En una conferencia con inversores, el director ejecutivo de DeepSeek, Liang Wenfeng, se enfrenta al dominio de Nvidia: el hardware de Huawei sustituirá por completo a los sistemas GB300.
El fundador y director ejecutivo de DeepSeek, Liang Wenfeng, se ha pronunciado con una claridad inusual en una reunión con inversores sobre la carrera de China por alcanzar a los líderes en potencia de cálculo y sobre Nvidia:
Soy bastante optimista en lo que respecta a la potencia de cálculo nacional; en este punto, Nvidia se está cavando su propia tumba.
Huawei 950 frente a Nvidia GB300: el análisis del director de DeepSeek
En concreto, Wenfeng afirma que el «Atlas 950 SuperPoD» de Huawei —un denominado «supernodo», es decir, una red estrechamente interconectada de numerosos aceleradores— podría sustituir por completo a los racks «GB200» y «GB300» de Nvidia en cuanto a rendimiento y precio. El precio sería más elevado, pero dentro de unos límites: ya sea un 50, un 100 o incluso un 200 % más caro, en última instancia eso no importa, según Wenfeng.
Sin embargo, él mismo señala el inconveniente: para alcanzar el rendimiento de una GPU de Nvidia se necesitarían cuatro chips de Huawei, y se estaría unos dos años por detrás.
- Cuatro Huawei 950 equivaldrían a un GB300; según Wenfeng, con la misma latencia y el mismo abanico de tareas.
- Se prevé que el supernodo de Huawei entre en funcionamiento en el tercer o cuarto trimestre de 2026; el GB200 de Nvidia salió al mercado en el tercer trimestre de hace dos años.
La brecha computacional de China: por qué Estados Unidos va por delante
Wenfeng atribuye la distancia con respecto a EE. UU. a los recursos, no al personal: la falta de talento se deriva, en su opinión, del déficit de potencia de cálculo. Según el director de DeepSeek, los modelos de IA más grandes en la actualidad activan unos 800 000 millones de parámetros simultáneamente, mientras que los modelos chinos solo alcanzan unos 10 000 millones, lo que supone un retraso de un orden de magnitud.
Transcripción completa de la conferencia telefónica de Wenfeng con los inversores. Aquí se muestra mucho más contundente. Insiste en que el código abierto es *la* prioridad. Si no estás de acuerdo, ve a comprar más Zhipu.
Y, lo que es más importante, afirma que la moderación es *la única forma de sobrevivir*. Los laboratorios que pretenden «comerse el mundo» serán eliminados. https://t.co/tTCa83rxak pic.twitter.com/XhqVm3zuMK— Teortaxes▶️ (DeepSeek Twitter seguidor incondicional 2023 – ∞) (@teortaxesTex) 23 de julio de 2026
Según Wenfeng, para entrenar un modelo de este nivel se necesitarían unos 50 000 GB300 o unos 200 000 Huawei 950, sin contar aún la investigación. Huawei proporciona actualmente a DeepSeek capacidad para unos 16 000 aceleradores; el cuello de botella se encuentra en la producción de Huawei.
Una ventaja que se desmorona: CUDA y el argumento de TileLang
La ventaja de Nvidia que más se cita es la plataforma de software «CUDA», a la que están vinculados muchos desarrolladores de IA. Wenfeng considera que precisamente esta ventaja se está desvaneciendo: la IA ya es capaz de escribir por sí misma el código necesario; a ello se suma una herramienta propia llamada «TileLang», con la que se puede recrear el ecosistema de Nvidia.
Como prueba, cita su propio modelo «V3»: aunque el modelo se ejecutaba en hardware de Nvidia, durante el entrenamiento se desconectaba del entorno de software de Nvidia mediante un compilador de TileLang escrito por él mismo. Según su tesis, los chips especiales para IA hacían que la ventaja de CUDA fuera cada vez más irrelevante.
