Hace apenas 6 meses, DeepSeek revolucionó el mundo de la Inteligencia Artificial. Su modelo razonador, DeepSeek-R1, provocaba un auténtico terremoto, no solo tecnológico sino también geopolítico y económico.
Las causas de su impacto a nivel mundial fueron principalmente dos:
Por un lado, se trataba de un modelo de código abierto, con todo lo que ello significaba: no solo era gratuito sino que compartieron con todos el pipeline del entrenamiento del modelo, los scripts, e incluso los pesos que permitían a cualquier desarrollador utilizarlo como base para cualquier proyecto.
Por otro, China demostraba con ese lanzamiento que podía hacer “más con menos” y que, si EEUU le imponía restricciones en cuanto al hardware, podían responder haciendo modelos tan eficientes que no se viera afectado por esos límites.
Todo esto supuso una gran lección para el mundo occidental, que obtuvo incluso el reconocimiento de las grandes empresas tecnológicas americanas admitiendo su superioridad. China se ponía en cabeza de la carrera de la IA, al demostrar que podía hacer modelos mejores, a pesar de “jugar con peores cartas”.
Pero parece que la historia que comenzó con DeepSeek puede tener ahora un segundo capítulo, esta vez protagonizado no por un nuevo modelo, sino por los chips, y puede que esto culmine con un hito incluso más importante del que vivimos a principios de 2025.
Vamos a explicar el contexto para entender bien la importancia de este movimiento.
Cuando hablamos de procesadores existen las CPUs (el cerebro de un ordenador que actúa de forma secuencial, una detrás de otra) y de GPUs (un procesador más avanzado que permite ejecutar tareas en paralelo, es decir, a la vez) que son las que se necesitan cuando hablamos de Inteligencia Artificial.
Nvidia es la empresa más conocida de GPUs y es norteamericana.
Pero Nvidia no fabrica los chips, únicamente los diseña, encargando su fabricación a TSMC una empresa ubicada en Taiwan a la que EEUU no le permite la venta de los modelos avanzados de GPUs a China (basándose en una ley que le impide exportar libremente sus productos a China que se hayan realizado con tecnología y patentes estadounidenses).
Para China, este veto fue, lejos de un impedimento, una motivación para desarrollar modelos superiores en calidad y en eficiencia, dando con ello una lección a todo el planeta.
El mensaje fue contundente: «Si no me vendes tu mejor hardware, optimizaré mi software con el que tenga disponible.» Y así fue como DeepSeek demostró que la ingeniería algorítmica puede compensar la carencia de GPUs de élite.
Esa lección allanó el camino para el segundo paso que parece estar cada vez más cerca: que China ahora empiece a competir también en el lado del hardware.
Y aquí es donde entra en escena Huawei, y como siempre, lo hace con hechos, no con promesas.
Contrario a lo que se cree, Huawei no es nueva en el mundo de los chips. Su división HiSilicon lleva una década diseñando procesadores para móviles. En 2019 entró en el mundo de la IA con los chips Ascend, aceleradores de IA (NPUs), diseñados específicamente para entrenar y ejecutar redes neuronales en centros de datos.
Las NPUs de Huawei ya han demostrado mayor eficiencia energética, latencia más baja, y otras muchas ventajas que las sitúa incluso por delante de las GPUs de Nvidia.
¿Por qué esto es tan importante? Porque no se trata solo de un movimiento tecnológico, sino que trae consigo implicaciones aún mayores.
Fabricación en casa.
Si China desarrolló modelos superiores sin contar con el hardware más avanzado, es fácil imaginar que contar con el mejor software les puede poner en cabeza de la carrera de la IA, pero esto se une a la ventaja de que fabrican en casa, no dependen de terceros.
Ya se han confirmado tres plantas en el distrito de Guanlan (Shenzhen), una de ellas 100% de Huawei y otras dos en las que Huawei tiene prioridad, el 60% de los turnos y mínimo un tercio de la producción.
Ecosistema de software.
El 90 % de los programas de IA escritos en la última década están compilados para CUDA, la capa que permite a las GPU de Nvidia entender las órdenes del modelo. Si cambias de chip, ese mismo software ya no funciona tal cual: hay que recompilar los kernels o reescribirlos.
Para evitar ese muro de entrada, Huawei desarrolla CANN, su equivalente a CUDA, y mantiene un fork oficial de PyTorch capaz de traducir gran parte de los operadores de forma automática. Así, quien ya tenga modelos en PyTorch puede migrar con apenas tres comandos.
La ventaja estratégica es doble: Huawei controla el hardware (Ascend) y el software que lo hace útil, reduciendo la dependencia de Nvidia y bajando el coste de adopción para empresas y universidades.
Talento repatriado
Otro de los puntos que no debería pasar inadvertido es el talento.
Como admitió hace unos días Bill Dally, chief scientist de Nvidia, la proporción de investigadores de IA radicados en China ha pasado de un tercio del total mundial en 2019 a casi la mitad en 2025.
Jensen Huang lo resumió durante Computex: «Si los científicos chinos no pueden comprar suficiente Nvidia, usarán sus propios chips, y Huawei se ha vuelto francamente formidable».
La combinación de fuga de talento y veto comercial (sobre todo el que canceló el superchip H20) está, por tanto, reforzando la posición de Huawei y disminuyendo la distancia tecnológica. Nvidia ha reconocido la fuga de investigadores hacia Huawei y esto se traduce, según la propia compañía, en pérdidas adicionales de hasta 8 000 M USD en el próximo trimestre.
Eso significa que la innovación cruza el Pacífico… de regreso.