TL;DR:
- La transcripción de una reunión de casi cuatro horas con inversionistas de DeepSeek circuló públicamente el 23 de julio de 2026. Ni la empresa ni su fundador han confirmado que sea auténtica.
- DeepSeek trabaja con unas 20,000 tarjetas equivalentes a la serie H de NVIDIA y calcula que va entre 12 y 18 meses detrás de los laboratorios estadounidenses usando cerca de una vigésima parte de su cómputo.
- Liang Wenfeng sostiene que el foso de CUDA se está desmoronando, aunque sus propias cifras admiten que hacen falta cuatro tarjetas de Huawei para igualar una de NVIDIA.
Una transcripción de casi cuatro horas atribuida a Liang Wenfeng, fundador y CEO de DeepSeek, se hizo pública el 23 de julio de 2026 y dejó a la vista cómo piensa la empresa de inteligencia artificial más observada de China. El encuentro fue con los inversionistas de su primera ronda de financiamiento externo y ocurrió el 21 de mayo, según Fred Gao, que publicó la transcripción completa en su newsletter Inside China. La tesis de Liang cabe en una frase: entre China y Estados Unidos no hay una brecha de talento ni de algoritmos, hay una brecha de cómputo.
"La mayor brecha entre nosotros y Estados Unidos está en los recursos."
La cita viene de las minutas de esa reunión, revisadas por el medio financiero chino Yicai. Todo lo demás, dice Liang ahí mismo, se deriva de ese punto: las diferencias en talento, en capacidad de los modelos y en aplicaciones se explican por la diferencia en potencia de cómputo.
20,000 tarjetas contra un capex de 200,000 millones de dólares
Las cifras de la transcripción son las que le dan peso al argumento, y también las que lo matizan:
- DeepSeek opera con unas 20,000 tarjetas equivalentes a la serie H de NVIDIA, y la mayoría llegó en los dos meses previos a la reunión.
- El modelo más grande del mercado ronda los 800,000 millones de parámetros activos. Los mejores modelos chinos siguen en decenas de miles de millones, un orden de magnitud abajo.
- Entrenar algo de ese tamaño exigiría unas 50,000 GB300 de NVIDIA o 200,000 tarjetas Huawei 950, y eso solo para el entrenamiento, sin contar la investigación previa.
- Aun gastando toda la ronda nueva en cómputo, la empresa no alcanzaría a entrenar un modelo así.
Esa ronda no fue pequeña. DeepSeek cerró a finales de mayo su primer financiamiento externo por más de 50,000 millones de yuanes (unos 7,400 millones de dólares), sobre una valuación pre-money cercana a los 367,500 millones de yuanes (unos 54,300 millones de dólares), reportó Yicai. Entraron Tencent, CATL, NetEase, JD.com, IDG Capital y el fondo estatal chino de inversión en industria de IA. Liang puso 20,000 millones de yuanes de su propio bolsillo, la aportación individual más grande de la ronda.
Ahora pongamos ese número junto al del otro lado del tablero. Amazon guió cerca de 200,000 millones de dólares de capex para 2026, cifra que Andy Jassy dio el 5 de febrero de 2026 en la llamada de resultados del cuarto trimestre. Alphabet apuntó entre 175,000 y 185,000 millones para el mismo año, y Meta entre 115,000 y 135,000 millones, según CNBC. Dicho de otro modo: la ronda completa de DeepSeek equivale a menos de dos semanas del gasto anual de una sola empresa estadounidense.
La lectura de Liang no es derrotista, aun así. Según las minutas, DeepSeek calcula que va entre 12 y 18 meses detrás de los laboratorios estadounidenses de punta, pero llegando a resultados comparables con cerca de una vigésima parte del cómputo. La meta declarada es recortar ese retraso a un rango de tres a seis meses.
El foso de CUDA, según DeepSeek, ya tiene grietas
Aquí está la afirmación que más va a doler en Santa Clara.
"El foso de CUDA de NVIDIA se está desintegrando rápidamente."
Liang da dos razones. La primera es que ahora la IA escribe código, así que levantar un ecosistema equivalente al de NVIDIA dejó de ser un proyecto de una década. La segunda es TileLang, el lenguaje de alto nivel que la propia DeepSeek desarrolló para escribir operadores sin colgarse del stack de CUDA. En la transcripción, Liang cuenta que V3 se entrenó con tarjetas NVIDIA pero prácticamente sin el software de NVIDIA, y que la pérdida de eficiencia a nivel de ejecución le parece asumible: entre 1% y 2%, según las minutas revisadas por Yicai.
Hay un tercer argumento, más estructural. CUDA nació pegado a las tarjetas gráficas de videojuegos, y hoy el mercado de tarjetas de cómputo ya es más grande que el de gaming. Para Liang, ese acoplamiento perdió sentido, y los chips dedicados van a romperlo.
La letra chica la pone él mismo:
- Cuatro tarjetas de Huawei equivalen a una de NVIDIA, y el hardware chino va unos dos años atrás.
- Huawei le asigna a DeepSeek alrededor de 16,000 tarjetas 950, que en potencia equivalen a unas 4,000 de la serie B de NVIDIA. Alcanza para la generación actual de modelos, no para la siguiente.
- El cuello de botella real ya no es el software, es la capacidad de producción de Huawei.
Liang espera que la duda sobre el ecosistema quede desmentida con hechos dentro de un año. La de capacidad le parece cosa de varios años, aunque duda que en cinco sigan atorados ahí.
Diez meses para recuperar el hardware: el precio como estrategia
La parte comercial de la charla explica algo que muchos desarrolladores hispanohablantes ya notaron en su factura mensual. DeepSeek fija el precio de su API para recuperar el costo del equipo en unos diez meses, lo que según la transcripción equivale más o menos a un margen de seis veces. Liang lo dice sin adornos: a ese precio la demanda es inelástica, así que cobrar el doble le daría casi el doble de ingreso.
Elige no hacerlo. La palabra que repite toda la conversación es contención, y la presenta como cálculo comercial, no como virtud. Su argumento: quien se proponga quedarse con el 5% del PIB que genere la IA será derrotado por quien se conforme con el 1%, y ese a su vez por quien se conforme con el 0.1%.
De ahí salen las decisiones que más le importan a quien construye software en español:
- DeepSeek planea abrir el código incluso de su modelo más fuerte, y publicar exactamente el mismo modelo que usa de puertas adentro.
- No va a perseguir generación de video, 3D ni world models, porque no los considera parte del camino a la AGI, aunque reconoce que comercialmente son buen negocio.
- La hoja de ruta interna va de cadena de pensamiento a agentes, después aprendizaje continuo, luego una etapa de auto-iteración y al final inteligencia encarnada.
- Entre los agentes, la prioridad es el de programación, porque acelera el propio trabajo de investigación de la empresa.
Para un equipo en Guadalajara, Bogotá o Madrid eso se traduce en algo concreto: el modelo más capaz de DeepSeek seguiría siendo descargable, y el precio de la API seguiría anclado a un margen deliberadamente bajo.
"Nuestro mayor interés central es mantener la estabilidad del equipo."
Es la única línea roja que Liang admite en toda la conversación. Ni participación de mercado, ni ingresos, ni usuarios. El resto, asegura, se compra o se recupera.
Dos detalles de la transcripción rompen el estereotipo del laboratorio chino de IA. Uno: la mitad de los investigadores más importantes de la empresa está etiquetando datos a mano, porque anotar datos de alta calidad en China no sale más barato que en Estados Unidos. Otro: DeepSeek no maneja KPIs, y Liang procura que el trabajo asignado no ocupe más de la mitad del tiempo de sus empleados. La otra mitad es exploración libre. Casi no se trabaja tiempo extra, dice, porque la investigación necesita un ambiente relajado y porque su lista de pendientes es corta por diseño.
Lo que la transcripción no puede probar
Nada de esto tiene sello oficial. DeepSeek no ha validado el documento y Liang tampoco. El propio texto advierte que salió de un reconocimiento automático de voz, ordenado después con ayuda de IA, y que nombres propios y números pueden traer errores de transcripción.
Hay un detalle que ilustra bien cómo llegó esto a internet: en la misma grabación se escucha a un organizador pidiéndoles a los inversionistas que no difundan cifras, en particular las cantidades de tarjetas. Ese pedido no se cumplió.
Preguntas rápidas sobre la charla filtrada de DeepSeek
¿Es auténtica la charla filtrada de Liang Wenfeng?
No está confirmada. La transcripción circuló el 23 de julio de 2026 y corresponde a una reunión con inversionistas del 21 de mayo, según Fred Gao. Yicai, que revisó las minutas, señala que ni DeepSeek ni Liang Wenfeng han validado su autenticidad.
¿Cuántas GPU tiene DeepSeek?
Alrededor de 20,000 tarjetas equivalentes a la serie H de NVIDIA, la mayoría recibidas en los dos meses previos a la reunión de mayo de 2026, según las minutas citadas por Yicai. A eso se suman unas 16,000 tarjetas Huawei 950, que en potencia equivalen a unas 4,000 de la serie B.
¿DeepSeek va a seguir siendo de código abierto?
Según la transcripción, sí. Liang afirma que la empresa liberará incluso su modelo más potente y que publicará el mismo modelo que utiliza internamente, sin versiones recortadas. Su argumento es que con un margen de seis veces, el código abierto no le quita ingresos.
Si las cifras resultan correctas, obligan a releer la carrera de la IA: la ventaja estadounidense estaría comprada con capex más que ganada con talento, y duraría lo que duren los controles de exportación que la sostienen. Mientras eso se resuelve, el efecto práctico ya se siente en la factura, y quien programa en español lleva más de un año pagando sus tokens al precio que fija esa contención.
