Artículos Relacionados con Tsinghua

El Centro de Noticias de HTX ofrece los artículos más recientes y un análisis profundo sobre "Tsinghua", cubriendo tendencias del mercado, actualizaciones de proyectos, desarrollos tecnológicos y políticas regulatorias en la industria de cripto.

Explosión de fábricas de tokens de IA: Profesores y estudiantes de la Universidad de Tsinghua recaudan 10 mil millones en medio año

¿Quién produce los “recursos básicos” de la era de la IA? Tendium Technology, un equipo formado por profesores y estudiantes de la Universidad de Tsinghua, ha llamado la atención tras recaudar más de 10 mil millones de yuanes en medio año. Fundada a finales de 2023, la empresa se centra en la inferencia de modelos de IA, posicionándose como una “fábrica de tokens de IA de alta calidad”. A diferencia de muchas startups que priorizan el entrenamiento de modelos, Tendium eligió optimizar el proceso de inferencia, donde se genera el valor económico real. Su plataforma ATaaS (Token as a Service) emplea tecnologías patentadas como “colaboración heterogénea de sistema completo” y “cómputo por almacenamiento” para producir tokens de IA de manera estable, eficiente y a bajo costo para clientes empresariales. La demanda de inferencia de IA se está disparando. Los datos oficiales muestran que el uso diario de tokens en China superó los 140 billones en marzo de 2026. Tendium ha experimentado un crecimiento explosivo: sus ingresos de junio de 2026 superaron el total de 2025. La compañía opera bajo dos modelos: producción directa de tokens para grandes clientes y “coproducción”, donde ayuda a socios con recursos de cómputo a construir y operar sus propias fábricas de tokens. Con un equipo técnico de primer nivel respaldado por Tsinghua y una validación comercial rápida, Tendium se perfila como un actor clave en la construcción de la infraestructura esencial para la economía de los tokens de IA.

marsbit07/13 03:46

Explosión de fábricas de tokens de IA: Profesores y estudiantes de la Universidad de Tsinghua recaudan 10 mil millones en medio año

marsbit07/13 03:46

Gu Yuxian, ganador del premio especial de Tsinghua, se une a DeepSeek

Recientemente, DeepSeek ha iniciado una intensa campaña de contratación. En paralelo, se ha observado que **Yuxian Gu**, doctorando de la Universidad de Tsinghua y ganador del Premio Especial para Estudiantes de Posgrado 2025, figura entre los autores del artículo de investigación de DeepSeek V4, lo que confirma su incorporación oficial a la empresa. Gu, quien también ha recibido becas de Apple y Ant Group, es doctorando en el Departamento de Ciencias de la Computación de Tsinghua, bajo la supervisión del profesor Minlie Huang. Su investigación se centra en mejorar la eficiencia a lo largo de todo el ciclo de vida de los grandes modelos de lenguaje (LLM), abarcando tres áreas principales: 1. **Selección de datos para preentrenamiento**: Desarrollo de teorías y algoritmos para optimizar la selección de datos, con trabajos representativos como PDS e Instruction Pre-training. 2. **Destilación de conocimiento en compresión de modelos**: Diseño de métodos para transferir conocimiento de modelos grandes a otros más pequeños y desplegables, siendo MiniLLM su trabajo más destacado. 3. **Arquitecturas de modelos eficientes**: Exploración de nuevos diseños arquitectónicos que reduzcan costes computacionales, como se demuestra en Jet-Nemotron. Con casi 5000 citas en Google Scholar y múltiples publicaciones como primer autor en conferencias de primer nivel (NeurIPS, ICLR, ACL), el trabajo de Gu ha tenido un impacto significativo. Su modelo Jet-Nemotron, por ejemplo, supera en rendimiento a otros modelos de atención completa de vanguardia con un notable aumento de eficiencia. Asimismo, su método de destilación MiniLLM ha sido adoptado por empresas líderes como Google y NVIDIA. Se espera que su incorporación a DeepSeek contribuya al desarrollo de nuevos avances en el campo de la IA.

marsbit07/06 02:10

Gu Yuxian, ganador del premio especial de Tsinghua, se une a DeepSeek

marsbit07/06 02:10

La noticia de que Huang Renxun se incorpora a la Universidad de Tsinghua inunda las redes, pero ¿acaso Musk llegó hace diez años?

Recientemente, se informó que Jensen Huang, fundador de NVIDIA, se unirá al Comité Asesor de la Escuela de Economía y Gestión de la Universidad Tsinghua, marcando su primera participación en una institución asesora de una universidad continental china. El comité, fundado en 2000 bajo el impulso del ex primer ministro Zhu Rongji, es un círculo de élite empresarial global de alto nivel, que actualmente incluye a Tim Cook (presidente), Elon Musk, Satya Nadella, Mark Zuckerberg, así como a líderes financieros y de grandes corporaciones mundiales. A diferencia de Musk, quien se unió en 2015 durante un período de relaciones sino-estadounidenses más relajadas y para llenar un vacío en energía y aeroespacial, la entrada de Huang se pospuso debido a múltiples factores. En 2015, NVIDIA no tenía el estatus estratégico actual en IA. Después de 2018, las tensiones geopolíticas y las sanciones a NVIDIA complicaron el proceso. Recientemente, una vacante en el comité, el ascenso de los chips chinos, y un deshielo en las relaciones sino-estadounidenses tras la visita de Trump a China, crearon las condiciones para su ingreso. Huang tiene un historial de participación en círculos académicos, con siete doctorados honorarios y membresías en comités asesores de Harvard, Stanford y la Universidad de Taiwán. Su incorporación a Tsinghua refleja una década de cambios geopolíticos y de mercado, subrayando la importancia continua del mercado chino para NVIDIA.

marsbit05/29 02:54

La noticia de que Huang Renxun se incorpora a la Universidad de Tsinghua inunda las redes, pero ¿acaso Musk llegó hace diez años?

marsbit05/29 02:54

La predicción de Tsinghua hace 2 años se está convirtiendo en consenso global: Meta y otras tres grandes instituciones de IA han llegado a la misma conclusión

Investigadores chinos de la Universidad de Tsinghua y la empresa FaceWall Intelligence propusieron hace dos años la "Ley de Densidad", que predice que la inteligencia de los modelos de lenguaje (LLM) se duplica cada 3.5 meses, requiriendo la mitad de parámetros para el mismo rendimiento. Recientemente, Meta y METR confirmaron independientemente esta tendencia: Meta demostró que su nuevo modelo Muse Spark necesita menos del 10% de capacidad de entrenamiento para igualar el rendimiento de su modelo anterior de hace un año, mientras que METR observó que la capacidad de los modelos se duplica cada 88.6 días. Tres instituciones, metodologías distintas, misma conclusión. La Ley de Densidad sugiere que los costes de inferencia caen rápidamente, la inteligencia en dispositivos locales será pronto una realidad, y que la estrategia óptima ya no es escalar parámetros sino mejorar la densidad mediante mejores algoritmos y datos. El equipo chino, que ya aplicaba este principio en su serie de modelos MiniCPM, lleva dos años de ventaja. Un raro momento en la ciencia donde una predicción temprana es validada globalmente.

marsbit04/13 12:20