La publicación del AI Index Report 2025 de Stanford University, de interesante lectura, ha puesto de manifiesto una tendencia inquietante para Estados Unidos: aunque sigue liderando en la producción de modelos de inteligencia artificial de vanguardia, China está cerrando la brecha a un ritmo alarmante. En 2024, las instituciones estadounidenses produjeron cuarenta modelos de inteligencia artificial significativos, mientras que China desarrolló quince, y Europa tan solo tres. Y 2025 parece estar mostrando, en ese sentido, tendencias muy diferentes.
Pero más allá de las cifras, es importante analizar las estrategias divergentes que ambas naciones están adoptando en el desarrollo de la inteligencia artificial. Las empresas estadounidenses, encantadas por su aparente superioridad derivada de las restricciones que imponen a China, han optado por una estrategia de fuerza bruta: invertir sumas astronómicas en la ampliación de centros de datos y en el entrenamiento de modelos cada vez más grandes, bajo la premisa de que más datos y más potencia de cálculo, via escalado, equivalen a mejores resultados. Esta mentalidad refleja una falta de innovación y una dependencia peligrosa de los recursos disponibles.
Por otro lado, China, enfrentando restricciones que limitan su acceso a los chips más avanzados, ha adoptado un enfoque más ingenioso y eficiente, con procedimientos mejorados que implican una eficiencia que necesitan desesperadamente, pero que consiguen gracias a más innovación. Empresas como DeepSeek han desarrollado modelos que rivalizan con los mejores modelos norteamericanos, a pesar de las limitaciones en recursos computacionales. Este enfoque no solo demuestra una capacidad de adaptación encomiable, sino que también pone en evidencia la rigidez y falta de creatividad del sector tecnológico estadounidense. Es muy sintomático ver cómo perciben desde China el futuro de los Estados Unidos…
DeepSeek logró desarrollar su modelo R1 con recursos limitados, desafiando la suposición de que las restricciones tecnológicas frenarían el progreso chino. Este fenómeno puede explicarse mediante la Paradoja de Jevons, que postula que las mejoras en la eficiencia del uso de un recurso pueden incrementar su consumo total. En el contexto de la inteligencia artificial, al desarrollar modelos más eficientes que requieren menos recursos, China no solo optimiza el uso de su hardware limitado, sino que también acelera la adopción y aplicación de la inteligencia artificial en diversos sectores. Mientras tanto, los Estados Unidos siguen atrapados en su burbuja de abundancia, sin darse cuenta de que la verdadera innovación surge de la necesidad y la restricción.
China está demostrando con hechos algo que a Estados Unidos parece escapársele por completo: la verdadera innovación no surge simplemente de amontonar servidores y multiplicar los teraflops, sino de combinar ingeniosamente técnicas estadísticas, matemáticas y estratégicas. Empresas como Huawei y Alibaba han desarrollado aceleradores específicos para inteligencia artificial, como las arquitecturas de chips Ascend y Hanguang, antiguas pero en evolución y diseñadas precisamente para procesos neuronales, tratando de probar que una GPU genérica no es necesariamente la mejor solución. Mientras las empresas norteamericanas queman recursos entrenando modelos gigantescos siguiendo ciegamente las leyes del escalado, China exprime cada ciclo de computación mediante técnicas como pruning, cuantización y knowledge distillation, haciendo que modelos complejos puedan correr incluso en dispositivos móviles mediante variantes inteligentes como MobileNet o TinyML.
Y mientras en Silicon Valley muchos se obsesionan con entrenar modelos cada vez más grandes sin reparar en la factura energética, en Shenzhen o Beijing priorizan el aprendizaje federado para preservar privacidad y eficiencia en sectores sensibles como fintech o salud. Además, se apoyan en métodos avanzados como Neural Architecture Search (NAS) o hybrid swarm algorithms, capaces de ofrecer un rendimiento notable por unidad computacional empleada. El resultado: modelos eficientes y perfectamente adaptados a tareas específicas, como ERNIE de Baidu, que supera claramente a BERT en tareas en chino gracias a la integración de grafos de conocimiento que capturan matices semánticos únicos del mandarín.
Además, la colaboración entre China y Rusia en el ámbito de la IA, ejemplificada por la asociación entre DeepSeek y Sberbank, subraya cómo la innovación impulsada por la necesidad puede extender la influencia tecnológica de China en mercados emergentes. Mientras Estados Unidos se enfoca en mantener su supremacía mediante restricciones y sanciones, China está construyendo alianzas estratégicas y desarrollando tecnologías y mercados que desafían el statu quo. Parece evidente que la estrategia norteamericana de confiar en la simple ampliación de recursos y en la imposición de restricciones a sus competidores no solo es ineficaz, sino que también está fomentando la necesidad de más innovación en aquellos a quienes pretende frenar.
Obviamente, no todo es favorable para China. La censura gubernamental ralentiza en cierta medida su progreso en IA, ya que las empresas enfrentan revisiones exhaustivas de sus modelos por parte de reguladores estatales. Pero por otro lado, es evidente que la estrategia americana de confiar en la simple ampliación de recursos y en la imposición de restricciones a sus competidores no solo es ineficaz y tremendamente derrochadora, sino que, además, está fomentando la innovación en aquellos a quienes pretende frenar. China, enfrentando desafíos significativos, está demostrando que la verdadera innovación surge de la necesidad y la adaptabilidad, mientras que los Estados Unidos corren el riesgo de quedarse atráspor su falta de visión y flexibilidad.
* Enrique Dans es Profesor de Innovación en IE Business School desde el año 1990. Tras licenciarse en Ciencias Biológicas por la Universidade de Santiago de Compostela, cursó un MBA en el Instituto de Empresa, se doctoró (Ph.D.) entre 1996 y 2000 en Sistemas de Información en UCLA, y desarrolló estudios postdoctorales en Harvard Business School. En su trabajo como investigador, divulgador y asesor estudia los efectos de la innovación tecnológica sobre las personas, las empresas y la sociedad en su conjunto. Además de su actividad docente y como Senior Advisor en Innovación y Transformación Digital en IE Business School, Enrique es profesor visitante en la Escuela Diplomática en España y en la Universidad de Oxford en el Reino Unido, desarrolla labores de asesoría en varias startups y compañías consolidadas, es colaborador habitual en numerosos medios de comunicación nacionales e internacionales en temas relacionados con la red y la tecnología. Incluido en la lista Forbes de mejores influencers en 2019, 2020, 2021 y 2022, escribe diariamente desde el año 2003 en su página personal, enriquedans.com, una de las más populares del mundo sobre innovación en lengua española.
Fuente: Enrique Dans
