El segundo shock de DeepSeek se acerca a Nvidia

El modelo discreto que sacudió Silicon Valley

El 20 de enero de 2025, DeepSeek lanzó su modelo de lenguaje R1. No hubo conferencia de prensa. Ninguna keynote. Ninguna presentación para inversionistas. La compañía simplemente subió su código a GitHub y publicó un artículo durante el Año Nuevo chino, cuando la mayor parte de Silicon Valley estaba desconectada. En 72 horas, las acciones de Nvidia cayeron un 17%, borrando aproximadamente $400 mil millones en valor de mercado. Los medios estadounidenses lo bautizaron como el “Shock DeepSeek”. Por primera vez, la suposición de que el dominio estadounidense de la IA era intocable se había resquebrajado.

Eso fue hace dieciocho meses. Lo que ocurrió después ha sido mucho más decisivo que una sola caída bursátil, y aún se está desarrollando en tiempo real.

La guerra de precios open source

El verdadero campo de batalla no son los datos de entrenamiento ni los clústeres de GPUs. Es el precio. DeepSeek V4 Flash cobra $0.14 por millón de tokens de entrada. GPT-5.5 de OpenAI cobra $5.00 por el mismo volumen. Eso es una diferencia de 35 veces. Las matemáticas son brutales para cualquier compañía que ejecute inferencia a escala.

El Índice OpenRouter, que rastrea qué modelos eligen realmente los desarrolladores, hace visible el cambio. En septiembre de 2025, DeepSeek ocupó el número uno en uso de tokens LLM, reclamando tres de los diez primeros puestos. Para septiembre de 2026, al menos siete de los diez primeros modelos pertenecían a empresas chinas, con otro más sospechosamente chino. OpenAI y Anthropic han sido desplazados de sus posiciones esperadas.

Esta no es solo una historia del mercado chino. OpenRouter es un mercado global de API por mayoreo que sirve a más de 400 modelos de más de 60 proveedores. Cuando los modelos chinos dominan sus rankings, están ganándose la atención de desarrolladores en todo el mundo. Fintechs europeas, startups del sudeste asiático y equipos de desarrollo latinoamericanos están ruteando sus cargas de trabajo a través de infraestructura con sede en Pekín y Hangzhou en lugar de Palo Alto.

Alto cuota de mercado no significa alta calidad

Vale la pena señalar que clasificar por volumen de tokens no equivale a supremacía tecnológica. Los desarrolladores suelen elegir modelos por precio, latencia y disponibilidad, no por capacidad pura. Un modelo que cuesta centavos y funciona “lo suficientemente bien” acumulará uso más rápido que un modelo superior que cuesta dólares por token. Los números de OpenRouter reflejan adopción, no necesariamente rendimiento de vanguardia.

Pero la dirección del cambio es inconfundible. Los laboratorios chinos de IA han transformado la distribución open source en un arma. Lanzan modelos, publican código y dejan que el ecosistema global de desarrolladores adopte e itere sobre su trabajo. Esta es una estrategia fundamentalmente diferente al juego de API cerrada que define a OpenAI y Google. Acelera la adopción, construye lealtad entre desarrolladores independientes y crea un círculo virtuoso que los modelos propietarios luchan por contrarrestar.

Los efectos de segundo orden ya están en marcha

Más allá de los rankings principales, cambios estructurales más profundos están en curso. Los principales proveedores de nube, particularmente Oracle Cloud Infrastructure y Tencent Cloud, han comenzado a rutear las llamadas de la API de OpenRouter a través de centros de datos chinos para reducir la latencia para usuarios internacionales. Esto convierte efectivamente la infraestructura de modelos chinos en una capa predeterminada del internet global, una forma de exportación de infraestructura digital que genera influencia muy más allá de los ingresos.

Los equipos de adquisiciones empresariales están comenzando a hacer preguntas incómodas. ¿Por qué pagar tarifas premium por GPT-5.5 cuando una variante DeepSeek logra el 94% de la puntuación en benchmarks al 3% del costo? La respuesta solía ser confiabilidad, contratos de soporte y garantías de cumplimiento. Pero los modelos chinos ahora ofrecen certificaciones SOC 2, niveles empresariales dedicados y SLAs que rivalizan, o superan, a las alternativas estadounidenses. La narrativa de diferenciación se debilita trimestre tras trimestre.

Los capitalistas de riesgo que vendieron “fosos de IA cerrada” como tesis invertibles están revisando en silencio sus portafolios. Dos startups de etapa media que construyeron exclusivamente sobre APIs de OpenAI anunciaron estrategias de pivote a principios de 2026, pasando a arquitecturas open source que les dan propiedad sobre su pila y costos unitarios drásticamente menores. Sus inversionistas absorbieron el golpe, pero ahora apuestan por la velocidad de modelos sobre el bloqueo de plataforma.

Por qué esto importa para Nvidia

El primer shock DeepSeek golpeó a Nvidia porque los inversionistas temían que los modelos chinos baratos y eficientes reducirían la demanda de los chips de IA más costosos. El cálculo era sencillo: si un modelo de nivel R1 puede entrenarse con muchas menos GPUs que un modelo estadounidense equivalente, ¿por qué comprar tantos H100?

El segundo shock llegará de manera diferente. No se tratará sobre eficiencia de entrenamiento. Se tratará sobre velocidad de inferencia.

A medida que los modelos chinos open source sigan liberando iteraciones más rápidas, con V4 ya dominando los rankings apenas meses después de R1, cada nuevo lanzamiento comprime la brecha con los sistemas propietarios estadounidenses. Cuanto más capaces se vuelven las alternativas abiertas, menos razón tienen las empresas para pagar precios premium por APIs cerradas. Eso socava la narrativa de monetización que sostiene la valuación actual de Nvidia, la cual presupone crecimiento continuo en gasto tanto en infraestructura de entrenamiento como de inferencia.

El foso de Nvidia no es solo hardware. Es el bloqueo del ecosistema alrededor de los modelos estadounidenses que consumen la mayor cantidad de computación. La estrategia de DeepSeek evita ese bloqueo por completo al darles a los desarrolladores lo que realmente quieren: modelos más baratos que pueden ejecutar, ajustar finamente y desplegar bajo sus propios términos. Cuando tu foso entero depende de que los clientes compren tus chips para ejecutar los modelos de otro, y esos modelos ahora son open source y están disponibles gratis, el foso se evapora.

La economía de la inferencia se está reescribiendo

La dimensión más infravalorada de este cambio es la propia economía de la inferencia. El entrenamiento recibe toda la atención, pero la inferencia es donde viven los costos recurrentes. Una compañía que ejecuta 10 millones de llamadas de API mensuales a través de OpenAI gasta aproximadamente $50,000 mensuales. La misma carga de trabajo a través de un endpoint de DeepSeek cuesta aproximadamente $1,400. En un año, esa es una diferencia de medio millón de dólares, dinero que se queda en las arcas de la empresa en lugar de fluir a los proveedores de nube estadounidenses.

Este no es un cálculo marginal. El gasto en inferencia a través del ecosistema global de IA ahora supera al gasto de entrenamiento en una proporción de aproximadamente 4:1. Si los modelos chinos open source continúan capturando incluso partes modestas de ese presupuesto de inferencia, el impacto en los ingresos para las empresas cercanas a Nvidia se compondrá exponencialmente.

Quién gana, quién pierde

Los desarrolladores ganan. Las empresas más pequeñas y los constructores independientes ganan. Los investigadores open source ganan. La barrera para ejecutar IA competitiva nunca ha sido tan baja.

Nvidia pierde presión sobre sus márgenes. Los creadores de modelos propietarios estadounidenses pierden poder de fijación de precios. Las firmas de capital de riesgo que apostaron por fosos de IA cerrada enfrentan un camino más difícil hacia retornos. Los laboratorios chinos de IA ganan influencia sobre la pila global de desarrollo, una forma de poder blando que se extiende mucho más allá de los ingresos.

También existe una dimensión geopolítica que Wall Street aún subestima. El control sobre los modelos que alimentan las aplicaciones de IA del mundo se traduce en control sobre los estándares, los conjuntos de datos y los marcos de evaluación que definen la industria. La UE ya está debatiendo si exigir divulgaciones de transparencia para modelos alojados fuera de jurisdicciones occidentales. Esta respuesta regulatoria podría ya sea validar el enfoque open source chino como una alternativa de infraestructura legítima o desencadenar una fragmentación que ralentice la adopción. Ambos escenarios reconfiguran el mercado direccionable de Nvidia de maneras diferentes.

Qué sigue

La carrera ya no se trata de quién puede construir el modelo más inteligente de forma aislada. Se trata de quién puede enviar modelos útiles más rápido, al menor costo, a la audiencia más amplia. DeepSeek demostró que un pequeño equipo chino operando bajo diferentes estructuras de costo puede competir directamente con los laboratorios mejor financiados de Estados Unidos.

Los datos de OpenRouter sugieren que la tendencia se acelerará, no se estancará. Los laboratorios chinos ahora están lanzando actualizaciones importantes de modelos cada dos o tres meses, cada uno cerrando brechas de capacidades mientras mantienen ventajas de costo. El círculo virtuoso está girando. Cada nuevo lanzamiento open source hace que los modelos propietarios se vean menos como una necesidad y más como un impuesto de lujo.

Si la trayectoria se mantiene, espera otra corrección de Nvidia dentro de los próximos doce a dieciocho meses. No porque los chips sean peores, sino porque el caso económico para desplegarlos a escalas actuales se está debilitando. El segundo shock DeepSeek no llegará con un bajada en GitHub durante unas vacaciones. Llegará como una silenciosa toma de conciencia a través de Wall Street: la revolución del modelo open source ha cambiado las reglas del juego por completo, y las viejas suposiciones sobre quién se beneficia de la IA ya no son sostenibles.