawei confirmó que sus procesadores se usaron en el entrenamiento de V4-Flash. El diseño propio sería el penúltimo paso para cortar definitivamente el cordón umbilical con los proveedores externos.
La transición al hardware propio no será sencilla. Los controles de exportación estadounidenses limitan el acceso a las fundiciones más avanzadas (como TSMC) y también a la memoria de alto ancho de banda (HBM), un componente crítico para aceleradores de IA. Si DeepSeek quiere fabricar, tendrá que recurrir a alternativas chinas como SMIC, cuyo proceso más avanzado está al menos una generación por detrás, o negociar acuerdos con terceros países. La incógnita de la capacidad de producción es la mayor sombra que planea sobre el proyecto.
Aun así, el movimiento se alinea con una tendencia que recorre toda la industria. Google diseña sus TPU desde 2015, Amazon tiene Inferentia, Microsoft lanzó Maia y Meta desarrolla MTIA. Incluso OpenAI anunció en junio de 2026 su chip Jalapeño, desarrollado con Broadcom, también orientado a inferencia. Anthropic, por su parte, ha valorado públicamente la vía del hardware propio. Nadie abandona del todo las GPU de NVIDIA, pero todos buscan reducir la factura y la dependencia.
NVIDIA responde afilando su ecosistema. La arquitectura CUDA, lanzada en 2006 (CUDA), ha creado un foso competitivo difícil de salvar: miles de aplicaciones y desarrolladores entrenados en ella hacen que migrar a otro hardware sea caro y lento. Además, la compañía ha lanzado sus propias soluciones inferenciales como Triton Inference Server para mantener a los clientes dentro de su órbita. La cuestión es si esa fidelidad resistirá cuando los volúmenes de inferencia de las grandes plataformas se disparen y cada céntimo de coste cuente.
Lo que DeepSeek significa para el mercado global (y para España)
Desde la óptica española, el dominio de NVIDIA es casi absoluto. Los centros de datos que albergan la nube pública en España —de AWS, Google Cloud, Microsoft Azure— funcionan mayoritariamente sobre GPUs de la californiana. Cualquier alternativa que reduzca la dependencia puede traducirse en más competencia, precios más ajustados y una oferta más diversa para las empresas españolas que integran IA en sus procesos. Aunque DeepSeek difícilmente llegue a instalar sus chips en servidores europeos a corto plazo, la mera existencia de un competidor asiático válido presiona a NVIDIA a mejorar condiciones y a bajar márgenes.
El paralelismo histórico no es nuevo. NVIDIA alcanzó el liderazgo en IA gracias a su arquitectura CUDA, que permitió a los desarrolladores aprovechar sus GPUs para cálculos más allá de los gráficos. Esa apuesta le dio una ventaja de casi dos décadas. Ahora, el movimiento de DeepSeek, sumado al de otros pesos pesados, apunta a la posibilidad de que el hardware para IA deje de ser un cuello de botella cautivo de un único proveedor.
Por ahora, todo está en fase embrionaria. DeepSeek no ha comprometido plazos ni socios de fabricación. La viabilidad del proyecto dependerá de que logre superar los muros tecnológicos y geopolíticos. Pero la señal es inequívoca: la próxima generación de competidores en IA no solo escribe código; también quiere dibujar sus propios circuitos. Y eso, para NVIDIA, es quizás la amenaza más estructural a largo plazo.
