Nvidia: chips vetados entrenaron la IA de DeepSeek y Kimi

Un análisis forense pone a las GPUs Blackwell en el centro de la IA china

Los modelos de pesos abiertos más potentes de China no se entrenaron con el hardware que Washington creía. Un análisis forense publicado el 12 de noviembre por Unemployment Labs, el grupo de investigación sin fines de lucro que dirige Will DePue, ex investigador de OpenAI, encontró huellas de GPUs Blackwell de Nvidia —prohibidas para su exportación a China— en seis modelos abiertos de DeepSeek, Moonshot AI, MiniMax y Ant Group.

El hallazgo, reportado por TechCrunch, convierte una sospecha en evidencia técnica. Como recogió Crypto Briefing, en julio el asesor científico de la Casa Blanca Michael Kratsios ya había dicho que Moonshot accedió a GB300 en Tailandia, «probablemente para entrenar sus modelos de IA».

La lista es concreta: DeepSeek-V4-Flash, DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro, MiniMax-M3 y Ling-3.1-flash de Ant Group. Cuatro de ellos coinciden con sistemas GB200 o GB300 Grace Blackwell; los otros dos, con chips B200 o B300.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

¿Cómo se detecta qué chip entrenó a un modelo?

El método no depende de filtraciones ni de denuncias internas: usa solo los pesos que las propias empresas publicaron.

Antes de entrenar, los pesos de un modelo se inicializan con valores generados a partir de una semilla y distribuidos entre hilos de GPU. El reparto depende del número de multiprocesadores (SM) de cada chip: según el detalle técnico recogido por Unite.AI, los H100 SXM, H200 y H800 tienen 132 SM y 270.336 hilos; los B200 y B300, 148 SM y 303.104 hilos; los GB200 y GB300, 152 SM y 311.296 hilos.

DePue buscó más de seis billones de combinaciones de diseño de chip y semilla, y luego validó los resultados en hardware real: un B300 reprodujo bit a bit los pesos iniciales de DeepSeek-V4-Flash, y un GB200 alquilado reprodujo las 13 filas preservadas de Kimi K3. Un H100 no reprodujo ninguna, y un MI300X de AMD tampoco.

La escala que estima el informe es la parte incómoda: Kimi K3 y DeepSeek-V4-Pro habrían usado entre 2.000 y 3.000 GPUs Blackwell cada uno, con clústeres de US$150M a US$200M, y las cinco corridas finales combinadas superarían los US$500M.

El patrón también muestra una progresión. Según Unite.AI, DeepSeek-V3 dio una lectura Hopper en diciembre de 2024 y los dos modelos V4, lectura Blackwell en abril de 2026; Moonshot pasó de Hopper en K2.5 (enero de 2026) a Blackwell en K3 (julio de 2026). No es universal: los modelos más nuevos de Alibaba, Zhipu, Tencent, Xiaomi y StepFun siguen dando lecturas Hopper.

El otro frente: Megaspeed y la salida de Jensen Huang

La misma semana, Jensen Huang dejó la dirección de Nvidia tras admitir su relación con Alice Huang, ejecutiva de Megaspeed, la empresa de centros de datos con sede en Singapur señalada por presunto contrabando de chips de Nvidia a China y bajo investigación de las autoridades de Estados Unidos y Singapur. Alice Huang también ha sido señalada como agente del servicio de inteligencia chino.

Según CBS News, la junta anunció su salida con efecto inmediato y nombró como CEO interina a Colette Kress, hasta ahora directora financiera. The New York Times reportó además que Huang mantuvo una segunda relación con una ejecutiva que reportaba a él, y que Nvidia controla cerca del 90% del mercado de los chips más avanzados para IA.

El contexto de fondo es de escala industrial. Epoch AI, una organización de investigación sin fines de lucro, estima que unos dos millones de chips avanzados entraron a China en 2024 y 2025 mediante esquemas para ocultar su destino final, y que 275.000 aceleradores de IA de Nvidia se importaron a Malasia en ese mismo periodo. En mayo, la firma de investigación de posiciones cortas Culper publicó un informe que sostenía que Nvidia tenía un «problema China» porque buena parte de sus ingresos dependía de demanda china.

Y hay un dato que resume el atasco: según TechCrunch, unos 600.000 chips H200 estarían almacenados en Hong Kong esperando autorización para entrar a China. Crypto Briefing también recogió que The Information reportó, el 12 de noviembre, que empresas vinculadas a Alice Huang invirtieron en DeepSeek y le prometieron chips de Nvidia.

¿Esto prueba que se violaron los controles de exportación?

No. El propio informe es explícito en sus límites: identifica el hardware que generó los pesos iniciales, no todos los chips que después participaron del entrenamiento. No dice dónde estaban los chips, quién era su dueño ni cómo se obtuvieron. Los sistemas Blackwell se pueden alquilar en centros de datos fuera de China, y el informe aclara que sus resultados «no son un hallazgo de que se haya violado ninguna ley».

Esa distinción es la que incomoda a los halcones del control de exportaciones. Sam Bresnick, investigador del Center for Security and Emerging Technology de Georgetown, lo planteó así a TechCrunch: si a Estados Unidos le importa su ventaja tecnológica, no tiene sentido prohibir que las empresas chinas accedan a chips en China continental, Hong Kong o Macao y luego aceptar que basta con moverse a Malasia para hacer lo que quieran.

Qué significa esto para tu startup

1. Audita la cadena de custodia de los modelos que usas. Si tu producto corre sobre modelos de pesos abiertos chinos —vía API o self-hosting—, hoy no tienes forma de saber en qué hardware se entrenaron. Documenta qué modelo usas, con qué licencia y a través de qué proveedor. Si vendes a clientes regulados (gobierno, defensa, banca) en Estados Unidos o Europa, esa trazabilidad va a ser una pregunta de due diligence.

2. No dependas de un solo proveedor de modelos. El patrón que muestra el informe es que la frontera abierta se mueve rápido: DeepSeek pasó de lecturas Hopper en V3 a Blackwell en V4, y Moonshot hizo lo mismo entre K2.5 y K3. Ten un plan B con al menos dos proveedores y una ruta de migración probada, porque un cambio regulatorio puede dejar tu stack sin su modelo principal de un día para otro.

3. Aprovecha la ventaja de costo, pero mide el riesgo. Según Latin Times, la API de DeepSeek V4-Pro se estabilizó en US$0,44 por millón de tokens de entrada, con un costo por token de salida unas 17 veces menor que el de modelos equivalentes de OpenAI. Ese diferencial explica por qué los modelos chinos abiertos pasaron de representar menos del 2% del uso global de IA open source a fines de 2024 a cerca del 30% hacia agosto de 2026, y de 11% a 55% del tráfico de tokens empresariales en la pasarela de desarrolladores de Vercel entre enero y agosto de 2026.

4. Vigila la regulación en ambos lados. El 16 de octubre, los ministerios de Comercio y Ciencia de China publicaron un borrador que sumaría 23 tecnologías de IA a su lista de control de exportaciones, con un período de comentarios que cierra el 15 de noviembre. El borrador incluye una exención para tecnología ya pública, pero si avanza podría cambiar qué modelos puedes descargar y desde dónde.

Conclusión

El informe de Unemployment Labs no prueba contrabando, pero sí algo más incómodo para Washington: que el control de exportaciones se está midiendo contra un mercado donde el cómputo se alquila, se mueve y se esconde. Para un founder, la lección es menos geopolítica y más operativa: la procedencia de tu cómputo y de tus modelos es un riesgo de negocio, no un debate abstracto. Quien tenga trazabilidad y un plan B va a dormir mejor que quien solo miró el precio por token.