Estrategia de autosuficiencia china: cuando aumenta la demanda, disminuyen las alternativas

Cuando se trata del sector global de inteligencia artificial, enfrentamos una ecuación extraña: cuanto mayor es la demanda de potencia de cálculo, menores son las opciones de fuentes confiables. Esto es exactamente lo que vive China hoy, y cómo responde está redefiniendo el equilibrio de poder en la industria.

La verdadera presión no está en las fichas, sino en el entorno de software

Algunos pueden pensar que la prohibición de chips es la amenaza principal. Pero la realidad es mucho más profunda. Lo que realmente ahoga a las empresas de IA chinas no son los chips en sí, sino un entorno de programación llamado CUDA.

Desde 2006, NVIDIA ha construido alrededor de su plataforma CUDA un imperio incomparable. Esta plataforma, que convierte la potencia de las GPU en una herramienta de computación avanzada, se ha convertido en la base sobre la que se construyen casi todos los modelos de IA modernos. Tras dos décadas de desarrollo, el número de desarrolladores vinculados a CUDA supera los 4.5 millones, distribuidos en más de 40,000 empresas a nivel mundial.

Aquí está el problema: un desarrollador de IA no puede simplemente abandonar CUDA y reemplazarla por otra tecnología. Cada línea de código escrita en ella, cada biblioteca desarrollada, cada experiencia acumulada durante años — todo está profundamente ligado a este entorno. La transición requeriría reescribir colectivamente las experiencias de miles de las mentes más brillantes del mundo. ¿Quién asumirá ese costo?

De algoritmos a autonomía: el camino alternativo de China

Pero en lugar de enfrentarse directamente a la prohibición, las empresas chinas han optado por un camino completamente diferente. Desde finales de 2024 hasta 2025, se ha producido una transformación estratégica hacia modelos de expertos híbridos: una técnica que divide un modelo grande en varios expertos pequeños, activando solo los necesarios para cada tarea.

DeepSeek lanzó su modelo V3 con 671 mil millones de parámetros, pero solo activa 37 mil millones durante la inferencia. El resultado: un costo de entrenamiento de solo 5.576 millones de dólares, frente a los 78 millones de GPT-4 de OpenAI. La diferencia no son detalles técnicos comunes, sino un salto cualitativo en eficiencia.

Este avance se refleja directamente en los precios. La interfaz de DeepSeek cuesta entre 0.028 y 0.28 dólares por millón de tokens de entrada, frente a 5 dólares de GPT-4. Esta diferencia — de 25 a 75 veces más barato — dejó de ser solo una ventaja de precio y se convirtió en una arma estratégica.

En solo tres semanas de febrero de 2026, el uso de modelos chinos en OpenRouter, la mayor plataforma de distribución de interfaces de IA a nivel mundial, aumentó un 127%. La participación de modelos chinos, que antes no superaba el 2%, se acercó al 60% tras un año — un crecimiento del 421%.

La infraestructura local madura: de inferencia a entrenamiento

Ahora se produce la verdadera transformación. Los chips locales chinos han superado la fase de “capacidad de inferencia” y han llegado a una más importante: “capacidad de entrenamiento”.

En Changzhou, una línea de producción local de 148 metros entró en operación en 2025, en tiempo récord: de concepto a producción en solo 180 días. Esta línea produce procesadores Loongson 3C6000 y tarjetas T100 AI de Taichu Yuanqi — chips 100% chinos, diseñados y fabricados en China.

El resultado: producción de un servidor completo cada cinco minutos. Con una inversión de 1.1 mil millones de yuanes, se espera fabricar 100,000 unidades al año.

Lo más importante: estos chips ya soportan tareas reales de entrenamiento de modelos grandes. Zhipu AI y Huawei lanzaron juntos el modelo GLM-Image en enero de 2026, el primer modelo avanzado de generación de imágenes entrenado completamente con chips chinos. Un mes después, se entrenó el enorme modelo “Estrella” de China Telecom en hardware totalmente local.

Esto no es un avance técnico ordinario, sino un cambio cualitativo. El entrenamiento requiere procesar enormes volúmenes de datos, cálculos complejos y actualizaciones de parámetros — demandas que superan en diez veces a la inferencia.

El pilar fundamental de este cambio son los chips Ascend de Huawei. A finales de 2025, el entorno Ascend contaba con más de 4 millones de desarrolladores y 3,000 socios industriales. Se entrenaron 43 modelos principales en la industria basados en Ascend, y se adaptaron más de 200 modelos de código abierto.

En marzo de 2026, Huawei lanzó por primera vez fuera de China su nueva tecnología de computación SuperPoD. La potencia de procesamiento del chip Ascend 910B alcanzó el nivel del A100 de NVIDIA. Aunque aún existe una brecha, la diferencia principal cambió: de “inutilizable” a “usable con eficiencia”.

Electricidad y el nuevo mundo: ¿cuándo la energía se convertirá en arma estratégica?

Mientras la atención se centra en los chips y algoritmos, sucede algo menos visible pero más impactante: la brecha eléctrica se amplía a una velocidad asombrosa.

A principios de 2026, EE. UU. enfrentaba una grave crisis energética. Virginia suspendió la aprobación de nuevos centros de datos, seguida por Georgia hasta 2027. La red eléctrica del este del país enfrenta una brecha de capacidad de 6 GW. Para 2033, se prevé una escasez total de energía de 175 GW — suficiente para 130 millones de hogares.

El consumo de centros de datos en EE. UU. alcanzó 183 TWh en 2024, aproximadamente el 4% del consumo nacional total. Se espera que se duplique para 2030. Solo el sector de IA podría consumir entre el 20 y el 25% de la electricidad estadounidense para 2030.

Los costos mayoristas de electricidad en zonas con centros de datos han aumentado un 267% en cinco años.

En China, la situación es radicalmente diferente. La producción anual de electricidad alcanza los 10.4 billones de kWh, 2.5 veces más que EE. UU. (4.2 billones). Lo más importante: el consumo residencial en China representa solo el 15% del total, frente al 36% en EE. UU. Esto significa una enorme energía industrial disponible para inversiones en computación.

El precio industrial de la electricidad en el oeste de China ronda los 0.03 dólares por kWh — una cuarta o quinta parte del costo en las zonas de IA en EE. UU. (0.12-0.15 dólares).

La diferencia no es marginal, sino estructural. Trasladar operaciones de cálculo intensivo de una zona con escasez energética a otra con abundancia relativa cambia radicalmente las reglas de la economía.

Los tokens reemplazan a los productos: cómo China redefine las exportaciones

Mientras EE. UU. enfrenta su crisis energética, la IA china avanza silenciosamente en los mercados globales. Pero esta vez, lo que sale no es una fábrica o un producto, sino “tokens”: unidades precisas que procesan los modelos de IA.

Estos tokens se producen en las fábricas de computación chinas y se transmiten a través de redes globales a todo el mundo. Es una mercancía digital completamente nueva — no requiere envíos marítimos ni aduanas, solo conexión a internet.

Los datos de distribución de usuarios de DeepSeek cuentan la historia: 30.7% en China, 13.6% en India, 6.9% en Indonesia, 4.3% en EE. UU., 3.2% en Francia. Soporta 37 idiomas y se ha expandido en mercados emergentes como Brasil.

20,000 empresas globales han abierto cuentas, y 3,200 instituciones han lanzado versiones corporativas. Para 2025, el 58% de las nuevas startups de IA han adoptado DeepSeek como parte de su infraestructura tecnológica.

En China, domina el 89% del mercado. En países bajo sanciones, la participación varía entre el 40 y el 60%.

Lección histórica de Japón: construir el sistema, no solo el producto

Hace cuarenta años, Japón enfrentó una batalla similar. En 1986, bajo una enorme presión estadounidense, el gobierno japonés firmó un acuerdo de semiconductores con EE. UU., que le quitó autonomía tecnológica.

En 1988, Japón controlaba el 51% del mercado mundial de semiconductores, frente al 36.8% de EE. UU. Seis de las diez principales empresas de semiconductores eran japonesas: NEC, Toshiba, Hitachi, Fujitsu, entre otras. Intel perdió 173 millones de dólares ese año y estuvo cerca de la bancarrota.

Pero tras el acuerdo, todo cambió. EE. UU. utilizó mecanismos de investigación exhaustivos y, al mismo tiempo, apoyó a Samsung y Hynix para que golpearan el mercado japonés con precios bajos. La participación de Japón en el mercado de DRAM cayó del 80% al 10%.

Para 2017, la participación de Japón en el mercado de IC se redujo al 7%. Las empresas que antes dominaban desaparecieron, fueron adquiridas o se hundieron en pérdidas continuas.

La verdadera causa de la hemorragia japonesa no fue la falta técnica, sino una decisión estratégica fatal: aceptar ser “el mejor producto” en un sistema global dominado por una sola potencia, en lugar de construir un ecosistema independiente propio.

Cuando la marea bajó, Japón se dio cuenta de que no tenía nada más que su misma línea de producción.

El camino chino: el mismo desafío, una opción completamente diferente

Hoy, China enfrenta las mismas presiones — y aún más. Tres rondas de restricciones a los chips (2022, 2023, 2024), con una escalada constante. Las barreras en el entorno CUDA siguen siendo muy altas.

Pero la respuesta es decisiva. En lugar de buscar el “mejor producto” en un sistema controlado por NVIDIA, China optó por construir un ecosistema independiente.

Comenzó con mejoras radicales en algoritmos. Luego, su infraestructura local pasó de la capacidad de inferencia a la de entrenamiento. Después, acumuló 4 millones de desarrolladores en el entorno Ascend. Y finalmente, distribuyó tokens en mercados emergentes y avanzados.

Cada paso construye una verdadera independencia — algo que Japón nunca logró.

El 27 de febrero de 2026, tres empresas chinas de chips de IA publicaron sus informes financieros en el mismo día. Kemo aumentó sus ingresos un 453% y logró beneficios anuales por primera vez. Moitun creció un 243%, aunque perdió 1,000 millones. Moxi creció un 121% y perdió 800 millones.

Mitad fuego, mitad agua. El fuego es la voracidad del mercado. El agua, el costo de construir el ecosistema.

Cada pérdida es dinero real invertido en la carrera por la independencia — en I+D, en soporte de software, en ingenieros que resuelven problemas de traducción uno tras otro. No es una mala gestión, sino un tributo a la independencia que hay que pagar.

Estos tres informes reflejan con honestidad la verdadera guerra por el poder de la computación, más que cualquier otro reporte industrial. No es una victoria inspiradora, sino una batalla feroz en las líneas de frente, con sangre en el campo.

Pero la forma de la guerra ha cambiado. Hace ocho años, preguntábamos: “¿Podremos sobrevivir?”. Hoy, la verdadera pregunta es: “¿A qué precio lo haremos?”.

Y ese precio es el progreso mismo.