Según Bloomberg, referentes del sector chino calculan que las empresas del país tienen menos del 20% de probabilidades de superar a modelos líderes de Estados Unidos como OpenAI o Anthropic en los próximos tres a cinco años. Es un hallazgo que contrasta con el entusiasmo que dejó DeepSeek R1, lanzado hace aproximadamente un año, y que acercó a China a la primera línea de la IA.
La cifra la poneJustin Lin, responsable tecnológico de los modelos Qwen de Alibaba, quien sostiene que ese salto no garantiza el adelantamiento. Y en el ecosistema local, donde también brillan startups como Zhipu AI y Minimax, algunos directivos advierten que el engranaje central no es solo el talento: es el hardware, la“fuerza eléctrica” que alimenta todo.
“Operamos al límite” en recursos de computación, subrayó Tang Jie, fundador de Zhipu AI, en un evento reciente. Su empresa, además, viene de una salida a bolsa muy exitosa en Hong Kong, con un debut que subió 36%.
Ahora, la pieza clave: en IA, el “cómputo” (capacidad de cálculo) funciona como el caudal de agua en una casa. Si muchas canillas están abiertas —usuarios, clientes, servicios— el tanque se vacía rápido. Y si encima la bomba es más débil, queda menos presión para tareas más exigentes, como mejorar el sistema.
Eso es lo que describen varias voces chinas: gran parte de la capacidad de computación se consume en “servir demanda”, es decir, responder a clientes en tiempo real. Mientras tanto, compañías estadounidenses pueden dedicar más de ese caudal a investigación de última generación, el laboratorio donde se prueban ideas que después se vuelven producto.
Además, entra en juego un interruptor externo: las restricciones de Estados Unidos a la exportación de chips avanzados y de máquinas de litografía (equipos para fabricar semiconductores). Según los ponentes, esas limitaciones “están funcionando” porque achican el acceso a tecnología de punta y obligan a China a operar con chips menos potentes.
¿Por qué un chip “menos potente” cambia tanto la carrera?
Porque si un chip rinde menos, se necesita más hardware para lograr la misma potencia total. Es como intentar calentar una casa grande con estufas pequeñas: puedes, pero gastas más espacio, más energía y más tiempo. Y, sobre todo, te queda menos margen para experimentar.
En ese cuello de botella aparece otra clave: el “escalado” (hacer el modelo más grande y capaz) se vuelve más caro y más lento. Tang Jie incluso sostiene que, pese a la percepción interna de que China podría haber alcanzado a Estados Unidos, la brecha podría estar ampliándose.
Por eso, algunos proponen una estrategia distinta. Shunyu Yao, ex investigador de OpenAI y hoy científico jefe de IA en Tencent, sugiere enfocarse en resolver cuellos de botella técnicos como la memoria a largo plazo (capacidad de recordar mejor) y en potenciar el autoaprendizaje (mejorar con menos supervisión), para compensar la desventaja en computación bruta.
La paradoja: menos chips, pero más energía y más academia
Aunque China va detrás en chips —Huawei y SMIC incluso “tunean” (ajustan al máximo) máquinas antiguas de ASML para producir 7 nm e incluso 5 nm— el país tiene ventajas potencialmente decisivas en otras áreas. Una es la electricidad: el gobierno subvenciona energía y empuja renovables, lo que abarata y asegura suministro para centros de datos.
En Estados Unidos, en cambio, la electricidad empieza a ser un cuello de botella por costo y capacidad de red. Y mientras allí se recorta financiación académica en IA y STEM, China elevó la investigación y la formación técnica a prioridad nacional.
La oportunidad, entonces, no se reduce a “quién tiene el mejor modelo hoy”. También depende del cableado que lo sostiene: chips, energía, universidades y una industria que ya lidera en baterías, robótica, autos eléctricos y renovables. A veces, la carrera se define menos por un sprint y más por quién puede mantener la casa encendida sin bajar la térmica.
Directora 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.
