El desafío de China a Nvidia en chips de IA se acelera

Por qué ahora importa la carrera de China por los chips de IA

China se apresura a reducir su dependencia de los procesadores importados para la inteligencia artificial. El país está invirtiendo grandes sumas en laboratorios de investigación, fábricas de semiconductores e infraestructura en la nube para que los futuros avances en modelos de lenguaje de gran tamaño, robótica y automatización funcionen con chips nacionales. El objetivo estratégico está claro: producir chips de alta gama a gran escala, desarrollar el software para aprovecharlos y mantener dentro del país el acceso a capacidad informática crítica.

En 2024, un impulso inesperado a esa ambición llegó cuando la empresa emergente DeepSeek presentó una IA conversacional que rivalizaba con los principales sistemas occidentales. La compañía afirmó que entrenó el modelo con muchos menos aceleradores de alta gama que sus competidores, una señal de que un software más inteligente y métodos de entrenamiento eficientes pueden compensar parcialmente las limitaciones del hardware. El lanzamiento hizo caer brevemente el valor de mercado de Nvidia y puso el foco en la rapidez con que avanzan los desarrolladores chinos. Desde entonces, gigantes tecnológicos y diseñadores de chips de todo el país han anunciado planes para competir con Nvidia en los centros de datos nacionales.

El director ejecutivo de Nvidia, Jensen Huang, ha destacado la amplia reserva de talento en ingeniería de China y la intensa competencia interna. En septiembre, durante un pódcast sobre tecnología y negocios, elogió el impulso del país y lanzó un desafío a su propio equipo.

«Es una industria dinámica, emprendedora, de alta tecnología y moderna», dijo. «Tenemos que competir para sobrevivir».

Cómo planean competir las empresas chinas

Varias empresas chinas están desarrollando alternativas a los aceleradores y sistemas integrales de Nvidia. Huawei ha presentado nuevos procesadores Ascend y un plan para apoyar a los desarrolladores durante tres años. Alibaba afirma que su acelerador más reciente puede igualar el rendimiento del H20 de Nvidia, un chip adaptado a China conforme a las normas estadounidenses, y consumir menos energía. Empresas emergentes como MetaX y Cambricon están consiguiendo contratos con grandes compañías. Grandes plataformas, entre ellas Tencent y Baidu, diseñan chips a medida para sus propias nubes. El mensaje para los clientes nacionales es constante: si las políticas de exportación limitan el acceso al hardware estadounidense, las opciones chinas cubrirán esa necesidad.

La estrategia de Huawei a nivel de sistema

Huawei apuesta por la arquitectura del sistema para reducir la distancia con Nvidia. En la Conferencia Mundial de Inteligencia Artificial de Shanghái, la compañía presentó CloudMatrix 384, un sistema de computación para IA que integra 384 procesadores Ascend 910C en una sola instalación. El sistema competidor de Nvidia, GB200 NVL72, utiliza 72 chips B200, pero el diseño de Huawei sigue otro camino. CloudMatrix emplea una red de conexión tipo supernodo para que cientos de procesadores funcionen como un único conjunto de capacidad informática, con conexiones muy rápidas entre los chips. Al ampliar el sistema de forma horizontal, Huawei busca compensar el menor rendimiento de cada chip con una mayor integración del conjunto.

Analistas del sector afirman que este enfoque puede ofrecer resultados competitivos en tareas específicas. Algunos informes indican que CloudMatrix supera a GB200 NVL72 de Nvidia en ciertos indicadores, aunque Huawei debe depender de procesos de fabricación más antiguos. El sistema ya está disponible en la nube de Huawei y ofrece a los clientes chinos una alternativa nacional para entrenar y ejecutar modelos. La elección de esta arquitectura también responde al objetivo político de China de adaptarse a las restricciones de exportación mediante mejoras a nivel de sistema.

Alibaba y un grupo creciente de competidores

Alibaba anunció un nuevo acelerador de IA que, según medios estatales, iguala al H20 y consume menos energía. MetaX suministra chips a China Unicom. La valoración de Cambricon se ha más que duplicado en los últimos meses, mientras los inversionistas apuestan por el aumento de la demanda nacional de aceleradores. Tencent desarrolla chips propios para sus servicios de nube e IA. Estos proyectos forman parte de un cambio más amplio entre las empresas chinas, que están trasladando sus cargas de trabajo a hardware nacional cuando el rendimiento, la disponibilidad y el costo lo permiten.

Los desarrolladores ya se están adaptando. Chen Cheng, directora general de traducción con IA en iFlytek, explicó cómo su equipo respondió a las recientes restricciones al hardware estadounidense al pasarse a procesadores nacionales.

«Ahora nuestro modelo se entrena con chips de Huawei, que actualmente son los mejores de China», dijo.

Qué está cambiando con los controles de exportación y las medidas restrictivas

Las normas de exportación han transformado el mercado. Desde 2022, Washington ha impuesto restricciones cada vez más estrictas a la venta de chips avanzados de IA a China. Las medidas más recientes cerraron el acceso al H20 de Nvidia, un procesador diseñado para cumplir los umbrales de exportación anteriores. Legisladores han impulsado medidas que obligarían a los fabricantes estadounidenses de chips a dar prioridad a los clientes nacionales sobre los compradores extranjeros, mientras las empresas advierten que unas normas rígidas podrían frenar la innovación y desviar la demanda. Una política reciente también destinaría al Gobierno estadounidense una parte de los ingresos obtenidos por determinadas ventas de chips de IA en China. Los controles más estrictos reducen el mercado potencial de los proveedores estadounidenses en el país que compra más chips que cualquier otro.

Beijing ha respondido con controles fronterizos y presiones internas. Las autoridades han pedido a grandes empresas tecnológicas que suspendan los pedidos de aceleradores de Nvidia y han intensificado las inspecciones en los puertos para interceptar envíos sin licencia o declarados de forma incorrecta, incluidos modelos destinados a China como el H20 y el RTX 6000D. Funcionarios investigan redes de contrabando que introducían procesadores de alta gama en centros de datos nacionales por rutas indirectas. Por separado, los reguladores han abierto una investigación antimonopolio sobre Nvidia, lo que apunta a un mayor escrutinio de sus prácticas comerciales en China. Estas medidas buscan orientar a los compradores hacia proveedores locales y reducir el flujo del mercado gris.

Handel Jones, consultor de semiconductores desde hace muchos años, advirtió que el efecto combinado podría ser profundo para las empresas estadounidenses que han dependido de la demanda china.

«Para la industria estadounidense de semiconductores, China ya no está», dijo.

En qué sigue habiendo diferencias de rendimiento: pruebas comparativas y software

Las afirmaciones de que existe paridad deben examinarse con cuidado. Los datos públicos sobre los aceleradores chinos son limitados y escasean las pruebas estandarizadas. El rendimiento depende de la tarea, el tamaño del modelo, el ancho de banda de las conexiones entre chips, la arquitectura de memoria y la calidad del conjunto de software que conecta el chip con la aplicación. Investigadores que han trabajado con ambos ecosistemas dicen que los chips chinos han reducido la brecha en tareas predictivas, en las que un modelo completa una oración o clasifica una imagen, pero siguen rezagados en análisis complejos y entrenamiento a gran escala.

El científico informático Jawad Haj Yahya, que ha probado aceleradores estadounidenses y chinos, advierte que la paridad depende de la carga de trabajo.

«La brecha es evidente y sin duda se está reduciendo. No creo que puedan ponerse al día a corto plazo», dijo.

Esta diferencia importa porque el entrenamiento es la tarea más exigente de la IA moderna. Requiere enormes recursos informáticos, conexiones muy rápidas entre procesadores y memoria de gran ancho de banda que pueda suministrarles datos sin cuellos de botella. Los análisis indican que el 910B de Huawei es sólido para la inferencia, la fase en que un modelo entrenado responde a consultas, pero tiene limitaciones de conexión entre chips y velocidad de memoria que lo hacen menos atractivo para grandes procesos de entrenamiento. Incluso el H20 de Nvidia, sujeto a restricciones, sigue siendo la opción preferida de muchos usuarios en China cuando pueden conseguirlo. Los desarrolladores nacionales afirman que el entrenamiento puede llevar semanas. El proceso ampliamente comentado de DeepSeek duró entre tres y ocho semanas en la etapa final, un esfuerzo costoso según cualquier criterio, incluso con código eficiente.

El software es otro obstáculo. Nvidia lleva años desarrollando un conjunto de herramientas, bibliotecas y programas de conexión en red en los que los desarrolladores confían a gran escala. Ese conjunto adapta las cargas de trabajo al hardware de Nvidia y acorta el camino entre el prototipo y la producción. Huawei trabaja en una respuesta con su propio marco de trabajo y ha prometido abrir más diseños y código a los desarrolladores nacionales. La adopción está creciendo, pero capacitar de nuevo a los equipos, reescribir el código y volver a validar los modelos lleva tiempo, lo que ralentiza la transición desde las plataformas consolidadas.

El ingeniero de semiconductores Raghavendra Anjanappa sostiene que China puede satisfacer muchas necesidades con chips locales, pero que el hardware estadounidense sigue siendo superior para los problemas más complejos.

«En la práctica, China puede reducir su dependencia de los chips estadounidenses en herramientas menos avanzadas, pero no cuenta con el rendimiento bruto de los chips de Estados Unidos para entrenar sistemas de IA más complejos», dijo.

Los cuellos de botella en la fabricación que frenan a China

Un segundo grupo de limitaciones se encuentra en las fábricas. Los controles de Estados Unidos y los Países Bajos restringen el acceso a equipos avanzados de litografía que se utilizan para producir los transistores más pequeños. Esto obliga a las fábricas chinas de semiconductores a llevar al límite máquinas más antiguas mediante la repetición de patrones, un proceso más lento, más caro y que produce menos chips funcionales por oblea. Según analistas que siguen la fabricación, el rendimiento de las fábricas chinas para los grandes procesadores de IA ha mejorado, pero sigue muy por debajo de los niveles alcanzados por los líderes mundiales. Informes de este año describen un aumento del rendimiento de alrededor del 20 % al 40 % para un nuevo chip de Huawei, mientras que las fábricas más avanzadas de otros países pueden acercarse al 60 % en dispositivos de tamaño similar. Un menor rendimiento eleva los costos y limita la cantidad de aceleradores funcionales que llegan al mercado.

El empaquetado y la memoria son igual de difíciles. Los aceleradores de IA dependen de una memoria de gran ancho de banda para suministrar datos a miles de núcleos. Los chips deben empaquetarse con técnicas avanzadas que apilan y conectan componentes mientras disipan el calor. Los equipos chinos pueden fabricar estas piezas, pero la escasez de memoria de primer nivel y las limitaciones de acceso a los equipos restringen la producción. También persisten problemas funcionales. Informes anteriores señalaron que algunos chips nacionales tienen dificultades con la conexión entre chips y la velocidad de memoria, lo que limita la eficiencia del entrenamiento a gran escala.

Ninguno de estos obstáculos es insuperable, pero superarlos requiere tiempo, capital y un flujo constante de equipos especializados. Stephen Wu, exingeniero de IA que ahora dirige una firma de inversión, resumió la lógica estratégica detrás del largo esfuerzo de Beijing.

«China quiere chips que las políticas no puedan quitarle», dijo.

Qué significa para los centros de datos y los mercados

Los operadores de centros de datos evalúan tres prioridades: rendimiento, consumo de energía y seguridad del suministro. Si un acelerador nacional ofrece una velocidad aceptable para una carga de trabajo determinada con un menor costo energético, un comprador chino tiene motivos para cambiar. Este argumento parece hoy más sólido para la inferencia y el entrenamiento de modelos más pequeños, donde los diseños a nivel de sistema pueden compensar el menor rendimiento de cada chip. Nvidia conserva la ventaja en silicio y software para entrenar modelos de vanguardia que llevan la escala al límite. El resultado es un patrón de implementación dividido en China: los proyectos más exigentes siguen buscando chips estadounidenses siempre que las políticas lo permiten.

El panorama normativo plantea nuevas decisiones para las empresas tecnológicas globales. Las normas estadounidenses más estrictas y los controles aduaneros de Beijing reducen las vías legales de suministro hacia China. Las denuncias sobre un mercado gris de aceleradores reacondicionados o reutilizados han llevado a intensificar las inspecciones en los puertos. Las dificultades para importar retrasan los plazos de expansión de los centros de datos y orientan más cargas de trabajo hacia proveedores locales. Mientras tanto, legisladores estadounidenses quieren garantizar que los clientes de su país no tengan que esperar detrás de los compradores chinos para conseguir componentes escasos, y las nuevas condiciones sobre los ingresos procedentes de China aumentan el costo de operar allí.

Nvidia, por su parte, intenta avanzar por un camino estrecho. La compañía ha buscado cumplir las normas y, al mismo tiempo, atender a sus clientes chinos con productos autorizados. Durante una visita a China este año, Jensen Huang explicó ese enfoque ante empresarios del país.

«Seguiremos haciendo un esfuerzo significativo para optimizar nuestros productos de modo que cumplan las normas y continuaremos atendiendo al mercado chino», dijo.

Plazos y escenarios

¿Cuánto tardará China en reducir la brecha en la gama más alta de la computación para IA? Los analistas ofrecen distintos plazos, pero empieza a perfilarse una opinión común. Muchos creen que las empresas chinas pueden alcanzar una autosuficiencia amplia en tareas de gama media e inferencia en unos cinco años, mientras que igualar las mejores plataformas estadounidenses de entrenamiento podría llevar bastante más tiempo. Algunos sitúan la paridad completa en procesadores, memoria de gran ancho de banda, empaquetado avanzado, conexión en red y software en la próxima década.

El impulso sobre el terreno es real. Huawei está aumentando la producción, Alibaba invierte y un grupo creciente de diseñadores, desde MetaX hasta Cambricon, está consiguiendo compradores. El apoyo del Gobierno sigue siendo sólido y la demanda interna de servicios de IA se dispara. Aun así, los cuellos de botella en equipos, rendimiento de las fábricas y ecosistemas de desarrolladores limitarán la rapidez con que se reduzca la brecha en la gama más alta del mercado. A corto plazo, el escenario más probable es un ecosistema chino más maduro que atienda una gran parte de las necesidades de IA del país, aunque persista la dependencia del hardware extranjero para los mayores procesos de entrenamiento siempre que las políticas permitan acceder a él.

El enfoque de China, dirigido por el Estado, es tanto una fortaleza como una limitación. La dirección centralizada concentra recursos en objetivos claros, pero también puede frenar las ideas arriesgadas que conducen a grandes avances. Chia Lin Yang, profesora de informática que estudia el diseño de chips, advirtió que los objetivos uniformes pueden ir en contra de la creatividad, aunque también destacó la abundancia de talento disponible.

«Puede dificultar que las ideas disruptivas rompan con lo establecido», dijo. «No se debe subestimar la capacidad de China para ponerse al día».

Puntos clave

• China invierte grandes sumas para producir chips de IA de alta gama a gran escala y reducir su dependencia de las importaciones.
• El entrenamiento del modelo de DeepSeek en 2024 mostró mejoras de eficiencia basadas en software más inteligente, no solo en un mayor número de chips.
• CloudMatrix 384 de Huawei utiliza cientos de procesadores Ascend 910C conectados mediante una red rápida para competir a nivel de sistema.
• Alibaba, MetaX, Cambricon, Tencent y Baidu impulsan aceleradores nacionales y diseños a medida para los centros de datos locales.
• Las restricciones estadounidenses ya bloquean el H20 de Nvidia y podrían obligar a los fabricantes de chips de Estados Unidos a dar prioridad a sus clientes nacionales y compartir los ingresos de algunas ventas en China.
• China ha intensificado los controles en los puertos, desalentado nuevos pedidos a Nvidia y abierto una investigación antimonopolio sobre la compañía.
• Los expertos afirman que los chips chinos son competitivos para la inferencia, pero siguen rezagados en el entrenamiento de modelos grandes y el análisis complejo.
• Entre las limitaciones de fabricación figuran un menor rendimiento, las restricciones al acceso a equipos avanzados de litografía y los cuellos de botella en la memoria de gran ancho de banda y el empaquetado.
• El software sigue siendo una ventaja clave de Nvidia, mientras Huawei abre sus diseños y herramientas para ampliar la adopción entre los desarrolladores.
• Muchos analistas prevén que China alcanzará la autosuficiencia en cargas de trabajo de gama media en unos cinco años, mientras que la paridad en la gama más alta probablemente tardará más.