De los semiconductores a los modelos fundacionales: la nueva frontera del desacople
Lo que comenzó en octubre de 2022 como un cerco a las GPU de alto rendimiento —primero la H100, luego la H800 diseñada específicamente para el mercado chino— se ha convertido en una carrera por replicar toda la pila tecnológica: hardware, datos, talento y marco regulatorio. La apuesta estadounidense era clara: sin acceso a los mejores chips, los laboratorios chinos no podrían entrenar modelos frontier que compitieran con OpenAI o Anthropic. La evidencia de 2025-2026 sugiere lo contrario.
DeepSeek-V3.2, presentado en diciembre de 2025, introduce DeepSeek Sparse Attention (DSA), un mecanismo que reduce drásticamente la complejidad computacional en contextos largos sin degradar el rendimiento. El modelo alcanza paridad con GPT-5 en benchmarks de razonamiento y su variante Speciale iguala a Gemini-3.0-Pro, logrando medalla de oro en la Olimpiada Matemática Internacional 2025 y en la de Informática. Lo hizo asignando más del 10 % del presupuesto de pre-entrenamiento a una fase de post-training con aprendizaje por refuerzo escalable y sintetizando 85.000 prompts agentivos en 1.800 entornos distintos.
En paralelo, Alibaba lanzó en agosto de 2026 Qwen 3.8-Max, un Mixture-of-Experts de 2,4 billones de parámetros —con pesos abiertos previstos para días después— que compite directamente con GPT-5 y Claude Fable 5. En 2024 los modelos chinos estaban un escalón por debajo; en 2025 DeepSeek R1 igualó el razonamiento de GPT-4; en 2026 la brecha se ha cerrado en la mayoría de benchmarks públicos.
Arquitectura de una pila soberana: hardware, datos, talento y marco regulatorio
Una pila soberana no es solo un modelo abierto. Requiere silicio propio, centros de datos, frameworks de entrenamiento, corpus nacionales y regulación que obligue o incentive su adopción. China ha avanzado en los cuatro frentes. Huawei Ascend 910C y los chips de Biren Technology ya operan en clústeres de miles de unidades; Alibaba Cloud usa Trainium de AWS fuera de China y Ascend dentro. El talento se concentra en laboratorios respaldados por capital doméstico —DeepSeek cerró 7.400 millones USD en junio de 2026—. Y el marco regulatorio, desde la ley de seguridad de datos hasta los requisitos de registro de algoritmos, crea un mercado cautivo para la pila local.
Estados Unidos, en cambio, ha apostado por controles de exportación, alianzas (AUKUS, Quad) y la ley CHIPS. Pero su reindustrialización tiene una paradoja: el EPIC Center de Applied Materials, una instalación de 5.000 millones en Silicon Valley para acortar el ciclo de 10-15 años de desarrollo de memoria avanzada, tiene como socios fundadores a Micron (EE. UU.), Samsung y SK Hynix (Corea del Sur). TSMC expande en Arizona mientras Intel, la gran fundición nacional, sigue dependiendo de las máquinas EUV de ASML (Países Bajos). El músculo para la soberanía americana sigue viniendo, en buena medida, de aliados asiáticos y europeos.
Estados Unidos: controles de exportación, alianzas y ley CHIPS
La administración Biden endureció los controles en 2023-2024 cerrando el acceso a H800 y A800, y la tendencia continuó en 2025-2026. La ley CHIPS inyecta 52.000 millones USD en fabricación e I+D, pero los plazos de maduración de una fab de vanguardia superan la cadencia política. El EPIC Center busca acelerar la memoria de alto ancho de banda (HBM) crítica para IA: SK Hynix investiga materiales y empaquetado 3D; Micron, HBM, NAND y DRAM; Samsung, HBM4 ya en producción para la plataforma Vera Rubin de NVIDIA. La apuesta es acortar ciclos, pero la propiedad intelectual y la capacidad de escalado siguen concentradas en manos no estadounidenses.
China: autosuficiencia en GPUs, modelos abiertos y cadena de suministro paralela
La respuesta china ha sido dual: eficiencia algorítmica y silicio propio. DSA en DeepSeek-V3.2 permite atender 128.000 tokens seleccionando solo 2.048 claves-valor por consulta, tras ser entrenado con 943.700 millones de tokens en fase sparse. Qwen 3.8-Max usa arquitectura MoE donde, si sigue el patrón de DeepSeek V4 Pro (1,6 billones totales, 49.000 millones activos, ~3 %), el coste de inferencia resulta manejable. La versión de 27B parámetros cabe en 2-3 GPU de consumo, democratizando el despliegue local.
En hardware, Ascend 910C y Biren cubren entrenamiento e inferencia a escala de clúster. El capital fluye: 7.400 millones USD para DeepSeek, fondos soberanos para Moonshot (Kimi K3) y Zhipu. La cadena de suministro paralela ya no es teórica: entrenan, sirven y comercializan sin tocar silicio estadounidense de última generación.
Robótica encarnada: el siguiente vector geopolítico de la autonomía estratégica
Los benchmarks agentivos de DeepSeek-V3.2 —Terminal-Bench 2.0, Tool Decathlon, SWE-Verified— miden uso de herramientas, navegación en entornos y resolución de issues reales de software. La síntesis masiva de tareas agentivas (1.800 entornos, 85.000 prompts) anticipa el salto a la robótica encarnada: modelos que razonan, planifican y actúan en el mundo físico. Quien controle la pila foundation model + simulación + hardware de bajo nivel definirá la manufactura autónoma, la logística y la defensa. China integra ya modelos abiertos en plataformas robóticas industriales; EE. UU. canaliza inversión vía DARPA y defense tech startups. La fragmentación de estándares —ROS 2 vs. marcos propietarios chinos, formatos de checkpoint, APIs de control— será tan decisiva como la de los chips.
Europa y el 'Global South': terceros actores, dependencias y estrategias de no alineación
Europa alberga a ASML, el cuello de botella litográfico, pero carece de hyperscalers y modelos frontier propios. Su apuesta: regulación (AI Act), computación pública (EuroHPC) y open source como palanca de soberanía. Anu Bradford señala que el «efecto Bruselas» exporta normas, pero no garantiza capacidad de cómputo. India, Brasil y el Sudeste Asiático compran GPU a EE. UU. y modelos abiertos a China, buscando multi-alignment: usan Qwen 3.8-27B en servidores locales con chips chinos o estadounidenses según precio y disponibilidad, y entrenan fine-tunes en lenguas locales. La no alineación técnica se vuelve estrategia comercial.
Escenarios de fragmentación: estándares divergentes, coste de innovación y riesgos de seguridad
Dos pilas paralelas implican duplicación de I+D: cada avance en sparse attention, RL escalable o HBM debe replicarse o licenciarse cruzadamente, encareciendo la innovación global. Los benchmarks dejan de ser comparables si los conjuntos de evaluación divergen (IMO/IOI chinos vs. frontier benchmarks occidentales). En seguridad, la opacidad de los weights abiertos chinos —sin red-teaming coordinado internacional— y la dependencia occidental de supply chains aliadas pero extranjeras crean superficies de ataque asimétricas. El escenario central no es la victoria de un bando, sino una bifurcación gestionada: interoperabilidad mínima en capas bajas (redes, contenedores), incompatibilidad deliberada en capas altas (modelos, frameworks agentivos, toolchains robóticos). Quien domine la capa de embodiment —donde el software toca el hardware físico— definirá la productividad de la próxima década.
