Kai-Fu Lee, una de las figuras más prominentes en inteligencia artificial, presentó una tesis provocativa en una entrevista con Bloomberg: las empresas chinas de IA no necesitan construir los mejores modelos para ganar. Solo necesitan construir modelos que sean lo suficientemente buenos, lo suficientemente baratos y lo suficientemente abiertos para dominar todos los lugares donde EE. UU. no está mirando.
El argumento de Lee se reduce a una estrategia empresarial clásica aplicada a tecnología de vanguardia. Mientras las empresas estadounidenses persiguen el rendimiento de punta con presupuestos masivos y ecosistemas cerrados, los laboratorios chinos de IA están lanzando modelos de peso abierto que ofrecen el 90-95% de la capacidad a menos del 10% del costo de entrenamiento.
El libro de jugadas de eficiencia
Se informa que los equipos chinos de IA utilizan entre el 1% y el 3% de los recursos de GPU que despliegan sus contrapartes estadounidenses, logrando resultados comparables mediante una eficiencia de ingeniería extraordinaria.
Esas restricciones no son completamente voluntarias. Las restricciones estadounidenses sobre la exportación de chips han limitado el hardware disponible para los laboratorios chinos, obligándolos a extraer más rendimiento de menos recursos.
Según la evaluación de Lee, la brecha de rendimiento entre las capacidades de IA de EE. UU. y China se ha reducido a aproximadamente 3-6 meses en áreas clave. Los modelos chinos de peso abierto ahora destacan en casi todos los principales 10 benchmarks de código abierto, superando a Llama de Meta. DeepSeek y Qwen de Alibaba han surgido como los nombres a seguir, ocupando consistentemente los primeros puestos o cerca de ellos en los ranking comunitarios que los desarrolladores realmente utilizan para elegir sus herramientas.
Diferentes mercados, diferentes estrategias
La divergencia estratégica que Lee describió va más allá de la arquitectura del modelo. Las empresas estadounidenses como OpenAI, Google y Anthropic se han centrado en gran medida en ventas empresariales de alto margen, desarrollando productos para empresas de la lista Fortune 500 dispuestas a pagar precios premium por los sistemas más capaces. Por el contrario, las empresas chinas están dirigiéndose a aplicaciones de consumo y mercados en desarrollo, donde la sensibilidad al costo es el factor dominante.
La propia empresa de Lee, 01.AI, aparentemente ha internalizado esta lógica. En lugar de competir en el entrenamiento de modelos de vanguardia, la empresa se centra en desarrollar aplicaciones que aprovechan modelos existentes como DeepSeek.
Qué significa esto para el panorama de la inteligencia artificial
Las restricciones estadounidenses a la exportación de chips, diseñadas para ralentizar el desarrollo de la IA en China, podrían haber acelerado involuntariamente exactamente el tipo de innovación orientada a la eficiencia que Lee describe. Cuando no puedes comprar el mejor hardware, aprendes a hacer más con menos.
La dimensión de código abierto añade otra capa de complejidad. Los modelos de peso abierto generan efectos de red que los modelos cerrados no pueden replicar. Cada desarrollador que ajusta un modelo DeepSeek o Qwen para un caso de uso específico aporta valor al ecosistema más amplio, atrayendo a más desarrolladores, lo que atrae a más usuarios, lo que genera más señales de entrenamiento.