China quiere chips para entrenar sus modelos de IA y NVIDIA tiene uno listo, pero el permiso clave no llega. La historia arranca con la GPU H20, que despegó en China a mediados de 2024, y continúa hoy con un reemplazo estratégico: la GPU B30A. Falta un detalle que lo complica todo y afecta directamente a quién puede comprar qué, y cuándo.
Primero llegó el éxito. La GPU H20 aterrizó en China a mediados de 2024 y creció un 50% trimestre a trimestre desde su debut, convirtiéndose en el producto más exitoso de NVIDIA en años. Para ti, que miras qué motor elige el sector, esto significaba más entrenamientos rápidos y menos cuellos de botella.
En abril de 2024, el Departamento de Comercio de Estados Unidos frenó la exportación de la H20 a China con nuevas restricciones. Tras semanas de negociaciones, NVIDIA obtuvo la licencia de exportación. El giro llegó desde Pekín: la Administración del Ciberespacio de China vetó el chip y abrió una investigación por una posible puerta trasera difícil de detectar. Aquí está el bloqueo real.
La investigación sigue en marcha y pesa sobre cualquier compra, mientras NVIDIA lleva meses con un plan B. La GPU B30A nace con una doble exigencia que no admite atajos: ser más potente que la H20 y cumplir las restricciones de EEUU. Solo así podrá optar a licencia, y solo así tendrá sentido para los clientes que ya entrenaron modelos sobre CUDA. Falta ver si Washington y Pekín dan su visto bueno.
El posicionamiento técnico es claro. Según los planes internos compartidos con socios, la GPU B30A sería aproximadamente la mitad de potente que el B300, el chip tope de gama de NVIDIA. Aun así, superaría el rendimiento de cualquier GPU china en tareas de entrenamiento. Para ti, eso se traduce en menos horas por época, menos coste por token y modelos que convergen antes.
Las empresas chinas tienen opciones locales —Huawei, Cambricon o Moore Threads—, pero en la práctica Tencent, ByteDance y Alibaba siguen prefiriendo NVIDIA. No es solo por el hardware. Es por CUDA: compilador, librerías y herramientas que ya están en producción. Cambiar ese stack en mitad de un proyecto duele, rompe plazos y sale caro.
También te puede interesar:G-Assist de Nvidia: Ahora con Plugins para Spotify, Twitch y GeminiHay movimiento. Huawei empuja CANN como alternativa a CUDA y algunos pilotos ya corren en su ecosistema. Pero hoy, en el mercado chino, CUDA sigue dominando por madurez y soporte. Si trabajas con pipelines de entrenamiento ya optimizados, sabes que reescribir kernels o rehacer operadores no es un parche de una semana.
El calendario no depende de NVIDIA. El Departamento de Comercio de EEUU puede retrasar la licencia de exportación de la GPU B30A o incluso denegarla. Y, aunque pase ese filtro, China podría mostrar reticencias mientras siga abierta la investigación a la H20 por la supuesta puerta trasera. Dos reguladores, dos llaves.
Para los equipos que entrenan grandes modelos, el impacto es directo: más incertidumbre en compras de GPU, ajustes de roadmap y planes B con proveedores locales. La GPU B30A tiene sentido estratégico: cubriría el hueco de rendimiento que hoy no alcanzan las alternativas chinas y mantendría vivo el ecosistema CUDA en el país.
En este tablero, la GPU B30A es la apuesta mínima viable de NVIDIA para sobrevivir en China: más rápida que la H20, por debajo del B300 para cumplir reglas, y con CUDA como pegamento. Falta la parte política. El próximo hito es claro: decisión de licencia en los próximos meses y respuesta de Pekín tras su investigación. Hasta entonces, prudencia con los calendarios y ojo a la letra pequeña de cada anuncio.
También te puede interesar:Estados Unidos Bloquea la Venta de chips de IA a Emiratos Árabes por Temor a Filtraciones a ChinaDirectora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.