China y los Estados Unidos, dos recetas para el pastel de la IA
Por debajo del debate sobre la aceleración de la IA, los dos países aplican dos maneras, técnicamente opuestas, de construirla
El sábado pasado, el consejero delegado de Anthropic, Dario Amodei, publicó en su web el artículo "We must pace the frontier", en el que pedía a la industria de la IA ralentizar el ritmo de mejora de sus modelos. Cinco días después, el presidente de turno de Huawei, Eric Xu, le respondía desde Shanghái: los proveedores chinos de IA "todavía no tienen suficiente capacidad de cómputo ni de modelo" para percibir los mismos riesgos de los que se habla en EE. UU., y quizás "necesitan acelerar el ritmo hasta poder notarlos también". Uno propone frenar porque ya se ve en ello (y también porque no quiere que ningún rival le pase por delante); el otro quiere correr para llegar. Bajo este debate hay dos maneras técnicamente muy diferentes de construir inteligencia artificial.
Pesos abiertos contra pesos cerrados
La diferencia más visible entre los EE. UU. y China es quién puede mirar dentro de los modelos de IA. Los estadounidenses Claude (Anthropic), GPT (OpenAI) y Gemini (Google) son de pesos cerrados: nadie fuera de cada empresa conoce la configuración exacta de los millones de parámetros que determinan su comportamiento. En cambio, los chinos DeepSeek, Qwen (Alibaba), Kimi (Moonshot) y GLM (Z.AI) publican los suyos con licencias abiertas: cualquiera los puede descargar, inspeccionar, modificar y ejecutar en su propio ordenador sin tener que pagar por cada token consumido.
Esta apertura de los modelos chinos favorece su difusión, pero también implica la pérdida de control para sus creadores. En el repositorio Hugging Face ya hay más de 150.000 modelos derivados de Qwen, 2,6 veces más que Meta AI. A cambio, una vez publicado un modelo abierto, sus pesos no se pueden retirar ni modificar a distancia, como sí pueden hacer Anthropic y OpenAI con los suyos.
Por otro lado, Washington ve ahí una vía de escape para la tecnología de los EE. UU. Una alerta conjunta de la Agencia de Seguridad Nacional, la CISA y el FBI acusa a seis empresas chinas (DeepSeek, Moonshot, Alibaba, MiniMax, StepFun y Z.AI) de destilar a escala industrial variantes de Claude, GPT, Gemini y Grok, es decir, de entrenar sus modelos a partir de las respuestas de los estadounidenses, un método mucho más barato que partir de cero.
Fuerza bruta contra eficiencia
La otra diferencia, más técnica, es cómo se entrenan los modelos. El proyecto Stargate de OpenAI prevé invertir 500.000 millones de dólares y 10 gigavatios de capacidad, y los cinco grandes (Microsoft, Alphabet, Amazon, Meta y Oracle) añadirán hasta 690.000 millones solo este 2026. El principio es sencillo: quien pone más recursos (dinero, datos) obtiene más potencia de cálculo.
En cambio, DeepSeek demostró en 2024 que se puede llegar con una fracción de tanto gasto: el entrenamiento final de DeepSeek-V3 ocupó 2,79 millones de horas de procesador, unos 5,6 millones de dólares al precio de alquiler habitual, gracias a dos técnicas: la precisión FP8, que hace los cálculos con menos decimales y, por tanto, más rápidos y baratos, y la arquitectura mixture of experts (MoE), que activa solo una parte de la red neuronal en cada respuesta en lugar de todo el modelo. La cifra no incluye el coste total del proyecto, pero muestra que la eficiencia algorítmica compensa la falta de músculo económico.
El informe anual de la Universidad de Stanford sobre el estado de la IA, publicado en abril, resume la carrera: la distancia de rendimiento entre los mejores modelos norteamericanos y los chinos es solo de 2,7 puntos porcentuales, a pesar de que la inversión privada de los Estados Unidos en IA multiplica por 23 la china. Hace tres años esta distancia superaba los 17 puntos porcentuales.
El cuello de botella de los chips
La obsesión china por la eficiencia es obligada. Las restricciones de los EE. UU. a la exportación de tecnología han dejado a Nvidia prácticamente fuera del mercado chino de centros de datos: la propia empresa reconoce que no ha entregado ni un solo chip H20 en China en el último trimestre. Huawei responde fabricando chips propios: prevé producir cerca de 600.000 Ascend 910C este 2026, el doble que el año pasado, hechos por SMIC a 7 nanómetros, dos generaciones por detrás de la gama más alta de Nvidia.
Para compensar la potencia que le falta a cada chip, Huawei interconecta muchos más; su sistema CloudMatrix iguala el rendimiento de un equipo Nvidia con cuatro veces más hardware y consumiendo cuatro veces más electricidad. Eric Xu lo reconocía en Shanghái: Huawei "aún no es tan avanzada" como los rivales norteamericanos en semiconductores, pero las restricciones han empujado a sus clientes hacia la tecnología nacional, y ahora persiguen "la autosuficiencia completa" en chips y cadena de suministro.
Dos conceptos de riesgo
Esta diferencia técnica se traslada a la manera de entender los riesgos, que están monopolizando el debate público de una manera probablemente exagerada. En los EE. UU. el debate gira en torno a si un modelo puede volverse incontrolable, y Anthropic y OpenAI han hablado de ello abiertamente. También hay quienes van más allá de la autorregulación que propone Amodei: el consejero delegado de Palantir, Alex Karp, propuso el jueves pasado nacionalizar los laboratorios de IA e imponer responsabilidad civil y penal a quien "no sea responsable". En China los expertos coinciden bastante en el fondo, pero no en la forma. Pekín considera la IA una tecnología poderosa pero gobernable, y ya redacta el primer estándar nacional del mundo para la seguridad de los agentes de IA.
La respuesta oficial china al artículo de Amodei tardó pocas horas en llegar. El portavoz del ministerio de Exteriores, Guo Jiakun, dijo que "el miedo, la confrontación y la competencia mal entendida" perjudican la gobernanza global de la IA, y el diario estatal Global Times tildó el escrito de "manual de la Guerra Fría". El día antes, en la cumbre de los BRICS, Xi Jinping había anunciado una comunidad de IA de código abierto entre los países que forman el bloque. Xi y Donald Trump se verán cara a cara el 24 de septiembre en Washington, y Trump ya ha dicho que la IA tendrá un peso destacado.
Eso sí, la porosidad entre los dos bloques se hizo patente cuando Hugging Face tuvo que investigar el ataque de los agentes de OpenAI que sufrió en julio: acabó haciéndolo con GLM-5.2, un modelo chino de pesos abiertos de Z.AI, porque los estadounidenses, más restringidos, resultaron menos útiles para el trabajo forense.
Europa, entre dos aguas
Entre estos dos bloques, en Europa no tenemos ningún laboratorio de frontera a la altura de los estadounidenses ni de los chinos. Nuestro supuesto campeón, la empresa francesa Mistral AI, captó la semana pasada 3.000 millones de euros de nueva financiación, pero su centro de datos principal funciona con 13.800 procesadores Nvidia, o sea que la soberanía es muy relativa. La directiva de la UE sobre IA ha tenido que retrasar hasta 2027 las obligaciones para los sistemas de alto riesgo, y un portavoz de la Comisión se ha limitado a recordar que las empresas deben demostrar que son seguras para operar en la Unión. Mientras tanto, Christine Lagarde, la presidenta del Banco Central Europeo, añade leña al fuego avisando de que nuestro continente puede quedar "desconectado" de la IA.