La carrera de la Inteligencia Artificial ya no se mide solo por quién tiene el modelo más capaz. Cada vez depende más de una pregunta menos vistosa, pero más decisiva: quién puede sostener económicamente la computación necesaria para entrenar, servir y escalar esos sistemas. En esa batalla, Estados Unidos y China parecen estar siguiendo estrategias cada vez más distintas.

Estados Unidos conserva la ventaja del músculo industrial, el acceso a los aceleradores más avanzados y el control de buena parte del software que sostiene la IA moderna. China, limitada por restricciones de exportación y por una cadena de suministro más presionada, está empujando hacia modelos más eficientes, arquitecturas MoE, chips nacionales y una cultura de producto acostumbrada a sobrevivir con menos margen de hardware. La diferencia no es solo tecnológica. Es geopolítica, energética y empresarial.

Estados Unidos apuesta por escala, chips y control de la pila

La estrategia estadounidense gira alrededor de una idea conocida: quien controla la infraestructura controla buena parte del mercado. NVIDIA ha construido su posición dominante no solo con GPUs, sino con una pila completa que integra aceleradores, redes, software, bibliotecas, sistemas validados y arquitecturas para lo que la propia compañía llama «AI factories». Blackwell es la expresión más reciente de esa visión: no se vende solo como un chip, sino como una arquitectura para entrenamiento, inferencia, modelos de razonamiento y despliegues empresariales a gran escala.

Esa posición también la convierte en pieza central de la presión geopolítica. Las restricciones estadounidenses a la exportación de chips avanzados hacia China han intentado mantener la ventaja de cómputo de Washington y sus aliados. Pero el control nunca es perfecto. En los últimos días, Reuters recogió informaciones de Bloomberg según las cuales las autoridades estadounidenses sospechan que servidores con chips NVIDIA habrían llegado a China a través de Tailandia, con Alibaba citado como presunto destinatario final. Alibaba negó cualquier relación con las empresas señaladas o el uso de GPUs prohibidas.

El otro gran frente es la fabricación. La administración Trump ha presionado para que parte de la producción avanzada vuelva a suelo estadounidense, con Intel como actor llamado a recuperar relevancia frente al peso de TSMC. El acuerdo preliminar entre Apple e Intel, publicado por Reuters a partir de informaciones del Wall Street Journal, encaja en ese intento de reforzar la fabricación local y diversificar una cadena demasiado dependiente de Taiwán.

En ese contexto aparece el proyecto bautizado en varias informaciones como «Terafab», vinculado al entorno de Elon Musk e Intel. Forbes habló de una iniciativa de 25.000 millones de dólares para fabricar chips de IA, mientras que medios locales de Texas han elevado las cifras potenciales y han situado terrenos cerca de College Station como una de las ubicaciones estudiadas. Conviene tratar estos datos con prudencia: no existe todavía una confirmación pública completa por parte de todas las compañías implicadas, y las cifras publicadas varían según la fuente.

La lógica, aun así, es clara. Si Tesla, xAI, SpaceX y otros proyectos vinculados a Musk quieren competir en conducción autónoma, robótica humanoide, agentes de IA y centros de datos especializados, necesitan capacidad de cómputo asegurada. La escasez de GPUs y la concentración de fabricación en Asia han convertido el acceso al silicio en una cuestión de autonomía empresarial.

China responde con eficiencia, modelos abiertos y hardware propio

China no puede jugar exactamente la misma partida. Las restricciones estadounidenses han limitado el acceso a los chips más avanzados y han obligado a sus empresas a exprimir cada ciclo disponible. Ahí aparece una estrategia distinta: hacer más con menos, reducir el coste de inferencia, usar arquitecturas de expertos y acelerar el uso de chips nacionales como Huawei Ascend.

DeepSeek V4 es una buena muestra de esa dirección. La propia compañía presentó en abril de 2026 DeepSeek-V4 Preview, con versiones Pro y Flash, contexto de hasta 1 millón de tokens y una arquitectura diseñada para ofrecer una relación coste-rendimiento agresiva. El modelo no elimina la ventaja de los grandes sistemas cerrados estadounidenses, pero sí presiona sus precios y obliga a explicar mejor por qué un cliente debe pagar más.

Moonshot AI sigue una línea parecida con Kimi K2.6, presentado como un modelo multimodal con foco en programación y agentes. En paralelo, Anthropic ha lanzado Claude Opus 4.6 y OpenAI ha presentado GPT-5.5, lo que recuerda que la frontera cerrada también sigue avanzando. La brecha no puede resumirse con un «China ya ha igualado a Estados Unidos», pero sí con una idea más incómoda para Silicon Valley: los modelos abiertos o semiabiertos de Asia están reduciendo la distancia útil para muchos casos de uso empresariales.

La eficiencia se ha convertido en una necesidad. Las arquitecturas MoE permiten activar solo una parte del modelo en cada consulta, lo que reduce el coste computacional frente a diseños densos equivalentes. La compresión, la cuantización, el uso intensivo de cachés y la mejora de kernels son ya tan importantes como el tamaño del modelo. En un mercado donde la inferencia puede pesar más que el entrenamiento en la factura final, esa obsesión por el coste deja de ser una limitación y pasa a ser ventaja competitiva.

Huawei, con Ascend 910C, representa el otro lado de esa respuesta. Sus chips no tienen el mismo apoyo global de software que CUDA ni el mismo acceso a los nodos de fabricación más avanzados, pero China está empujando su adopción porque necesita una alternativa nacional. Funcionarios estadounidenses han reconocido que Huawei sigue limitada en volumen, aunque también han advertido de que China está cerrando parte de la brecha en capacidades de IA.

El código abierto ya no es solo filosofía

El tercer frente es el de los modelos abiertos. Meta ha defendido durante años que Llama acerca la IA avanzada a más desarrolladores y empresas. Su página oficial presume de más de 1.200 millones de descargas de Llama, una cifra que refleja la enorme adopción de estos modelos en la comunidad técnica.

Pero el debate es más complejo. La Open Source Initiative ha cuestionado que las licencias de Llama puedan considerarse realmente open source bajo su definición, por sus restricciones de uso y por la falta de apertura plena sobre elementos como los datos de entrenamiento. Por eso conviene hablar con más precisión: muchas veces no estamos ante modelos de código abierto en sentido estricto, sino ante modelos de pesos abiertos, con licencias comerciales propias.

¿Por qué una empresa regalaraía parte de su tecnología? La respuesta es estratégica. Si el modelo se vuelve más accesible, el valor se desplaza hacia la infraestructura, los datos propietarios, la distribución, la integración en productos y la capacidad de operar a escala. Meta puede permitirse esa jugada porque monetiza atención, publicidad y plataformas. Las compañías chinas, por su parte, usan los modelos abiertos para ganar adopción internacional, crear comunidad y compensar parte de la desventaja en hardware.

El resultado es un mercado menos cómodo para los laboratorios cerrados. Si un modelo abierto o de bajo coste resuelve el 80 % de las tareas con un coste muy inferior, muchas empresas no necesitarán pagar siempre por la opción más potente. La elección de IA empieza a parecerse menos a una competición de benchmarks y más a una decisión de arquitectura: coste por token, latencia, privacidad, soberanía de datos, dependencia del proveedor y facilidad para ajustar el modelo.

La gran pregunta no es si el ingenio matemático chino superará por completo al músculo industrial estadounidense. La pregunta es en qué capas de la pila ocurrirá esa competencia. Estados Unidos sigue mandando en aceleradores, cloud, software de bajo nivel y capital. China gana terreno en eficiencia, adopción de modelos abiertos y presión de costes. Entre ambas fuerzas se está formando un nuevo orden del silicio, donde la IA más valiosa no será siempre la más grande, sino la que pueda ejecutarse de forma sostenible.

Preguntas frecuentes

¿Qué diferencia hay entre la estrategia de IA de Estados Unidos y la de China?

Estados Unidos concentra su ventaja en chips avanzados, grandes centros de datos, software propietario y control de la cadena. China está respondiendo con modelos más eficientes, arquitecturas MoE, chips nacionales y precios más agresivos.

¿Por qué NVIDIA es tan importante en esta carrera?

NVIDIA no domina solo por sus GPUs. Su ventaja está en la combinación de hardware, CUDA, redes, software empresarial y diseños completos para centros de datos de IA.

¿Los modelos abiertos chinos son ya mejores que los modelos cerrados de EE. UU.?

No necesariamente. En algunos casos se acercan mucho en tareas concretas y suelen competir mejor en precio, pero los modelos cerrados de OpenAI, Anthropic o Google siguen marcando buena parte de la frontera en capacidades avanzadas.

¿Llama de Meta es realmente open source?

Depende de la definición usada. Meta lo presenta como abierto, pero la Open Source Initiative sostiene que sus licencias no cumplen la definición estricta de código abierto. Técnicamente es más prudente hablar de modelos de pesos abiertos o disponibles bajo licencia propia.