Espresso europeo: ¿DeepSeek está reescribiendo el rumbo de la revolución de la IA?

Por lo tanto, a ningún participante del mercado le resultará extraño que haya habido algunas novedades relevantes en la última semana. En este contexto, asistimos a la mayor pérdida de capitalización bursátil registrada en la historia del mercado de valores, ya que Nvidia perdió 560.000 millones de dólares en Bolsa en un solo día.

Esto se debió al surgimiento de una empresa china de IA que ha construido un modelo de lenguaje grande, más barato, que puede competir con los grandes modelos existentes de OpenAI y Meta.

No obstante, está claro que es demasiado pronto para saber exactamente cuáles serán las repercusiones totales del modelo de DeepSeek en el ámbito de la IA. Sin embargo, se nos ocurren tres posibilidades al respecto.

La primera es que el modelo de DeepSeek es de código abierto, lo cual significa que otros lo podrían aprovechar. Así pues, es probable que veamos una proliferación de modelos similares a DeepSeek.

En segundo lugar, utiliza un proceso llamado "destilación", por lo que básicamente se sirve de modelos más grandes como ChatGPT de OpenAI o Llama de Meta para entrenarse a sí mismo. En consecuencia, creemos que el futuro en este campo va mucho más allá de un modelo de código abierto para la IA en general. La [primera] gran conclusión es que DeepSeek ha afirmado que entrenar este modelo solo les costó 5,6 millones de dólares.

Y dado que, al parecer, fue increíblemente eficiente en términos de entrenamiento e inferencia (es ahí cuando le haces una pregunta), ¿podría ser que DeepSeek termine democratizando la IA? Es decir, dada su eficiencia y coste, ¿veremos una proliferación de distintos casos de uso en todo el sector? En un mundo de tecnología, cualquier mejora en materia de costes por lo general aumenta el número de casos de uso. Por lo tanto, estamos muy entusiasmados con lo esto que significa para el sector en su conjunto.

El tercer punto importante es que, de hecho, la infraestructura seguirá siendo un elemento diferenciador para los operadores de IA. En esta misma semana Meta anunció sus resultados, en los que confirma que todavía pretende gastar entre 60.000 y 65.000 millones de dólares en activos fijos, principalmente para construir su infraestructura de centro de datos y potencia de computación, al seguir creyendo que dicha potencia va a ser un diferenciador clave de aquí en adelante.

Entonces, ¿cómo nos afecta eso aquí, en renta variable europea? Bueno, la forma en que hemos posicionado nuestros fondos es agnóstica (no condicionada) respecto al modelo de lenguaje grande que saldrá victorioso, o si veremos o no una proliferación de ellos, ya que el área europea de bienes de equipo de semiconductores y el de bienes de capital eléctrico desempeñan un papel en todo esto, porque son las facilitadoras. Son los picos y las palas los que permite que que tenga lugar la revolución de la IA.

La segunda gran conclusión que podemos sacar de esta semana son los peligros de la concentración. Supongo que habréis visto las grandes caídas de capitalización bursátil que se produjeron en Estados Unidos en todo el ámbito tecnológico. Y ese peligro claramente existe cuando el S&P500 tiene un 32 por ciento de exposición sectorial a la tecnología. En Europa, la cifra equivalente es sólo del 8% y el punto de partida de la valoración es mucho más bajo.

Glosario:

Agnóstico: no abogar por un estilo de inversión (o acción) frente a otro.

Gasto en activos fijos: dinero que una empresa utiliza para comprar, modernizar, mantener o desarrollar sus activos, ya sea equipo, tecnología o infraestructura, incluidos los edificios.

Modelo de lenguaje grande (LLM): un modelo de aprendizaje automático diseñado para comprender y generar respuestas al lenguaje humano mediante el tratamiento de grandes cantidades de datos de texto.

Código abierto: software para el cual puede utilizarse libremente el código fuente original con el fin de compartirlo, distribuirlo o modificarlo.