China construye una red de centros de datos de IA de 37.000 millones de dólares para centralizar la capacidad de cómputo

Un centro neurálgico en el Yangtsé

China está convirtiendo una isla de 760 acres en la ciudad de Wuhu en un vasto complejo de centros de datos, núcleo de un plan nacional para centralizar la capacidad de cómputo de inteligencia artificial. El proyecto, conocido ampliamente como el Stargate de China, conecta servidores de Huawei, China Mobile, China Telecom y China Unicom. Su objetivo es consolidar instalaciones dispersas en una red unificada que pueda programarse y compartirse a gran escala, como respuesta a la creciente demanda de IA y al acceso limitado a los procesadores más avanzados. Las autoridades locales afirman que la inversión vinculada al proyecto ha alcanzado los 270.000 millones de yuanes, unos 37.000 millones de dólares.

El complejo de Wuhu, conocido localmente como Data Island, está cerca de Shanghái, Hangzhou y Nankín. La proximidad a esos mercados urbanos densamente poblados es importante para la inferencia de IA, la fase en la que los modelos entrenados responden consultas o generan contenido para los usuarios. Las distancias más cortas reducen la latencia, por lo que los asistentes de voz, las búsquedas, las evaluaciones de riesgos financieros, las recomendaciones de productos y los servicios municipales responden con mayor rapidez. China también está ampliando o adaptando instalaciones en Ulanqab, Guizhou y Qingyang para atender a otras regiones. Esos centros remotos, muchos situados en zonas con terrenos más baratos y abundante energía, se están destinando al entrenamiento de modelos, la fase que más capacidad de cómputo exige en el desarrollo de la IA.

Qué albergará la isla de datos de 760 acres

Los operadores están construyendo grandes salas llenas de aceleradores, CPU, memoria, almacenamiento y equipos de conmutación de alta velocidad. Las empresas de telecomunicaciones ya tienden y gestionan rutas de fibra en toda la región, por lo que el complejo puede conectarse con gran capacidad a las ciudades cercanas y a otros grupos de centros del interior. La idea es que las cargas de trabajo puedan trasladarse por la red en función de la urgencia, el costo y la disponibilidad, y que los recursos inactivos de un lugar se asignen para ayudar con tareas en otro. Huawei está promocionando UB Mesh, una tecnología que, según la empresa, puede conectar procesadores en numerosas salas o incluso ciudades, con un software que los trata como un único conjunto para el entrenamiento y la inferencia.

Por qué centralizar ahora la capacidad de cómputo de IA

Pekín quiere aumentar el rendimiento de cada chip disponible en el país. En los últimos años, muchos aceleradores de provincias remotas tuvieron un uso limitado porque la demanda local era baja, mientras que las empresas costeras que necesitaban capacidad de cómputo no podían acceder fácilmente a ella. Una red nacional promete resolver el problema. Al conectar los grupos de centros, los planificadores esperan mejorar la redundancia durante las interrupciones del servicio, aumentar el uso de los recursos disponibles y crear un mercado en el que el excedente de capacidad de una zona pueda venderse a compradores de otra.

La iniciativa también está condicionada por la geopolítica. Los analistas calculan que los laboratorios de Estados Unidos controlan cerca de tres cuartas partes de la capacidad mundial de cómputo para IA, mientras que China tiene alrededor del 15%. Los controles estadounidenses a las exportaciones limitan el acceso de China a las GPU Nvidia más avanzadas e impiden que los principales fabricantes de chips por contrato las produzcan para clientes chinos. Por eso, mejorar la coordinación del hardware nacional es prioritario. La centralización es la herramienta de política disponible, mientras los proyectos nacionales de chips intentan ponerse al día.

Cómo funcionará la red

El plan establece una clara distinción entre dos tipos de trabajo de IA. El entrenamiento es la fase de mayor carga, en la que los modelos aprenden a partir de datos. Favorece los centros remotos, que pueden aprovechar energía y terrenos más baratos y donde los trabajos prolongados pueden ocupar miles de aceleradores durante días o semanas. La inferencia es la fase de respuesta, en la que los modelos entrenados atienden a los usuarios. Se acerca a los usuarios finales de las grandes ciudades, donde la velocidad y la fiabilidad importan más que el costo mínimo de la electricidad.

Entrenamiento en el oeste, inferencia cerca de la costa

Regiones remotas como Mongolia Interior y Gansu ya albergan enormes centros de servidores construidos para servicios en la nube o de internet. Con el nuevo enfoque, esas instalaciones se están adaptando al entrenamiento de modelos, incluidos los modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés). Están conectadas con las ciudades costeras mediante fibra de alta capacidad, de modo que los modelos con puntos de control guardados puedan copiarse rápidamente a grupos de centros de inferencia cerca de Shanghái, Hangzhou, Guangzhou y otras grandes ciudades.

Huawei UB Mesh y la programación a nivel de clúster

Para que esto funcione, los operadores necesitan interconexiones rápidas y software capaz de coordinar miles de procesadores. UB Mesh se presenta como una infraestructura que reduce la carga de comunicación entre aceleradores distribuidos en distintas salas o ubicaciones. En la práctica, esto implica técnicas similares a las que se utilizan en la computación de alto rendimiento, como el acceso remoto directo a memoria y las bibliotecas de comunicación colectiva que mantienen sincronizados numerosos chips mientras entrenan redes neuronales muy grandes. Sobre esa infraestructura, los programadores pueden asignar tareas allí donde haya energía disponible, chips adecuados inactivos o menor latencia para el cliente final.

Subsidios y escasez de chips

Wuhu ofrece subsidios que pueden cubrir hasta el 30% de las facturas de compra de chips de IA. Estas ayudas locales reducen el costo inicial de llenar los racks de servidores, aceleran el despliegue y ayudan a los operadores a alcanzar antes sus objetivos de densidad. También amortiguan la brecha entre los aceleradores nacionales y los componentes extranjeros más recientes, sujetos a controles de exportación.

Proveedores nacionales como Huawei y Cambricon trabajan para reducir esa brecha con aceleradores y software de compilación. Los operadores todavía se enfrentan a una combinación de generaciones de hardware que puede complicar los procesos de entrenamiento, sobre todo cuando los modelos alcanzan billones de parámetros. Esta presión ha impulsado un mercado paralelo. Algunos revendedores han intentado adquirir sistemas Nvidia restringidos y trasladarlos a China pese a los controles. Se ha vinculado a un intermediario con sede en Wuhu con pedidos de servidores de la generación Blackwell. Nvidia ha rechazado la idea de que ese equipo pueda funcionar a gran escala en China bajo las normas actuales y sostiene que esas afirmaciones no son realistas por los requisitos de las cadenas de suministro, las licencias y el soporte.

Quiénes se beneficiarán

El objetivo a corto plazo es dar a las empresas de las grandes ciudades un acceso más rápido a la inferencia de IA. Los bancos pueden realizar evaluaciones de riesgos y detectar fraudes con menor latencia. Los minoristas pueden implementar modelos de recomendación que se actualicen casi en tiempo real. Las agencias municipales pueden utilizar visión artificial para controlar el tráfico y vigilar inundaciones. Las empresas de medios y diseño pueden generar imágenes y videos con menos demoras. Las empresas emergentes pueden alquilar capacidad de cómputo por hora en lugar de comprar hardware por adelantado. Al conectar centros de entrenamiento del interior con grupos de centros de inferencia de la costa, la red busca atender tanto la experimentación como las operaciones diarias.

Las empresas de telecomunicaciones también adquieren un papel que va más allá de la conectividad. Sus centros de datos se convierten en clientes principales de la era de la IA: venden capacidad de cómputo y almacenamiento a clientes de servicios en la nube y, al mismo tiempo, proporcionan el ancho de banda entre ciudades que mantiene sincronizados los modelos. Para los gobiernos locales, el desarrollo promete empleos durante la construcción y una base para servicios digitales que atraigan nuevas empresas tecnológicas a la región.

Comparación con el desarrollo del Stargate de Estados Unidos

Mientras China impulsa redes escalonadas que agrupan numerosas instalaciones existentes, Estados Unidos respalda la construcción de varios campus nuevos de gran tamaño como parte de un proyecto llamado Stargate. Los inversores y operadores prevén gastar hasta 500.000 millones de dólares en todo el país. El plan contempla casi 7 gigavatios de capacidad de centros de datos, una cifra comparable a la producción de unos siete grandes reactores nucleares. Un campus emblemático en Abilene, Texas, está diseñado para albergar más de 400.000 GPU. Los socios del proyecto afirman que el desarrollo generará unos 25.000 empleos en el lugar durante el pico de la construcción.

El director ejecutivo de OpenAI, Sam Altman, resumió lo que está en juego al destacar la relación entre el progreso futuro de la IA y el hardware necesario para respaldarlo. Antes de anunciar nuevas instalaciones junto con sus socios, expresó sin rodeos la magnitud de los recursos que harán falta.

«La IA solo podrá cumplir su promesa si se construye la capacidad de cómputo necesaria».

Las dos estrategias tienen enfoques distintos. Estados Unidos apuesta por campus nuevos de gran tamaño que agrupan cientos de miles de aceleradores tras un mismo perímetro. China conecta numerosos grupos de centros, antiguos y nuevos, y luego utiliza software de programación y nuevas interconexiones para que funcionen como un conjunto mayor. El enfoque estadounidense pone a prueba los límites del suministro eléctrico, el terreno y el agua en unos pocos lugares. El plan chino distribuye los riesgos y los costos, aunque acepta la carga adicional de operar numerosos sitios como un solo sistema.

Energía, refrigeración y redes

Los grupos modernos de IA consumen enormes cantidades de energía y producen calor que debe evacuarse permanentemente. La isla de Wuhu necesitará nuevas subestaciones, líneas de transmisión y capacidad de respaldo para mantener en funcionamiento los sistemas críticos durante las interrupciones del servicio. La mayoría de las salas de entrenamiento utilizan refrigeración líquida para extraer el calor directamente de los chips y la memoria, en sustitución de la refrigeración por aire común en las salas de servidores más antiguas. Los operadores buscarán fuentes de agua cercanas o sistemas de circuito cerrado que reduzcan la extracción de agua, y pedirán a los proveedores una mayor eficiencia a nivel de rack.

La red es igual de importante. Conectar granjas de entrenamiento remotas con grupos de centros de inferencia costeros exige rutas de fibra con una capacidad de muchos terabits, transpondedores ópticos capaces de transmitir datos a cientos de kilómetros e interruptores que gestionen el tráfico entre servidores dentro del centro de datos sin crear cuellos de botella. Los operadores con redes troncales nacionales tienen una ventaja. Pueden habilitar rutas redundantes y gestionar el encaminamiento del tráfico para que las actualizaciones de modelos y los puntos de control lleguen a tiempo, incluso durante tareas de mantenimiento o fenómenos meteorológicos.

Riesgos, seguridad y gobernanza

La centralización mejora el control y la visibilidad, pero concentra los riesgos. Si demasiada capacidad depende de unos pocos corredores de red, las interrupciones del servicio o los ciberataques podrían afectar a varias regiones. Los planificadores afirman que el sistema incorpora redundancia al conectar numerosos sitios y diseñar rutas de respaldo. Los equipos de ciberseguridad tendrán que proteger los parámetros de los modelos, los datos de los clientes y la propia capa de programación, que se convertirá en un objetivo muy codiciado cuando controle grandes conjuntos de capacidad de cómputo.

También hay limitaciones prácticas. El uso de numerosas instalaciones más pequeñas o antiguas puede reducir la eficiencia del entrenamiento frente a un campus nuevo diseñado en torno a una sola generación de hardware. Los contratos de energía y la estabilidad de la red eléctrica deben avanzar al ritmo del crecimiento. Las decisiones sobre el uso del suelo, incluida la conversión de tierras agrícolas, pueden ser objeto de escrutinio si las comunidades locales sienten que han sido desplazadas o si disminuye la producción de alimentos. La transparencia sobre las compensaciones, el impacto ambiental y la planificación de la red eléctrica influirá en la aceptación pública.

Qué viene ahora

El trabajo se centra ahora en ampliar las primeras instalaciones de Wuhu, conectarlas con las granjas de entrenamiento del interior y reforzar el software que programa las tareas en distintos sitios. Los gobiernos locales están coordinando los ciclos de compra con los períodos de vigencia de los subsidios para animar a los primeros clientes a comprometerse a usar la capacidad. Los operadores de telecomunicaciones están habilitando nuevas rutas de fibra y modernizando sus redes troncales para que los puntos de control de los modelos puedan trasladarse rápidamente desde el entrenamiento hasta los grupos de centros de inferencia cerca de las ciudades costeras.

Los ingenieros observarán de cerca tres variables. Primero, si UB Mesh y otras infraestructuras similares ofrecen las mejoras prometidas al extenderse por varias salas. Segundo, si los aceleradores, compiladores y marcos de trabajo nacionales pueden entrenar y ejecutar los modelos más recientes con una eficiencia aceptable. Tercero, si el suministro de energía y refrigeración puede seguir el ritmo del aumento de la densidad de los racks sin provocar cortes de electricidad ni escasez de agua. El avance en estos ámbitos determinará la velocidad a la que se expanda la red nacional y cuánto contribuirá al crecimiento de los servicios de IA en todo el país.

Puntos clave

• China está construyendo una red centralizada de capacidad de cómputo para IA, cuyo eje es Data Island, una isla de 760 acres en Wuhu, con una inversión de unos 37.000 millones de dólares.
• La red conecta instalaciones de Wuhu con grupos de centros del interior en lugares como Ulanqab, Guizhou y Qingyang para separar el entrenamiento de la inferencia.
• Huawei, China Mobile, China Telecom y China Unicom son los principales operadores. Huawei promociona UB Mesh para conectar grupos de centros entre sí.
• Wuhu ofrece subsidios que cubren hasta el 30% de las compras de chips de IA para acelerar el despliegue pese a los controles de exportación sobre las GPU extranjeras avanzadas.
• China busca aumentar el uso de los aceleradores existentes y vender el excedente de capacidad de cómputo entre regiones mediante una capa unificada de programación.
• Los analistas calculan que Estados Unidos posee cerca del 75% de la capacidad mundial de cómputo para IA, mientras que China tiene alrededor del 15%.
• El programa Stargate de Estados Unidos apunta a casi 7 gigavatios de capacidad y hasta 500.000 millones de dólares de inversión, incluido un campus en Texas diseñado para 400.000 GPU.
• El director ejecutivo de OpenAI, Sam Altman, afirma que construir suficiente capacidad de cómputo es esencial para que la IA cumpla las expectativas.
• La centralización promete reducir la latencia para los usuarios de las grandes ciudades costeras y aportar redundancia gracias a numerosos sitios conectados.
• Entre los desafíos figuran el suministro de energía y refrigeración, la ciberseguridad, la diversidad del hardware entre sitios y el escrutinio público sobre el uso del suelo y el agua.