DeepSeek, la sensacional empresa china de inteligencia artificial, afirma tener un margen de beneficio teórico del 545 %

DeepSeek, una startup china de inteligencia artificial, compartió métricas financieras clave el sábado, proporcionando una de las pocas perspectivas sobre la economía de la industria de la inteligencia artificial.

La compañía anunció a través de X que sus modelos V3 y R1 alcanzaron un margen de beneficio teórico del 545% en 24 horas el último día de febrero.

Deepseek aclaró en GitHub que la información compartida no era concluyente. Afirmó que la ganancia real es mucho menor que la que sugiere el margen teórico.

La firma de inteligencia artificial explicó que la diferencia se debe a distintos factores, entre ellos, que solo un pequeño conjunto de sus servicios están monetizados y que ofrece descuentos durante las horas de menor actividad.

Además, las estimaciones de costos no incluyen los enormes costos de I+D y computacionales asociados con el entrenamiento y ajuste de sus modelos de IA patentados. Por lo tanto, si bien los márgenes de beneficio neto parecen muy altos en las cifras que observamos, no reflejan la realidad general de la vida económica de una gran empresa de IA.

Las deliciosas ganancias de DeepSeek son en gran medida teóricas

Si bien los atractivos márgenes de ganancia que sugiere DeepSeek son en su mayoría teóricos, la divulgación de la empresa llega en un momento crucial, en el que los inversores en tecnología examinan la sostenibilidad financiera de las nuevas empresas de IA y sus modelos de negocios.

Los inversores están más centrados que nunca en si las empresas de IA pueden establecer flujos de ingresos sostenibles en medio de altos costos de infraestructura, competencia feroz y regulaciones cambiantes.

La revelación de DeepSeek, con sus advertencias, aviva el debate sobre una pregunta más importante: ¿Pueden las empresas de IA pasar de ser empresas basadas en la investigación a negocios rentables? A medida que el sector madura, estas revelaciones podrían proporcionar información valiosa sobre la economía de la IA a medida que evoluciona y las diversas estrategias de monetización que podrían resultar viables en una industria donde los avances suelen implicar un desembolso financiero significativo.

Sin embargo, las preocupaciones sobre la privacidad y la política podrían atenuar pronto el entusiasmo en torno a DeepSeek. Si el escándalo de TikTok en Estados Unidos sirve de indicio sobre la actitud de los legisladores hacia las aplicaciones chinas, es posible que DeepSeek no tenga mucha presencia en el mercado estadounidense.

Las empresas de IA tienen varias pruebas de modelos de ingresos

Las empresas de IA utilizan múltiples modelos de ingresos para sus pruebas. Desde OpenAI Inc. hasta Anthropic PBC, las empresas de IA se esfuerzan por probar diferentes modelos de ingresos para transformar sus innovaciones en negocios viables.

Estos enfoques incluyen planes de suscripción, precios de pago por uso y licencias para clientes empresariales, que compiten por crear productos de IA cada vez más sofisticados. Sin embargo, el elevado coste de entrenar, implementar y mantener estos modelos de IA a gran escala ha suscitado crecientes inquietudes entre los inversores.

Existen interrogantes sobre la viabilidad de estos modelos de negocios para producir ganancias consistentemente escalables, lo que ha abierto un debate más amplio sobre si las empresas de IA pueden alguna vez obtener ganancias y/o volverse rentables en el corto plazo.

Una estrategia que DeepSeek describió para reducir costos es optimizar la potencia de procesamiento, incluyendo el balanceo de carga. Este enfoque distribuye el tráfico entre servidores y centros de datos para equilibrar el trabajo y evitar cuellos de botella, maximizando así la eficiencia en el uso de recursos.

La compañía también destacó sus innovaciones que permiten que los modelos procesen más datos simultáneamente, una mejora que puede optimizar el rendimiento general del sistema. DeepSeek también destacó su trabajo en la gestión de la latencia, es decir, el tiempo transcurrido entre la consulta del usuario y la respuesta de la IA, lo que garantiza una experiencia de usuario fluida.