Las acciones de Nvidia (NASDAQ: NVDA) actualmente están un 12% por debajo de su máximo histórico. Sufrieron una fuerte caída en enero después de que la startup china DeepSeek afirmara que había entrenado un modelo competitivo de inteligencia artificial (IA) utilizando una fracción de la potencia informática que habían utilizado los principales desarrolladores con sede en Estados Unidos como OpenAI.
Los inversores temían que las técnicas de DeepSeek fueran adoptadas por otros desarrolladores de IA, lo que provocaría una caída sustancial en la demanda de las unidades de procesamiento de gráficos (GPU) de gama alta de Nvidia, que son el mejor hardware disponible para desarrollar modelos de IA. Sin embargo, esas preocupaciones podrían haber sido exageradas.
Alphabet, la matriz de Google (NASDAQ: GOOG)(NASDAQ: GOOGL), es un gran comprador de chips de centros de datos de IA de Nvidia, y el 4 de febrero, su CEO, Sundar Pichai, hizo algunos comentarios que deberían hacer sentir mucho mejor a los inversores de Nvidia.
DeepSeek fue establecida en 2023 por un exitoso fondo de cobertura chino llamado High-Flyer, que había estado utilizando la IA para construir algoritmos de trading durante años. DeepSeek lanzó su modelo de lenguaje grande (LLM) V3 en diciembre de 2024, seguido por su modelo de razonamiento R1 en enero, y su competitividad con algunos de los últimos modelos de OpenAI y otras startups hizo que el sector tecnológico se emocionara.
Dado que el trabajo de DeepSeek es de código abierto, la industria aprendió rápidamente algunos detalles importantes. La startup afirma haber entrenado V3 por solo $5.6 millones (sin incluir un estimado de $500 millones en chips e infraestructura, según SemiAnalysis), lo cual es una gota en el balde en comparación con los decenas de miles de millones de dólares gastados por empresas como OpenAI para llegar a su estado actual de desarrollo.
DeepSeek también utilizó generaciones anteriores de las GPU de Nvidia como la H100, porque el gobierno de EE. UU. prohibió al fabricante de chips vender su hardware más reciente a empresas chinas (para proteger el liderazgo de EE. UU. en IA).
Resulta que DeepSeek implementó algunas innovaciones únicas en el lado del software para compensar la falta de potencia informática. Desarrolló algoritmos y métodos de entrada de datos altamente eficientes, y también utilizó una técnica llamada destilación, que implica utilizar el conocimiento de un modelo de IA grande ya exitoso para entrenar un modelo más pequeño.
De hecho, OpenAI ha acusado a DeepSeek de usar sus modelos GPT-4o para entrenar a DeepSeek R1, al hacer que el chatbot ChatGPT “aprenda” a partir de sus resultados. La destilación acelera rápidamente el proceso de entrenamiento porque el desarrollador no tiene que recopilar o procesar montañas de datos. Como resultado, también requiere mucha menos potencia informática, lo que significa menos GPUs.
Naturalmente, los inversores están preocupados de que si cada otro desarrollador de IA adoptara este enfoque, desencadenaría un colapso en la demanda de los chips de Nvidia.
El 26 de febrero, Nvidia informará sus resultados financieros para su año fiscal 2025, que finalizó el 31 de enero. La empresa espera haber generado $128.6 mil millones en ingresos totales, lo que representaría un aumento del 112% respecto al año anterior. Los resultados trimestrales recientes sugieren que alrededor del 88% de esos ingresos se atribuirán a su segmento de centros de datos, gracias a las ventas en aumento de GPUs.
Según el pronóstico de consenso de Wall Street (proporcionado por Yahoo), Nvidia podría establecer otro récord en su año fiscal actual 2026, con $196 mil millones en ingresos totales potencialmente en el horizonte. Alcanzar esa estimación dependerá de una mayor demanda de GPUs por parte de los desarrolladores de IA, por lo que es fácil entender por qué los inversores están nerviosos por la noticia de DeepSeek.
Si bien la H100 sigue siendo un producto popular, la última GPU GB200 de Nvidia, que se basa en su arquitectura Blackwell, puede realizar inferencias de IA hasta 30 veces más rápido. La inferencia es el proceso por el cual un modelo de IA absorbe datos en vivo (como una sugerencia de chatbot) y produce una salida para el usuario. Normalmente, esto ocurre después de la fase de entrenamiento inicial (más sobre esto en un momento).
El GB200 es actualmente el estándar de oro para los centros de datos de IA, y la demanda superaba significativamente la oferta cuando comenzó a enviarse a los clientes a finales de 2024.
Pichai mantuvo una conferencia telefónica con analistas de Wall Street el 4 de febrero para discutir los resultados del cuarto trimestre de 2024 de Alphabet. En respuesta a una de sus preguntas, dijo que ha habido un cambio notable en la asignación de potencia informática en los últimos tres años, con una cantidad creciente dedicada a la inferencia en comparación con el entrenamiento.
Pichai dijo que los nuevos modelos de razonamiento (como el R1 de DeepSeek y los modelos de Flash Thinking de Alphabet) solo acelerarán ese cambio. Estos modelos pasan más tiempo “pensando” antes de producir una respuesta, por lo que requieren significativamente más potencia informática que sus predecesores. El término técnico para eso es escalado de tiempo de prueba, y es una forma para que los modelos de IA entreguen información más precisa sin realizar más escalas de pre-entrenamiento (que implican alimentar modelos con cantidades interminables de nuevos datos).
El CEO de Meta Platforms, Mark Zuckerberg, tiene pensamientos similares. Recientemente dijo que una disminución en las cargas de trabajo de entrenamiento no necesariamente significa que los desarrolladores necesiten menos chips, porque la capacidad simplemente se está desplazando hacia la inferencia en su lugar.
Finalmente, Alphabet dijo a Wall Street que planea asignar $75 mil millones a gastos de capital (capex) durante 2025, la mayor parte de los cuales se destinará a infraestructura de centros de datos y chips. Esa cifra representa un aumento significativo respecto a su capex de 2024 de $52 mil millones, por lo que la empresa ciertamente no se está retirando.
En general, parece que el panorama de demanda para las GPUs de Nvidia sigue muy intacto. Considerando que sus acciones se están negociando a una valuación atractiva en este momento, la reciente caída podría incluso ser una oportunidad de compra.
Antes de comprar acciones de Nvidia, considera esto:
El equipo de analistas de Motley Fool Stock Advisor identificó recientemente lo que creen que son las 10 mejores acciones para que los inversores compren ahora… y Nvidia no fue una de ellas. Las 10 acciones que calificaron podrían producir rendimientos extraordinarios en los próximos años.
Considera cuando Nvidia apareció en esta lista el 15 de abril de 2005… si hubieras invertido $1,000 en el momento de nuestra recomendación, ¡tendrías $850,946!*
Ahora, vale la pena señalar que el rendimiento promedio total de Stock Advisor es del 959% — un rendimiento superior al mercado en comparación con el 178% del S&P 500. No te pierdas la última lista de las 10 mejores.
¡Aprende más »
*Rendimientos de Stock Advisor hasta el 7 de febrero de 2025
Randi Zuckerberg, ex directora de desarrollo de mercado y portavoz de Facebook y hermana del CEO de Meta Platforms, Mark Zuckerberg, es miembro de la junta directiva de The Motley Fool. Suzanne Frey, ejecutiva en Alphabet, es miembro de la junta directiva de The Motley Fool. Anthony Di Pizio no tiene posición en ninguna de las acciones mencionadas. The Motley Fool tiene posiciones en y recomienda Alphabet, Meta Platforms y Nvidia. The Motley Fool tiene una política de divulgación.
Sundar Pichai recientemente entregó noticias espectaculares para los inversores de acciones de Nvidia fue publicado originalmente por The Motley Fool