¿Por qué China desafía a EE. UU. con una IA más barata y eficiente?

China no ha encontrado una fórmula mágica para desarrollar inteligencia artificial sin gastar electricidad, agua ni miles de millones. Sus centros de datos también crecen deprisa y su consumo energético se dispara. Pero hay una diferencia que empieza a pesar en la carrera tecnológica: buena parte de la industria china está intentando obtener más IA por cada chip, cada vatio y cada dólar, en lugar de confiar únicamente en construir máquinas cada vez más gigantescas.

Ese matiz cambia bastante la fotografía. El debate occidental suele girar alrededor de megacentros de datos, nuevas centrales eléctricas y proyectos capaces de consumir tanta energía como ciudades enteras. China también levanta grandes instalaciones —muchas—, pero combina esa expansión con modelos de IA baratos, arquitecturas más eficientes, abundante generación eléctrica y una política deliberada de llevar parte de la computación hacia regiones donde sobran terreno, viento y sol. No es una historia de pequeños servidores chinos contra monstruos estadounidenses. Es bastante más interesante.

Y también menos cómoda. Porque el éxito de DeepSeek, Alibaba y otros laboratorios ha puesto sobre la mesa una cuestión que Silicon Valley preferiría no responder demasiado pronto: hasta qué punto hace falta seguir aumentando brutalmente el tamaño y el coste de la infraestructura para conseguir mejores sistemas de IA.

China también tiene un problema energético con la IA

La imagen de una China que desarrolla inteligencia artificial casi artesanalmente, mediante discretos centros de datos conectados a la electricidad que ya existe, resulta atractiva. También resulta engañosa. El país está desplegando capacidad informática a enorme velocidad.

Datos difundidos por organismos chinos indican que a finales de 2025 había más de 13,73 millones de racks estándar de infraestructura informática en funcionamiento y que los centros de datos consumieron unos 196 teravatios hora de electricidad durante el año, alrededor del 1,9% del consumo eléctrico nacional. La demanda había aumentado un 18,1% interanual.

La Agencia Internacional de la Energía ya había advertido de la dirección del viaje. Estimó que los centros de datos chinos consumieron más de 100 TWh en 2024 y señaló que ese consumo podía duplicarse hacia 2027, aunque reconocía una considerable incertidumbre en las previsiones.

Es decir, China sí tiene un problema de energía asociado a la computación. Simplemente parte de una posición distinta.

Su sistema eléctrico es gigantesco y continúa expandiéndose. A finales de junio de 2026, China tenía 2.455 gigavatios de capacidad renovable instalada, el 60,7% de toda su capacidad eléctrica. Solo la eólica y la solar sumaban aproximadamente 1.951 GW. Eso no significa que toda esa electricidad esté disponible permanentemente para alimentar inteligencia artificial —potencia instalada y energía realmente producida son cosas diferentes—, pero proporciona un colchón que Estados Unidos no posee en la misma escala.

Tampoco todo reluce bajo el sol del Gobi. China sigue dependiendo ampliamente del carbón y su red tiene problemas para absorber toda la electricidad renovable que produce. En el primer semestre de 2026 se desperdiciaron cantidades enormes de generación limpia por limitaciones de transmisión y almacenamiento. Así que la paradoja es curiosa: puede existir energía renovable sobrante en una provincia mientras falta capacidad útil donde se necesita.

La enorme mudanza digital hacia el oeste de China

Una pieza fundamental de la estrategia china tiene un nombre poco poético pero bastante descriptivo: East Data, West Computing, algo parecido a «datos del este, computación en el oeste».

Las grandes ciudades y empresas digitales se concentran fundamentalmente en la costa oriental. Pekín, Shanghái, Shenzhen, Hangzhou. Allí están los usuarios, las compañías y buena parte de la actividad económica, pero el terreno es caro y la electricidad resulta más difícil de acomodar a una demanda explosiva de computación.

El oeste ofrece otra cosa: espacio y energía.

China está construyendo una red nacional que permite trasladar determinados trabajos informáticos hacia regiones interiores con abundantes recursos eólicos, solares o hidroeléctricos. Cinco de los ocho grandes nodos nacionales de computación se encuentran en zonas occidentales, mientras el país desarrolla una infraestructura capaz de repartir las cargas entre distintas regiones. La propia documentación oficial china habla abiertamente de centros de datos construidos a gran escala, no precisamente de una constelación de pequeños ordenadores escondidos detrás de un molino de viento.

Un centro de datos no tiene por qué estar al lado del usuario

Hay tareas que necesitan una respuesta prácticamente instantánea y conviene ejecutar cerca de las grandes áreas urbanas. Otras, como determinados entrenamientos de modelos, procesamiento masivo o trabajos que pueden esperar unos segundos más, admiten cientos o miles de kilómetros de distancia. Ahí entra la geografía de la computación.

En vez de transportar únicamente electricidad hacia las ciudades costeras, China intenta en algunos casos transportar el cálculo hacia donde está la electricidad. Es una inversión del problema bastante lógica: si una provincia interior genera abundante energía renovable y dispone de terreno barato, puede resultar más sensato instalar allí servidores y mover datos por fibra óptica.

No es una ocurrencia exclusivamente china. Europa empieza a observar el mismo movimiento: los nuevos grandes centros de datos se alejan de Londres, Fráncfort, Ámsterdam y otros mercados saturados buscando conexión eléctrica, terrenos disponibles y costes menores. La IA, al final, está redibujando el mapa industrial igual que hicieron antes los ferrocarriles, los puertos o las autopistas.

Menos energía perdida alrededor del servidor

China también está presionando sobre una cifra que suele pasar inadvertida fuera del sector: el PUE, la relación entre toda la electricidad que entra en un centro de datos y la que realmente termina alimentando los equipos informáticos.

Un PUE de 2 significaría, simplificando mucho, gastar otro vatio en refrigeración, distribución eléctrica y servicios auxiliares por cada vatio utilizado en computación. Cuanto más cerca de 1, mejor.

Las autoridades chinas sitúan alrededor de 1,3 el PUE medio de los grandes nodos nacionales y aseguran que las instalaciones más avanzadas han llegado a aproximadamente 1,04. Los centros incluidos en el programa nacional de «computación verde» registraron en 2025 una media de 1,25. Son niveles competitivos, aunque las comparaciones internacionales requieren cuidado porque las metodologías y condiciones climáticas no siempre son idénticas.

DeepSeek cambió una discusión que parecía resuelta

La otra mitad de la historia no está en los edificios sino dentro de los modelos.

Durante varios años pareció imponerse una regla bastante elemental en inteligencia artificial: más parámetros, más chips, más datos y más electricidad producían, aproximadamente, mejores resultados. Si funcionaban cien mil aceleradores, probemos doscientos mil. Y después medio millón. Es una filosofía tecnológica con cierta semejanza a solucionar los atascos construyendo carriles hasta que la autopista llegue al horizonte.

Las restricciones estadounidenses a la exportación de los chips más avanzados obligaron a los laboratorios chinos a trabajar con una desventaja material. Y las desventajas, de vez en cuando, producen ingeniería interesante.

DeepSeek fue el golpe más visible. Su modelo R1 mostró que técnicas de aprendizaje por refuerzo, arquitecturas cuidadosamente optimizadas y modelos derivados más pequeños podían alcanzar resultados muy elevados sin replicar exactamente el esquema estadounidense.

Un trabajo revisado por pares y publicado en Nature describió el entrenamiento de R1 y confirmó un coste de alrededor de 294.000 dólares para esa fase de entrenamiento. La cifra exige una advertencia importante: no representa todo el dinero necesario para crear desde cero el modelo base, reunir la infraestructura, desarrollar algoritmos o realizar experimentos previos. Compararla directamente con el coste total de construir otro sistema sería hacer contabilidad creativa, deporte internacional bastante popular.

Lo relevante no es el titular de los 300.000 dólares, sino el método. DeepSeek demostró que todavía existe mucho margen para mejorar el algoritmo antes de multiplicar el hardware.

Modelos abiertos, precios bajos y una incómoda guerra de eficiencia

Aquí China ha encontrado otra palanca.

DeepSeek y Alibaba han convertido los modelos de pesos abiertos en una parte central de su expansión. Conviene precisar el vocabulario: se habla a menudo de «código abierto», pero muchos sistemas son realmente modelos de pesos abiertos. Se pueden descargar y ejecutar sus parámetros, aunque eso no significa necesariamente que estén disponibles todos los datos, herramientas y procedimientos utilizados durante el entrenamiento.

La diferencia parece académica hasta que una empresa hace números.

En agosto de 2026, DeepSeek lanzó V4-Flash con precios anunciados de unos 0,14 dólares por millón de tokens de entrada y 0,28 dólares por millón de tokens generados. Alibaba presentó casi simultáneamente Qwen3.8-Max, un enorme modelo de 2,4 billones de parámetros construido mediante una arquitectura de «mezcla de expertos»: en cada consulta solo se activa una fracción del conjunto, unos 95.000 millones de parámetros, reduciendo el cálculo necesario.

Ese detalle desmonta otra simplificación. China no está abandonando los modelos grandes. Alibaba acaba de construir uno descomunal. Lo que intenta es que un modelo gigantesco no tenga que despertar entero cada vez que alguien le pide redactar un correo electrónico o resolver una ecuación.

La analogía doméstica sirve: no hace falta encender todas las habitaciones de un edificio para buscar un libro en la biblioteca.

Ese enfoque permite reducir costes de inferencia, que son los gastos acumulados cada vez que millones de usuarios utilizan un modelo. Entrenar una IA es caro; servir miles de millones de respuestas durante años puede acabar siendo todavía más importante. La eficiencia en la inferencia empieza a pesar tanto como el espectáculo del entrenamiento.

Y los precios chinos han ejercido presión sobre toda la industria. Cuando un competidor ofrece capacidades suficientes a una décima parte del coste, la épica de tener «el modelo más grande del mundo» pierde algo de brillo en la reunión con el director financiero.

Pero China tampoco está construyendo una IA pequeña y austera

Sería un error pasar de un mito estadounidense a otro chino.

Alibaba está gastando cantidades colosales en infraestructura. La compañía había comprometido 380.000 millones de yuanes, unos 56.000 millones de dólares, en inversiones relacionadas con IA durante tres años y en agosto de 2026 ya había ejecutado aproximadamente la mitad del programa. Este mismo mes preparó además una colocación de acciones de unos 10.200 millones de dólares destinada a seguir financiando chips, centros de datos, infraestructura y modelos.

Tencent también invierte miles de millones. Baidu continúa compitiendo. Aparecen nuevos laboratorios. Se construyen instalaciones de computación inteligente por todo el país. Eso se parece bastante a una carrera de escala.

La diferencia es que escala y eficiencia están creciendo simultáneamente. China puede levantar grandes centros de datos mientras intenta que cada unidad de cálculo produzca más trabajo útil. Una cosa no excluye la otra.

La propia política energética del Gobierno lo reconoce. En mayo de 2026, Pekín aprobó un programa específico para coordinar inteligencia artificial y energía: más electricidad limpia para la infraestructura informática, refrigeración eficiente, recuperación del calor residual, almacenamiento energético y conexión directa entre instalaciones de generación renovable y centros de cálculo. Si no existiera un problema energético, difícilmente haría falta semejante catálogo.

Por qué los problemas chinos parecen menos visibles

Que las tensiones alrededor de los centros de datos chinos aparezcan menos en la conversación occidental no significa que hayan desaparecido.

En Estados Unidos y Europa, buena parte del conflicto se desarrolla a plena vista. Una eléctrica solicita nuevas centrales. Un operador aplaza el cierre de una instalación fósil. Los vecinos protestan contra un centro de datos. Una compañía tecnológica publica sus consumos. Los reguladores discuten conexiones a la red y los inversores examinan cada trimestre cuánto dinero han gastado Microsoft, Meta, Amazon o Alphabet. Es una discusión muy visible y, en ocasiones, ruidosa.

China gestiona buena parte de su infraestructura mediante planificación estatal, empresas públicas, gobiernos provinciales y grandes compañías estrechamente integradas con los objetivos nacionales. La conversación pública no funciona de la misma manera y la información sobre conflictos locales, agua, costes de red o proyectos concretos resulta más fragmentaria para un lector occidental.

Pero existe otro motivo menos político y más prosaico: China produce una cantidad extraordinaria de electricidad y está instalando renovables a una velocidad difícil de comparar con cualquier otro país. Puede absorber determinados incrementos de demanda que en redes occidentales más lentas de ampliar provocan inmediatamente titulares sobre centrales, líneas de alta tensión o precios.

La ventaja, no obstante, tampoco es infinita. Las restricciones de red obligan a desperdiciar electricidad renovable; las instalaciones necesitan agua o sofisticados sistemas de refrigeración; los chips siguen siendo caros y la demanda de IA crece a una velocidad absurda. Un modelo que cuesta la mitad suele terminar utilizándose diez veces más. Esa vieja ironía de la eficiencia —abaratar algo puede aumentar su consumo total— también puede aparecer aquí.

La batalla decisiva quizá no sea construir el ordenador más grande

La historia interesante no consiste en que China haya descubierto una inteligencia artificial ecológica mientras Estados Unidos quema centrales eléctricas para alimentar ChatGPT. Los datos no sostienen una caricatura tan limpia.

China construye centros de datos enormes, su consumo eléctrico informático crece deprisa y sus grandes tecnológicas gastan decenas de miles de millones. También afronta problemas de red, refrigeración, suministro energético y utilización eficiente de una infraestructura que se extiende desde las megaciudades costeras hasta las provincias del interior.

Pero al mismo tiempo ha introducido una presión competitiva distinta: modelos capaces, baratos, descargables y diseñados para ahorrar cálculo. DeepSeek convirtió esa filosofía en noticia mundial; Alibaba, Qwen y otros laboratorios la están convirtiendo en mercado.

Y ahí está quizá el golpe más serio para Silicon Valley. Durante años pudo confundirse liderazgo tecnológico con capacidad para comprar más GPU que nadie. China está demostrando que la arquitectura, el software y la eficiencia vuelven a importar tanto como el tamaño del almacén lleno de chips.

No significa que haya terminado la era de los megacentros de datos. Todo indica exactamente lo contrario. Significa que la carrera de la IA ha dejado de tener una sola dirección.

Más grande todavía sirve. Más inteligente también.