Algo extraño ocurrió en las últimas semanas. Comencé a notar una transformación radical en el mapa de la inteligencia artificial mundial, y no solo a nivel de modelos, sino en toda la infraestructura.

Hace ocho años, la historia de ZTE fue una lección dura. Una empresa gigante dejó de operar de la noche a la mañana debido a una prohibición estadounidense sobre los chips. Pero esta vez, la situación es completamente diferente. Cuando Estados Unidos empezó a restringir las exportaciones de NVIDIA a China, todos pensaron que el sueño de la inteligencia artificial china terminaría aquí.

Estaban equivocados.

El verdadero problema no eran los chips en sí, sino CUDA, esa plataforma de software de NVIDIA que se convirtió en la columna vertebral de toda la industria de la inteligencia artificial. Hoy en día, más del 90% de los desarrolladores de IA en el mundo están vinculados a este entorno. Es una rueda sostenible: cuanto más la usas, más fuerte se vuelve.

Pero en lugar de intentar romper esta rueda directamente, las empresas chinas eligieron un camino diferente. Comenzaron por los algoritmos.

DeepSeek es un modelo que posee 671 mil millones de operaciones, pero solo activa 37 mil millones durante su funcionamiento. El costo total de entrenamiento: solo 5.576 millones de dólares. Comparado con GPT-4, que costó 78 millones de dólares. La diferencia no está en el límite, sino en un nivel completamente diferente.

¿Y los precios? DeepSeek cobra entre 0.028 y 0.28 dólares por millón de tokens. GPT-4o cuesta 5 dólares. Claude Opus llega a 15 dólares. Simplemente, DeepSeek es entre 25 y 75 veces más barato. Esta diferencia ha causado un terremoto en el mercado de desarrolladores.

En febrero de 2026, el uso de modelos chinos en OpenRouter aumentó un 127% en solo tres semanas. Hace un año, la participación de modelos chinos no superaba el 2%. Ahora se acerca al 60%.

Pero aquí viene la parte más importante: reducir solo los costos de inferencia no resuelve el problema. El entrenamiento es el verdadero agujero negro del poder computacional.

En Changzhou, en el sureste de China, se construyó una línea de producción local completa en solo 180 días. ¿El componente principal? Procesador Loongson 3C6000 y tarjeta T100 de Taichu Yuanqi, chips 100% chinos. La productividad: un servidor cada cinco minutos.

Aquí empezó a cambiar la historia. En enero de 2026, Zhipu, en colaboración con Huawei, lanzó el modelo GLM-Image, el primer modelo avanzado para generación de imágenes entrenado completamente en chips chinos locales. Un mes después, entrenaron un enorme modelo de comunicación llamado "Estrella" en un centro de computación chino con decenas de miles de unidades de procesamiento.

Esto significa una cosa: los chips locales han pasado de la inferencia al entrenamiento. Un cambio cualitativo real.

La fuerza impulsora de todo esto es Huawei Ascend. Para finales de 2025, el número de desarrolladores en el entorno Ascend superaba los 4 millones. Más de 3000 empresas trabajan con él. 43 modelos principales entrenados sobre Ascend. Y en marzo de 2026, Huawei lanzó una nueva arquitectura de computación llamada SuperPoD.

Descargar el paquete de actualizaciones de Huawei significa que los procesadores Ascend 910B alcanzaron el nivel del NVIDIA A100 en potencia de procesamiento. La brecha no ha desaparecido, pero pasó de ser inusable a ser usable de manera efectiva.

Ahora viene la parte más interesante: la energía.

Estados Unidos enfrenta una verdadera crisis eléctrica. Los centros de datos estadounidenses consumieron 183 teravatios-hora en 2024, aproximadamente el 4% de toda la electricidad. Se espera que esto se duplique para 2030. El CEO de Arm predice que los centros de datos de IA consumirán entre el 20 y el 25% de la electricidad de Estados Unidos para 2030.

China produce 10.4 billones de kilovatios-hora al año. Estados Unidos produce 4.2 billones. China produce 2.5 veces más que EE. UU. Lo más importante: solo el 15% del consumo eléctrico chino se destina a hogares, frente al 36% en EE. UU. Esto significa una enorme energía industrial que puede dirigirse a la computación.

El costo de electricidad en las zonas de concentración de empresas de IA en EE. UU. oscila entre 0.12 y 0.15 dólares por kilovatio-hora. En el oeste de China, los precios industriales rondan los 0.03 dólares. Una cuarta parte a una quinta parte del precio estadounidense.

La descarga del paquete de actualizaciones de Huawei y la nueva infraestructura china significan que la IA china no sale al exterior con productos o fábricas, sino con tokens. Unidades pequeñas de procesamiento de datos, producidas en fábricas de computación chinas, y luego transmitidas por cables submarinos al resto del mundo.

Solo DeepSeek tiene 26,000 empresas globales como clientes, y 3,200 instituciones que usaron la versión empresarial. En China, domina el 89% del mercado. En países sancionados, entre el 40 y el 60%. En 2025, el 58% de las startups de IA integraron DeepSeek en su infraestructura tecnológica.

Esto me recuerda otra guerra por la independencia industrial. En 1986, Japón firmó un acuerdo de semiconductores con EE. UU. Japón controlaba el 51% del mercado mundial en 1988. Hoy, su participación es inferior al 7%.

¿Y por qué? Porque Japón aceptó ser el mejor productor en un sistema global dominado por una potencia, pero no construyó un sistema ambiental independiente.

China, esta vez, elige un camino completamente diferente. Desde mejoras en algoritmos, pasando por el salto de los chips locales de la inferencia al entrenamiento, hasta 4 millones de desarrolladores en el sistema Ascend, y la expansión global de tokens.

Cada paso construye un sistema industrial independiente.

El 27 de febrero de 2026, tres empresas chinas de chips publicaron informes de rendimiento en el mismo día. Los ingresos aumentaron en porcentajes enormes: 453%, 243%, 121%. Pero también hubo grandes pérdidas. La mitad de los resultados son fuego, la otra mitad agua.

El fuego: el mercado necesita urgentemente una alternativa a NVIDIA. El vacío del 95% se va llenando poco a poco.

El agua: cada pérdida es una inversión real en construir un sistema ambiental independiente. Investigación y desarrollo, soporte de software, ingenieros en el campo resolviendo problemas de traducción una tras otra.

Estas pérdidas no son mala gestión. Son un impuesto de guerra que hay que pagar.

Hace ocho años, preguntábamos: ¿Podremos sobrevivir?

Hoy la pregunta es diferente: ¿Cuánto debemos pagar para sobrevivir?

El mismo precio es el progreso.