Estaba leyendo sobre la historia de ZTE hace poco y se me ocurrió una idea extraña: la guerra por los chips hoy no es la misma que hace 8 años.

¿Recuerdan la historia de ZTE? En abril de 2018, el Departamento de Comercio de EE. UU. emitió una prohibición muy leve: sin chips, sin software, nada de EE. UU. Una empresa con 80,000 empleados y ingresos que superan el billón de yuanes dejó de operar en un día. Sin chips Qualcomm, no hay estaciones base; sin la licencia de Android de Google, no hay teléfonos. Todo colapsó. Solo tomó 23 días para que ZTE admitiera que sus operaciones principales ya no eran posibles. Pagaron 1.4 mil millones de dólares para seguir en marcha.

Pero esta vez, la guerra contra la inteligencia artificial avanza de una manera completamente diferente.

Cuando EE. UU. impuso las primeras restricciones a las exportaciones de chips NVIDIA A100 y H100 en octubre de 2022, todos pensaron que era el fin. Luego vino la segunda ronda en octubre de 2023, y la tercera en diciembre de 2024. La escalada continúa, el bloqueo se intensifica. Pero esta vez, las empresas chinas no se rindieron — eligieron un camino más difícil.

El verdadero problema no son los chips en sí, sino algo llamado CUDA. Es un sistema de cálculo desarrollado por NVIDIA desde 2006, y se ha convertido en la base de toda la industria de la inteligencia artificial. Todos los frameworks principales, desde TensorFlow de Google hasta PyTorch de Meta, están profundamente ligados a CUDA. El doctorando especializado en IA empieza desde el primer día aprendiendo en un entorno CUDA. Cada línea de código que escribe refuerza el monopolio de NVIDIA. Para 2025, hay 4.5 millones de desarrolladores en el sistema CUDA, utilizados por más de 40,000 empresas en todo el mundo. Más del 90% de los desarrolladores de IA en el mundo están vinculados a NVIDIA.

Este es el verdadero foso. CUDA es una rueda sostenible: cuanto más la usan los desarrolladores, más herramientas y bibliotecas se crean, y más florece el ecosistema, atrayendo a más desarrolladores. Una vez que esta rueda empieza a girar, es casi imposible detenerla.

Pero los chinos encontraron una forma de salir de este aprieto — y no fue intentando competir directamente con NVIDIA en los chips.

La solución vino de los algoritmos. Desde finales de 2024 hasta 2025, todas las empresas de IA chinas se pasaron a modelos de expertos híbridos. La idea es simple: en lugar de activar todo el modelo, dividirlo en varios pequeños expertos y activar solo los más relevantes para la tarea. DeepSeek V3 es un ejemplo claro: 671 mil millones de parámetros, pero solo activa 37 mil millones durante la inferencia. Solo el 5.5% del tamaño completo.

¿El resultado? costos de entrenamiento muchísimo menores. DeepSeek usó 2048 unidades de procesamiento H800 y entrenó durante 58 días a un costo de 5.576 millones de dólares. GPT-4 costó aproximadamente 78 millones de dólares. Una diferencia de nivel completo. Y esto se reflejó directamente en los precios: DeepSeek es de 25 a 75 veces más barato que Claude. En febrero de 2026, la participación de los modelos chinos en OpenRouter, la mayor plataforma de APIs globales, subió un 127% en solo tres semanas. Hace un año, su participación era menor al 2%. Ahora se acerca al 60%.

Pero esto solo es para la inferencia. El problema del entrenamiento aún persiste.

Aquí entra en juego la fabricación local de chips. En 2025, una empresa local empezó a construir una línea de producción de 148 metros en Qianxiu — desde la firma hasta la producción en solo 180 días. Procesador Loongson 3C6000 completamente local, y tarjeta T100 de Taichu Yuanqi de la Universidad de Tsinghua. La línea produce cinco servidores por minuto, con una inversión de 1.1 mil millones de yuanes, y un objetivo de 100,000 unidades al año.

Lo más importante: estos chips ya están realizando tareas de entrenamiento reales. En enero de 2026, Zhipu AI lanzó junto con Huawei el modelo GLM-Image, el primer modelo avanzado para generación de imágenes entrenado completamente con chips chinos locales. En febrero, se entrenó un modelo gigante "de estrellas" en un superordenador chino con decenas de miles de unidades de procesamiento.

Esto es un cambio de paradigma. La inferencia requiere chips normales, pero el entrenamiento necesita una potencia de cálculo enorme y un ancho de banda muy alto. Esto eleva los requisitos diez veces. Huawei Ascend es la solución clave aquí. Para finales de 2025, el número de desarrolladores en el ecosistema Ascend superó los 4 millones, con más de 3,000 socios, 43 modelos principales entrenados en Ascend, y más de 200 modelos de código abierto adaptados. En el MWC de marzo de 2026, Huawei lanzó la nueva arquitectura SuperPoD. La potencia de procesamiento de Ascend 910B alcanzó el nivel de NVIDIA A100. La brecha todavía existe, pero pasó de ser "inutilizable" a "fácilmente utilizable".

No podemos esperar a que los chips sean perfectos. Hay que comenzar a desplegarlos ampliamente cuando sean suficientes, y usar las necesidades reales del negocio para impulsar el desarrollo. ByteDance, Tencent y Baidu planean duplicar la importación de servidores de computación local en 2026. El Ministerio de Industria y Tecnología de la Información anunció que el volumen de computación inteligente en China alcanzó los 1590 EFLOPS. 2026 será un año clave para la expansión de la computación local.

Y hay otro factor que nadie ha notado: la electricidad.

A principios de 2026, Virginia suspendió la aprobación para nuevos proyectos de centros de datos. Le siguieron Georgia, Illinois y Michigan, que impusieron medidas restrictivas. El consumo energético de los centros de datos en EE. UU. alcanzó los 183 TWh en 2024, aproximadamente el 4% del total. Se espera que se duplique para 2030, llegando a 426 TWh, y podría superar el 12%. El CEO de Arm predijo que los centros de datos de IA consumirán entre el 20 y el 25% de la electricidad de EE. UU. para 2030. La red eléctrica estadounidense ya está sobrecargada. La red PJM, que cubre 13 estados, enfrenta una escasez de capacidad de 6 GW. Para 2033, EE. UU. enfrentará una brecha de 175 GW. Los costos de electricidad al por mayor han subido un 267% en las zonas de los centros de datos.

China está en una situación completamente opuesta. La producción anual de electricidad es de 10.4 billones de kWh, frente a 4.2 billones en EE. UU. China produce 2.5 veces más que EE. UU. El consumo doméstico en China representa solo el 15% del total, mientras que en EE. UU. es el 36%. Esto significa que hay mucha más energía industrial disponible para la computación. Los precios de la electricidad en las zonas de IA en EE. UU. oscilan entre 0.12 y 0.15 dólares por kWh. En el oeste de China, alrededor de 0.03 dólares — una cuarta parte a una quinta parte del precio estadounidense.

Mientras EE. UU. enfrenta una crisis eléctrica, la IA china avanza silenciosamente hacia el exterior. Pero esta vez, lo que sale no es el producto o la fábrica, sino Token — la unidad más pequeña que procesan los modelos de IA. Se produce en fábricas de computación chinas y luego viaja por cables submarinos alrededor del mundo.

La distribución de usuarios de DeepSeek cuenta una historia clara: 30.7% en China, 13.6% en India, 6.9% en Indonesia, 4.3% en EE. UU., 3.2% en Francia. Soporta 37 idiomas, muy popular en mercados emergentes como Brasil. 26,000 empresas globales tienen cuentas, 3,200 instituciones usaron la versión empresarial. En 2025, el 58% de las nuevas startups de IA integraron DeepSeek en su infraestructura. En China, DeepSeek domina el 89% del mercado. En países bajo sanciones, la participación varía entre 40 y 60%.

Esto es exactamente como la guerra por la independencia industrial hace 40 años. En Tokio 1986, el gobierno japonés firmó un acuerdo con Semiconductores estadounidenses y japoneses bajo una enorme presión estadounidense. Los puntos clave: abrir el mercado de semiconductores para que EE. UU. tuviera al menos un 20% de participación, prohibir la exportación de chips japoneses con licencias por debajo del coste, imponer aranceles punitivos del 100% sobre exportaciones por 300 millones de dólares. Al mismo tiempo, EE. UU. rechazó la adquisición de Fujitsu por parte de Fairchild.

En 1988, Japón controlaba el 51% del mercado mundial de semiconductores, EE. UU. solo el 36.8%. De las diez mayores empresas, Japón ocupaba seis lugares — NEC en segundo, Toshiba en tercero, Hitachi en quinto, Fujitsu en séptimo, Mitsubishi en octavo, Matsushita en noveno. Pero tras el acuerdo, todo cambió. EE. UU. usó la Ley 301 y presionó en conjunto, mientras apoyaba a Samsung y Hynix en Corea para que bajaran precios y compitieran. La participación de Japón en DRAM cayó del 80% al 10%. Para 2017, la cuota de Japón en el mercado de IC era solo del 7%. Los gigantes se retiraron, ya sea por división, adquisición o salida frustrada.

La tragedia de Japón fue aceptar ser el mejor productor en un sistema global dominado por una sola potencia, sin pensar en construir un sistema independiente propio. Cuando la marea se retiró, se dieron cuenta de que no tenían nada más que la producción.

Hoy, China se encuentra en una encrucijada similar, pero completamente diferente. Enfrentamos enormes presiones externas — tres rondas de restricciones en chips con escaladas continuas. Pero esta vez, elegimos un camino más difícil: desde mejoras en algoritmos, hasta saltos en chips locales desde inferencia a entrenamiento, pasando por 4 millones de desarrolladores en el sistema Ascend, hasta la expansión global de Token. Cada paso construye un sistema industrial independiente que Japón nunca tuvo.

El 27 de febrero de 2026, tres empresas locales de chips publicaron informes de rendimiento en el mismo día. Los resultados son mixtos — la mitad, fuego; la otra mitad, agua. La primera aumentó sus ingresos un 453% y obtuvo beneficios por primera vez. La segunda creció un 243% pero perdió mil millones en neto. La tercera creció un 121% y perdió 800 millones.

El vacío del 95% dejado por el monopolio de NVIDIA se llena gradualmente con cifras de empresas locales. Independientemente del rendimiento actual, el mercado necesita una alternativa. Una oportunidad estructural muy rara que surge de las tensiones geopolíticas.

Las pérdidas financieras no son un fracaso de gestión — son un impuesto de guerra que hay que pagar para construir un ecosistema independiente. Inversiones en I+D, apoyo a software, costos humanos de ingenieros resolviendo problemas de traducción una y otra vez. Estos informes financieros reflejan con mayor sinceridad la verdadera imagen de esta guerra por el poder de la computación que cualquier otro reporte industrial. No es una victoria inspiradora, sino una batalla feroz que se libra en las líneas frontales, con sangre derramada.

Pero la forma en que se libra la guerra ya ha cambiado. Hace 8 años, preguntábamos "¿Podemos sobrevivir?". Hoy, la pregunta es "¿A qué precio debemos quedarnos?". El mismo precio es progreso.