Las empresas tecnológicas más grandes aumentarán sus gastos en inteligencia artificial a más de $ 500 mil millones al comienzo de la siguiente década, alimentados en parte por Deepseek y la metodología de inteligencia artificial más reciente de Openai.
que Microsoft Corp., Amazon.com Inc. y Meta Platforms Inc., conocidas colectivamente como hiperscalers , gastarán $ 371 mil millones en centros de datos de IA y recursos de computación en 2025, un aumento del 44% respecto al año anterior. Para 2032, se espera que esta cifra se dispare a $ 525 mil millones.
Históricamente, gran parte de la inversión en IA había ido a centros de datos y chips para entrenar o crear nuevos modelos de IA significativamente complejos. Ahora, las compañías quieren adoptar un enfoque diferente. Después de esto, se espera que las empresas tecnológicas muevan más gastos a la inferencia o el proceso de ejecutar esos sistemas después de haber sido capacitados.
Cómo Deepseek y Openai están dando forma a las tendencias de gastos de AI
Deepseek, Openai y varias otras compañías de China han introducido nuevos modelos de razonamiento, intensificando la competencia entre las empresas que aún no han adoptado un enfoque similar.
Estos sistemas imitan la resolución de problemas humanos tomando un tiempo adicional para procesar y calcular las respuestas a las consultas de los usuarios.
El ascenso de Deepseek, que afirmó que podría crear un modelo competitivo a un costo más barato en comparación con algunos de sus principales competidores estadounidenses, planteó preocupaciones sobre las fuertes inversiones en el desarrollo de IA en el sector tecnológico estadounidense. Como resultado, algunas empresas tecnológicas líderes prefieren sistemas de IA más eficientes que pueden ejecutarse en menos chips.
Sin embargo, los modelos de razonamiento también presentan nuevas posibilidades de beneficiarse del software y posiblemente cambiar más costos de desarrollo después de que el modelo se implementa. Esto probablemente fomentará más inversión en esta estrategia y aumentará el gasto en IA en general.
Un analista de Bloomberg Intelligence, Mandeep Singh, escribió: "El crecimiento del gasto de capital para la capacitación de IA podría ser mucho más lento que nuestras expectativas anteriores".
Sin embargo, señaló que el tremendo enfoque en Deepseek probablemente alentará a las compañías tecnológicas a "aumentar las inversiones" en inferencia, lo que lo convierte en el segmento de mercado con la tasa de crecimiento más rápida en la IA generativa.
Según los informes, se anticipa que más del 40% de los presupuestos de IA de los hiperscalers este año se destinarán a la capacitación; Sin embargo, en 2032, ese porcentaje caerá a solo el 14%. En contraste, casi la mitad de todos los gastos anuales de IA pueden asignarse a inversiones impulsadas por la inferencia.
Por otro lado, Singh escribió que Google de Alphabet Inc. parece mejor posicionado para hacer este pivote rápidamente, gracias a sus chips internos que manejan el entrenamiento y la inferencia. Es posible que otras compañías tecnológicas, como Microsoft y Meta, no tengan tanta flexibilidad porque se han basado tanto en los chips Nvidia Corp.
Cómo los modelos de razonamiento están remodelando la IA con el pensamiento estructurado y lógico
Los modelos de razonamiento son modelos de lenguaje especializados diseñados para resolver problemas a través de un razonamiento lógico explícito que se han convertido en un nuevo paradigma en la IA, superando las LLM convencionales en tareas desafiantes al desglosar problemas, "pensar" antes de responder y mejorar iterativamente las soluciones.
Históricamente, los LLM de uso general podrían generar respuestas simples. Con la introducción de modelos de razonamiento, las respuestas siguen un proceso de pensamiento más estructurado, y se indica el proceso de llegar a esa respuesta. Sin embargo, mientras que algunos modelos muestran claramente su fase de razonamiento lógico, otros no.
La fase de razonamiento muestra cómo el modelo puede desglosar el problema establecido en problemas más pequeños (descomposición), probar diferentes enfoques (ideación), elegir los mejores enfoques (validación), rechazar los enfoques no válidos (posiblemente de regresotracKing) y finalmente elegir la mejor respuesta (ejecución/resolución).
Academia Cryptopolitan: ¿Cansado de columpios del mercado? Aprenda cómo DeFi puede ayudarlo a generar ingresos pasivos constantes. Registrarse ahora
