El título actual, “DeepSeek pause fundraise after comments on compute gap to US leaked (transcript) [pdf]”, se lee como si se hubiera filtrado que DeepSeek detiene su levantamiento de fondos tras reconocer la brecha de recursos de cómputo con EE. UU.
Pero la mayoría lo entendería como que detiene el levantamiento de fondos porque se filtraron comentarios sobre la brecha de recursos de cómputo, y esa interpretación no es cierta
Algo como “Leaked DeepSeek transcripts reveal plan to pause fundraising due to compute gap” podría ser mejor.
Aun así, tampoco queda claro qué significa aquí brecha de recursos de cómputo ni si eso es la causa de la pausa en el levantamiento de fondos, así que el título parece mezclar cosas distintas
Tras revisar el documento por encima, más bien parece más precisa la segunda interpretación: es decir, detienen la captación de inversión como respuesta a la filtración.
Contiene bastante información confidencial de la empresa y su estrategia futura para enfrentarse a los laboratorios de EE. UU., así que seguramente se enfurecieron mucho por la filtración y parecen estar congelando la inversión como medida punitiva. Si hubieran concluido que tienen menos recursos que sus competidores, no tendría sentido detener el levantamiento de fondos, por lo que la primera interpretación no es lógica
Todos los reportes en chino apuntan a la segunda interpretación. Lo central es que se filtró en línea una conversación privada de Liang Wenfeng con inversionistas y eso lo enfureció.
Ej.: https://x.com/_FORAB/status/2081034500101017616?s=20
Un artículo que aporta algo más de contexto es https://www.cyberkendra.com/2026/07/deepseek-pauses-fundrais....
Según Bloomberg, unos días después de que se difundieran en línea los comentarios de Liang Wenfeng sobre la competencia de IA entre EE. UU. y China, DeepSeek informó a potenciales inversionistas de su segunda ronda de inversión que la operación quedaba suspendida. Los 118 puntos publicados por un medio tecnológico afiliado a Tencent incluían estrategia de AGI, suministro de chips, precios y retención de talento, y Liang definió la debilidad de China no como un problema de talento, sino como una cuestión aritmética de recursos.
En particular, para entrenar modelos de punta necesitaban 200 mil chips Huawei 950, pero solo recibieron 16 mil, y esperaban que la falta de capacidad de producción de Huawei continuara al menos tres años. También planteó formas de reducir la brecha a entre 3 y 6 meses usando muchos menos recursos de cómputo que los laboratorios estadounidenses
Me pregunto si también sería viable una estrategia en la que China amplíe masivamente fábricas de semiconductores lógicos menos sofisticados. GPGPU e IA parecen depender mucho más del ancho de banda de memoria que los gráficos, y ser menos intensivos en cómputo.
Se dice mucho que reducir la depreciación para extender la vida útil de las GPU es una “trampa financiera”, pero quizá su vida útil real sea larga porque el aumento de ancho de banda en las GPU nuevas no es tan grande. El hecho de que las acciones de las empresas de memoria se hayan disparado mientras NVIDIA se estancó también refleja esto. Como la brecha de China con EE. UU. es menor en fabricación de memoria de última generación, es posible que su desventaja esté exagerada
Esto aumenta la probabilidad de que continúen la mejora de modelos pequeños y su apertura como open source.
Existe la ilusión de que el enfoque de las empresas estadounidenses de IA es el mejor, pero los modelos de frontera son enormes y podría haber cientos de oportunidades para mejorar la velocidad. Si se impulsa la publicación de pesos abiertos, esas ineficiencias pueden seguir reduciéndose
Si los modelos chinos de pesos abiertos están alcanzando a los de EE. UU. y logran rendimiento de frontera por una fracción del costo, cabe preguntarse si al final los modelos de IA se volverán un commodity de uso general y si las inversiones de miles de millones o billones de dólares de los laboratorios estadounidenses solo producirán rendimientos decrecientes, con una ventaja que quizá ni siquiera sea duradera.
Si es así, tampoco entiendo por qué DeepSeek toma el mismo camino, ni si realmente importa estar en la frontera absoluta aunque la brecha de rendimiento sea temporal y el costo enorme.
Los responsables de políticas en EE. UU. creen que, aunque la brecha sea de apenas 6 meses a 1 año, quien llegue primero a la AGI puede obtener una ventaja capaz de neutralizar de facto a sus adversarios. Se intuye lo que quieren decir cuando mencionan guerra cibernética y armas de destrucción masiva. En cambio, Jensen Huang ve la IA como un maratón.
DeepSeek recibe financiamiento del hedge fund High-Flyer y, de forma deliberada, limita el precio de los tokens a un nivel que solo recupera los costos de servidores.
En la transcripción lo describen como una responsabilidad moral y dicen que no les interesa la fiebre por la generación de imágenes y video ni por los modelos de mundo, sino que se concentran solo en inferencia, procesos de razonamiento y aprendizaje continuo.
El artículo trata esta parte con franqueza y afirma que DeepSeek no espera ni apunta a convertirse en una empresa de primer nivel.
No busca dominar el mundo, sino seguir aportando su parte al avance de los grandes modelos de lenguaje, y la comercialización es solo una meta lejana. Considerando que ya tienen un servicio en operación, aquí comercialización parece referirse a generar ganancias considerables. Con esa actitud, también se entiende que cancelen el financiamiento en respuesta a la filtración.
Por sus comentarios en la reunión con inversionistas, Liang parece estar convencido de la AGI y apostarlo todo. Cree que al llegar a la AGI el tablero cambiará por completo, pero como el impacto sobre los mercados laboral y de consumo será grande, el efecto económico real es difícil de predecir.
Reconoce que todavía falta mucho camino y que habrá que recuperar costos en el proceso, pero considera que enfocarse en ingresos de corto plazo reduce la probabilidad de éxito en AGI y que eso es insignificante frente al valor que traerá la AGI. Insiste en la moderación como cultura organizacional y sigue invirtiendo en IA porque cree en un avance decisivo, no en simples mejoras de rendimiento.
Hay mucha propaganda de empresas con apoyo estatal chino, por lo que la afirmación de que se desarrolló por una fracción del costo es polémica. Hay indicios de contrabando a gran escala de GPU a través de terceros países como Singapur, pero China no puede reconocerlo públicamente.
Si se trató de destilación, sería mucho más barato que entrenar desde cero, y los costos laborales en China también son menores que en EE. UU. Anthropic afirmó que Alibaba interactuó con Claude 28,8 millones de veces entre abril y junio de 2026 mediante unas 25 mil cuentas fraudulentas, aunque es posible que parte o la totalidad haya sido automatizada con agentes.
Estos documentos son especialmente valiosos para entender la forma de pensar dentro de DeepSeek. Es interesante la parte en la que dicen que fijarán el precio de la inferencia solo a un nivel que permita recuperar el gasto de capital en 10 meses, y que no cobrarán más que eso.
Las motivaciones de Liang Wenfeng son claramente distintas de las de los emprendedores a los que estamos acostumbrados en Occidente.
Esta transcripción se lee de forma muy distinta a las declaraciones de los ejecutivos megalómanos que lideran Anthropic u OpenAI.
Me pregunto si también leyeron las transcripciones de las reuniones con inversionistas de Anthropic y OpenAI. Para ver cómo se redactan los documentos oficiales de una empresa, hay que leer una declaración de registro para IPO; si no tienen ese documento a la mano, pueden consultar la sección “CAUTIONARY STATEMENT REGARDING FORWARD-LOOKING STATEMENTS” del documento de SpaceX. https://www.sec.gov/Archives/edgar/data/1181412/000162828026...
No entiendo por qué siguen metiendo a OpenAI y Anthropic en el mismo saco. OpenAI también puede considerarse malvada, pero Anthropic es muchísimo peor y ni siquiera está al mismo nivel de comparación.
En la carta reciente sobre pesos abiertos y open source, firmaron OpenAI y otras grandes tecnológicas, pero Anthropic fue la única que no lo hizo, y sus empleados están recibiendo fuertes críticas en X por declaraciones como https://x.com/Mononofu/status/2080937562739531837. Parecen creer que todos salvo ellos son tontos, fáciles de manipular y no aptos para encargarse de la IA, y que solo ellos deberían tener el control. Se ha formado una cultura casi de culto, donde los empleados sostienen ideológicamente a ejecutivos que buscan poder y riqueza, y solo el gasto político declarado ya subió de 20 millones de dólares a 40 millones de dólares.
El objetivo central es la AGI, y su premisa es el aprendizaje continuo. Todos están buscando cómo implementarlo y, por ahora, la vía basada en ejecución de agentes parece la más prometedora.
Yo también estoy trabajando en el mismo problema en https://github.com/rush86999/atom
El punto central de las declaraciones parece ser, en realidad, la falta de recursos necesarios para comprar NVIDIA H200. Liang afirmó que, si este año pudieran gastar 2.000 millones de dólares, el departamento de compras habría logrado un desempeño sobresaliente, y que la principal brecha con EE. UU. no es el talento sino los recursos; además, hoy no pueden costear el entrenamiento de los modelos más grandes.
Trump inició en su primer mandato una guerra comercial enfocada en frenar el desarrollo de la industria china de semiconductores, y China respondió con un rápido crecimiento en industrias avanzadas como vehículos eléctricos, LiDAR y energía solar. En su segundo mandato bloqueó la venta de chips de NVIDIA a China, pero retrocedió cuando la industria china de semiconductores mostró avances sorprendentes; luego China, para apoyar a su propia industria, llegó a prohibir que empresas nacionales compraran NVIDIA. Aunque aún faltan años para llegar a EUV, actualmente produce por cuenta propia la mayoría de los chips en procesos superiores a 14 nm y está creciendo rápidamente.
Es interesante que China ahora esté bloqueando chips extranjeros. No es un indicador decisivo, pero si llega al punto de considerar que que un competidor use recursos estadounidenses en realidad ayuda a EE. UU., no es una buena señal para el dominio de EE. UU.
Me pregunto cuál es el factor fundamental que limita la capacidad de producción de Huawei. China ha demostrado su capacidad para escalar cuando lo necesita, así que si el problema fuera simplemente construir más instalaciones con tecnología que ya conoce, ya lo habría ampliado hace tiempo.
El rendimiento es muy bajo en los chips de alto desempeño que pueden usarse para entrenamiento, y tampoco están pudiendo conseguir más equipos ASML antiguos necesarios para aumentar la producción aun aceptando ese bajo rendimiento.
Podrían pasar todavía varios años, incluso hasta una década, antes de que cuenten con la base tecnológica para producir de forma económica sus propios chips de alto desempeño.
Para que los chips de Huawei sigan siendo competitivos, necesitan empaquetado 3D avanzado, pero el proceso es tan complejo que el rendimiento sigue siendo bajo. Hay mucha demanda no solo de DeepSeek, sino también de varias otras partes, y la propia Huawei también es un consumidor importante.
1 comentarios
Opiniones de Hacker News
El título actual, “DeepSeek pause fundraise after comments on compute gap to US leaked (transcript) [pdf]”, se lee como si se hubiera filtrado que DeepSeek detiene su levantamiento de fondos tras reconocer la brecha de recursos de cómputo con EE. UU.
Pero la mayoría lo entendería como que detiene el levantamiento de fondos porque se filtraron comentarios sobre la brecha de recursos de cómputo, y esa interpretación no es cierta
Aun así, tampoco queda claro qué significa aquí brecha de recursos de cómputo ni si eso es la causa de la pausa en el levantamiento de fondos, así que el título parece mezclar cosas distintas
Contiene bastante información confidencial de la empresa y su estrategia futura para enfrentarse a los laboratorios de EE. UU., así que seguramente se enfurecieron mucho por la filtración y parecen estar congelando la inversión como medida punitiva. Si hubieran concluido que tienen menos recursos que sus competidores, no tendría sentido detener el levantamiento de fondos, por lo que la primera interpretación no es lógica
Ej.: https://x.com/_FORAB/status/2081034500101017616?s=20
https://www.bloomberg.com/news/articles/2026-07-25/deepseek-...
Una copia prácticamente idéntica con menos paywall puede verse en https://fortune.com/2026/07/25/deepseek-liang-wenfeng-backer... y https://archive.ph/zpIrG
Un artículo que aporta algo más de contexto es https://www.cyberkendra.com/2026/07/deepseek-pauses-fundrais....
Según Bloomberg, unos días después de que se difundieran en línea los comentarios de Liang Wenfeng sobre la competencia de IA entre EE. UU. y China, DeepSeek informó a potenciales inversionistas de su segunda ronda de inversión que la operación quedaba suspendida. Los 118 puntos publicados por un medio tecnológico afiliado a Tencent incluían estrategia de AGI, suministro de chips, precios y retención de talento, y Liang definió la debilidad de China no como un problema de talento, sino como una cuestión aritmética de recursos.
En particular, para entrenar modelos de punta necesitaban 200 mil chips Huawei 950, pero solo recibieron 16 mil, y esperaban que la falta de capacidad de producción de Huawei continuara al menos tres años. También planteó formas de reducir la brecha a entre 3 y 6 meses usando muchos menos recursos de cómputo que los laboratorios estadounidenses
Se dice mucho que reducir la depreciación para extender la vida útil de las GPU es una “trampa financiera”, pero quizá su vida útil real sea larga porque el aumento de ancho de banda en las GPU nuevas no es tan grande. El hecho de que las acciones de las empresas de memoria se hayan disparado mientras NVIDIA se estancó también refleja esto. Como la brecha de China con EE. UU. es menor en fabricación de memoria de última generación, es posible que su desventaja esté exagerada
Existe la ilusión de que el enfoque de las empresas estadounidenses de IA es el mejor, pero los modelos de frontera son enormes y podría haber cientos de oportunidades para mejorar la velocidad. Si se impulsa la publicación de pesos abiertos, esas ineficiencias pueden seguir reduciéndose
Si los modelos chinos de pesos abiertos están alcanzando a los de EE. UU. y logran rendimiento de frontera por una fracción del costo, cabe preguntarse si al final los modelos de IA se volverán un commodity de uso general y si las inversiones de miles de millones o billones de dólares de los laboratorios estadounidenses solo producirán rendimientos decrecientes, con una ventaja que quizá ni siquiera sea duradera.
Si es así, tampoco entiendo por qué DeepSeek toma el mismo camino, ni si realmente importa estar en la frontera absoluta aunque la brecha de rendimiento sea temporal y el costo enorme.
En la transcripción lo describen como una responsabilidad moral y dicen que no les interesa la fiebre por la generación de imágenes y video ni por los modelos de mundo, sino que se concentran solo en inferencia, procesos de razonamiento y aprendizaje continuo.
No busca dominar el mundo, sino seguir aportando su parte al avance de los grandes modelos de lenguaje, y la comercialización es solo una meta lejana. Considerando que ya tienen un servicio en operación, aquí comercialización parece referirse a generar ganancias considerables. Con esa actitud, también se entiende que cancelen el financiamiento en respuesta a la filtración.
Reconoce que todavía falta mucho camino y que habrá que recuperar costos en el proceso, pero considera que enfocarse en ingresos de corto plazo reduce la probabilidad de éxito en AGI y que eso es insignificante frente al valor que traerá la AGI. Insiste en la moderación como cultura organizacional y sigue invirtiendo en IA porque cree en un avance decisivo, no en simples mejoras de rendimiento.
Si se trató de destilación, sería mucho más barato que entrenar desde cero, y los costos laborales en China también son menores que en EE. UU. Anthropic afirmó que Alibaba interactuó con Claude 28,8 millones de veces entre abril y junio de 2026 mediante unas 25 mil cuentas fraudulentas, aunque es posible que parte o la totalidad haya sido automatizada con agentes.
El repositorio recibió un force push y los enlaces anteriores se rompieron, pero el archivo todavía puede verse en https://github.com/demo-zexuan/liang-wenfeng-investor-meetin...
Las motivaciones de Liang Wenfeng son claramente distintas de las de los emprendedores a los que estamos acostumbrados en Occidente.
Esta transcripción se lee de forma muy distinta a las declaraciones de los ejecutivos megalómanos que lideran Anthropic u OpenAI.
https://www.sec.gov/Archives/edgar/data/1181412/000162828026...
En la carta reciente sobre pesos abiertos y open source, firmaron OpenAI y otras grandes tecnológicas, pero Anthropic fue la única que no lo hizo, y sus empleados están recibiendo fuertes críticas en X por declaraciones como https://x.com/Mononofu/status/2080937562739531837. Parecen creer que todos salvo ellos son tontos, fáciles de manipular y no aptos para encargarse de la IA, y que solo ellos deberían tener el control. Se ha formado una cultura casi de culto, donde los empleados sostienen ideológicamente a ejecutivos que buscan poder y riqueza, y solo el gasto político declarado ya subió de 20 millones de dólares a 40 millones de dólares.
El objetivo central es la AGI, y su premisa es el aprendizaje continuo. Todos están buscando cómo implementarlo y, por ahora, la vía basada en ejecución de agentes parece la más prometedora.
Yo también estoy trabajando en el mismo problema en https://github.com/rush86999/atom
Parece que el documento volvió a ser eliminado, pero las declaraciones de Liang también pueden verse en otros lugares.
[1] https://aiproem.substack.com/p/must-read-deepseek-liang-wenf...
El punto central de las declaraciones parece ser, en realidad, la falta de recursos necesarios para comprar NVIDIA H200. Liang afirmó que, si este año pudieran gastar 2.000 millones de dólares, el departamento de compras habría logrado un desempeño sobresaliente, y que la principal brecha con EE. UU. no es el talento sino los recursos; además, hoy no pueden costear el entrenamiento de los modelos más grandes.
Trump inició en su primer mandato una guerra comercial enfocada en frenar el desarrollo de la industria china de semiconductores, y China respondió con un rápido crecimiento en industrias avanzadas como vehículos eléctricos, LiDAR y energía solar. En su segundo mandato bloqueó la venta de chips de NVIDIA a China, pero retrocedió cuando la industria china de semiconductores mostró avances sorprendentes; luego China, para apoyar a su propia industria, llegó a prohibir que empresas nacionales compraran NVIDIA. Aunque aún faltan años para llegar a EUV, actualmente produce por cuenta propia la mayoría de los chips en procesos superiores a 14 nm y está creciendo rápidamente.
Me pregunto cuál es el factor fundamental que limita la capacidad de producción de Huawei. China ha demostrado su capacidad para escalar cuando lo necesita, así que si el problema fuera simplemente construir más instalaciones con tecnología que ya conoce, ya lo habría ampliado hace tiempo.
Podrían pasar todavía varios años, incluso hasta una década, antes de que cuenten con la base tecnológica para producir de forma económica sus propios chips de alto desempeño.