Nueva York, 27 ene (EFE).- El fabricante de chips estadounidense Nvidia se desplomó un 16,9 % este lunes en Wall Street y perdió casi 600.000 millones de dólares, la mayor caída diaria de valor de una empresa cotizada en la historia, según CNBC.
Nvidia comenzó la jornada como la empresa más grande de la bolsa y terminó en el tercer lugar tras superar y más que duplicar su hito negativo del pasado 3 de septiembre, cuando cayó un 9,5 % y restó 279.000 millones de dólares de capitalización.
Según los analistas, el desplome de Nvidia se explica en la irrupción de la aplicación china DeepSeek y la amenaza que puede suponer para el mercado de la inteligencia artificial (IA) estadounidense debido a su código abierto y sus bajos costes.
DeepSeek protagonizó la sesión tras colocarse en el primer puesto en las listas de descargas gratuitas de la tienda de aplicaciones móviles App Store tanto en China como en EE.UU, superando a la ‘app’ ChatGPT de la estadounidense OpenAI.
El modelo de DeepSeek que se está descargando estos días es el R1, lanzado el 20 de enero. Según los expertos, es comparable con el o1 de OpenAI en la resolución de problemas matemáticos, la programación y la inferencia del lenguaje natural.
El modelo es de código abierto, con lo que cualquier persona puede examinarlo, modificarlo y desarrollarlo en función de sus necesidades, algo que ha generado un notable impacto en la comunidad de desarrolladores, que destacan su eficiencia y bajo coste.
De acuerdo con la firma china, el modelo fue entrenado durante 55 días con un presupuesto de menos de 6 millones de dólares, muy inferior al que han invertido los principales desarrolladores estadounidenses en esa tarea.
Pese a los temores generados por la competencia de DeepSeek, Nvidia pareció restar importancia en una nota, asegurando que se trata de un “avance excelente” para la IA pero los chips de la estadounidense siguen siendo importantes.
Nvidia consideró el R1 de DeepSeek un “ejemplo perfecto” de una técnica de computación llamada “test-time scaling” y dijo que “ilustra cómo se pueden crear nuevos modelos” combinándola con otros modelos disponibles, además de ser apta para la “exportación”.
“La inferencia requiere cifras importantes de GPUs (procesadores gráficos) de Nvidia y redes de alto rendimiento”, indicó la empresa, que señaló que la técnica del “test-time scaling” se suma a otras dos previas, el “pre-entrenamiento” y el “post-entrenamiento”.
