La producción local de chips: cómo China desarrolla su propio ecosistema de IA

Hace años, el mundo luchaba por entender el verdadero significado de la industria digital. Hoy, ¿qué es la producción en medio de la revolución de la IA? No se trata simplemente de fabricar hardware. Es la creación de un ecosistema completo donde la innovación y la independencia se unen. Durante más de seis años, China ha transitado desde la esperanza de crear soluciones propias hasta la verdadera adquisición de poder en la computación. Esta historia comienza en una crisis y llega a una revolución.

El cuello de botella que no es el hardware: por qué CUDA es la verdadera barrera

En 2018, ZTE experimentó una prueba de fuego. Un decreto de la Oficina de Industria y Seguridad de EE. UU. paralizó a una multinacional con 80,000 empleados y ingresos anuales que alcanzaban miles de millones de dólares en una sola noche. Sin chips de Qualcomm, sin licencia de Android de Google—todo operaba en pausa.

Pero en un nivel más profundo, el problema real no era solo el hardware. Era un ecosistema llamado CUDA.

CUDA, o Compute Unified Device Architecture, es una plataforma de computación paralela introducida por NVIDIA en 2006. Durante la revolución del aprendizaje profundo, se convirtió en la base de toda la industria de la IA. Entrenar modelos grandes de IA es esencialmente realizar operaciones matriciales masivas—y aquí, la GPU es única. NVIDIA construyó un ecosistema completo en diez años, desde hardware básico hasta herramientas de software, usando CUDA.

Hoy en día, todos los principales frameworks de IA como TensorFlow de Google y PyTorch de Meta dependen profundamente de CUDA. Cada investigador en IA empieza a programar en CUDA desde el primer día. El resultado es un efecto inercial que no se puede detener: cuantos más desarrolladores usan CUDA, más herramientas se crean, más crece el ecosistema, y más desarrolladores se unen.

Hasta 2025, el ecosistema CUDA cuenta con más de 4.5 millones de desarrolladores y abarca más de 3,000 aplicaciones aceleradas por GPU. Más del 90% de los desarrolladores de IA en todo el mundo dependen de este ecosistema. ¿Cómo cambiar esta base? Sí, es posible—pero hay que reescribir toda la experiencia, las herramientas y el código acumulado por mentes brillantes en una década. ¿Quién pagará ese costo?

De inferencia a entrenamiento: un cambio cualitativo en la producción local

Frente a regulaciones continuas de EE. UU.—primero en 2022 con NVIDIA A100 y H100, luego en 2023 con A800 y H800, y finalmente en 2024 con H20—las empresas chinas de IA no se rinden en la competencia directa. Optan por otro camino: optimización a nivel de algoritmos.

Desde finales de 2024 hasta 2025, las empresas chinas de IA han cambiado a una dirección técnica: la arquitectura de expertos (MoE). El V3 de DeepSeek es un ejemplo. Tiene 671 mil millones de parámetros, pero en cada inferencia solo activa 37 mil millones—el 5.5% del total. El costo de entrenamiento fue de 5.576 millones de dólares, frente a los 78 millones estimados para GPT-4.

Esta optimización algorítmica se refleja en el precio: la API de DeepSeek cuesta entre 0.028 y 0.28 dólares por millón de tokens para entrada, mientras que GPT-4 cuesta 5 dólares. Claude Opus cuesta 15 dólares. China es de 25 a 75 veces más barato.

Pero el verdadero avance no es solo en precio. En 2025, la aplicación de IA pasó de simples conversaciones a escenarios de agentes, donde el uso de tokens aumentó de 10 a 100 veces. En volúmenes así, el precio se vuelve decisivo.

Ahora, la producción local creció de la inferencia al entrenamiento—un salto cualitativo. La inferencia solo ejecuta modelos preentrenados; el entrenamiento requiere mayor potencia computacional, ancho de banda de interconexión y un ecosistema de software robusto.

Ecosistema de producción: de Jiangsu Xinghua a despliegues globales

En medio de la transformación industrial, se construyó una línea de producción de servidores en Jiangsu Xinghua, una pequeña ciudad conocida por el acero inoxidable y alimentos saludables. Desde el acuerdo hasta la operación, solo tomó 180 días. La línea usa dos chips locales: el procesador Loongson 3C6000 y el acelerador de IA TaiChu Yuanqi T100.

Es un hito: la producción actual no solo se mide en volumen, sino en capacidad. Cuando está a plena capacidad, sale un servidor cada 5 minutos, alcanzando 100,000 unidades al año.

Más importante aún, los clústeres de miles de chips locales comenzaron a entrenar modelos grandes en serio. En enero de 2026, Huawei anunció el GLM-Image—el primer modelo SOTA de generación de imágenes entrenado completamente con chips locales. En febrero, China Telecom completó el proceso total del modelo Xingchen en su pool de computación local en Shanghai Lingang.

El motor principal detrás de esto es la serie Huawei Ascend. Para finales de 2025, el ecosistema Ascend cuenta con 4 millones de desarrolladores y más de 3,000 socios. Se completaron preentrenamientos de 43 modelos principales, además de más de 200 modelos open-source adaptados.

El 2 de marzo de 2026, Huawei presentó la nueva infraestructura SuperPoD. La potencia de cómputo FP16 del Ascend 910B equivale a la del NVIDIA A100. Si el ecosistema se desarrolla mientras el chip mejora—sin esperar a la perfección—la velocidad de actualización es muy rápida.

Ventaja energética y poder de cómputo: por qué China lleva ventaja

A principios de 2026, Virginia dejó de otorgar permisos para nuevos centros de datos. Le siguieron Georgia, Illinois y Michigan. La red eléctrica de EE. UU. ya supera su capacidad.

El uso de energía de los centros de datos en EE. UU. en 2024 fue de 183 TWh—el 4% del consumo total. Para 2030, se estima que alcanzará 426 TWh, o el 12%. El CEO de Arm dijo que los centros de datos de IA podrían consumir entre el 20 y 25% de la electricidad estadounidense para 2030.

Mientras EE. UU. se preocupa por la electricidad, China tiene una gran ventaja. La producción anual de electricidad en China es de 10.4 billones de unidades, frente a 4.2 billones en EE. UU.—solo 2.5 veces más. Aún más importante, el uso residencial en China representa solo el 15% del total, mientras que en EE. UU. es el 36%. Esto significa mayor capacidad industrial disponible para la computación.

El precio de la electricidad en áreas industriales del oeste de China ronda los 0.03 dólares por kWh, mientras que en los hubs de IA en EE. UU. oscila entre 0.12 y 0.15 dólares. China tiene una ventaja de 4 a 5 veces.

Tokens y mercados: la nueva commodity digital en crecimiento

Hoy, mientras EE. UU. invierte en infraestructura energética, China exporta un nuevo producto: tokens. El token es la unidad más pequeña de información que puede pensar un modelo de IA—se ha convertido en una commodity digital producida en fábricas de poder de cómputo y enviada al mundo entero.

La distribución de usuarios de DeepSeek lo evidencia: 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 crece rápidamente en mercados emergentes como Brasil.

En febrero de 2026, en la plataforma OpenRouter, el uso semanal de modelos chinos aumentó un 127% en tres semanas, liderando por primera vez frente a EE. UU. Hace un año, la cuota de mercado de modelos chinos era inferior al 2%. Ahora, alcanza el 6%, un aumento del 421%.

El 27 de febrero de 2026, tres empresas locales de chips reportaron resultados. Cambrian creció un 453% en ingresos y logró por primera vez rentabilidad anual completa. Moore Threads subió un 243% pero con una pérdida neta de mil millones. Muxi aumentó un 121% pero con casi 8 mil millones en pérdidas.

Mitad fuego, mitad agua. El fuego es la demanda del mercado. El 95% del espacio liberado por Huang Renxun llena los números de ingresos de las empresas locales, una a una. El mercado necesita una segunda opción sin NVIDIA. Es una oportunidad estructural sin precedentes.

Lecciones de la historia

Hace ocho años, ocurrió un marco sorprendente. En 1986, el Acuerdo de Semiconductores EE. UU.-Japón transformó la industria. Japón lideraba—hasta 1988, controlaba el 51% del mercado global de semiconductores, frente al 36% de EE. UU. Seis de las diez principales empresas eran japonesas.

Pero mediante medidas comerciales estratégicas, escrutinio regulatorio y apoyo a competidores coreanos, EE. UU. redujo la participación de Japón en DRAM del 80% al 10%. Los antiguos gigantes se dividieron, vendieron o desaparecieron.

La tragedia: Japón disfrutaba de una división internacional del trabajo donde era el mejor fabricante, pero no construyó un ecosistema independiente propio. Cuando la ola bajó, solo quedó la manufactura.

La actual industria de IA en China enfrenta presiones similares, pero eligió un camino más difícil: optimización algorítmica extrema, desarrollo local de chips desde inferencia hasta entrenamiento, construcción de ecosistema con 4 millones de desarrolladores Ascend y distribución global de tokens. Cada paso crea un ecosistema industrial independiente.

El mar representa un gran gasto para construir ese ecosistema. Cada pérdida es dinero real gastado en seguir a CUDA. Son costos de aprendizaje, subsidios de software y gastos en despliegue de ingenieros. Es el impuesto necesario para la independencia digital.

Estos tres informes financieros reflejan con mayor honestidad el estado real de la competencia que cualquier reporte de la industria. No es una celebración, sino una batalla feroz por la posición, donde los soldados se levantan sangrando.

Pero la forma de lo digital ha cambiado realmente. Hace ocho años, la pregunta era “¿podemos sobrevivir?” Ahora, es “¿a qué precio debemos pagar para sobrevivir?” Y ese precio mismo es el progreso.