Tian Feng es el decano del Instituto de Investigación Pensar Rápido y Lento, un centro de estudios independiente sobre inteligencia artificial. El artículo refleja las opiniones del autor y no necesariamente las de CGTN.
En una fábrica a las afueras de Shenzhen, un robot bípedo se inclina sobre una cadena de montaje y recoge la bisagra de la puerta de un coche, mientras sus rodillas emiten un leve crujido con cada movimiento. Al otro lado del mundo, en un almacén reconvertido al sur de Market Street, en San Francisco, una docena de ingenieros observan en silencio una pantalla llena de números descendentes: una «curva de pérdida», el gráfico sagrado del aprendizaje automático.
Ambas escenas se denominan inteligencia artificial (IA). Ninguna se parece mucho a la otra.
Esa brecha se ha cuantificado, no se ha estimado. En agosto, el Centro de IA, Seguridad y Tecnología de la RAND Corporation, un centro de estudios estadounidense, publicó un recuento detallado de las empresas de IA en Estados Unidos y China: 1181 compañías (743 estadounidenses y 438 chinas), clasificadas según lo que cada una fabrica, vende y patenta. La cifra principal es clara: el 61 % de las empresas estadounidenses de IA se dedican exclusivamente al desarrollo de software. Solo el 26 % de las empresas chinas lo hacen. El resto se dedica a fabricar componentes (robots, coches, drones) para sus algoritmos.
Gemelos al nacer, desconocidos en la edad adulta.
Ilustración de un chatbot de IA. /VCG
He aquí el giro inesperado para los investigadores de RAND: salvo en un dato, las dos industrias parecen hermanas. Aproximadamente el 28 % de las empresas estadounidenses y el 27 % de las chinas se basan en la arquitectura Transformer, la misma familia de redes neuronales que sustentan ChatGPT y DeepSeek. Alrededor del 90 % de las empresas estadounidenses de IA y tres de cada cuatro chinas venden «productos de IA aplicada» (una aplicación, una herramienta de diagnóstico, un panel de control logístico) en lugar de acceso directo a los modelos. Incluso la legendaria «carrera armamentística de IA» entre los laboratorios de vanguardia resulta ser un nicho pequeño: solo alrededor del 19 % de las empresas de ambos países son desarrolladoras de modelos básicos, es decir, aquellas que preentrenan modelos de propósito general desde cero, como hacen OpenAI o Alibaba. El resto se dedica discretamente a desarrollar software para hospitales, fábricas y compañías de seguros.
La verdadera diferencia entre ambos mercados radica en el uso que le dan a la IA. Las empresas chinas se concentran en la manufactura, el transporte y la energía, es decir, la economía física. Las empresas estadounidenses se concentran en la atención médica, la investigación científica y la ciberseguridad, la economía del conocimiento. Proporcionalmente, la muestra china incluye más de cinco veces más empresas de robots humanoides que la estadounidense: el 12 % de las empresas chinas de IA frente a solo el 2 % de las estadounidenses; Estados Unidos crea muchas más startups de software de diagnóstico. Las mismas herramientas, diferentes aplicaciones.
Los mercados están moldeados por lo que se les proporciona.
Robots humanoides trabajando en una línea de logística y entrega de paquetes en la Conferencia Mundial de Robótica, Pekín, 20 de agosto de 2026. /VCG
¿Por qué esta división? El economista y filósofo escocés Adam Smith dio la respuesta breve hace casi 250 años, mucho antes de que nadie imaginara un chip: la división del trabajo está limitada por la extensión del mercado. China sigue controlando la cadena de suministro de fabricación más densa del mundo (motores, baterías, actuadores, sensores, todo a una llamada de distancia), por lo que su IA se integra naturalmente en las máquinas. Además, cuenta con una política industrial que lo deja bien claro: China declaró la «inteligencia incorporada» una prioridad nacional en 2025 y publicó un marco de estándares nacionales para robots humanoides al año siguiente. Por si fuera poco, más de la mitad de las empresas chinas de IA incluidas en la muestra de RAND forman parte de grandes conglomerados (Alibaba, Tencent y sus competidores), lo que les proporciona una planta de producción o una flota de reparto integradas para su implementación.
La ventaja de Estados Unidos es la opuesta. Sus mercados de capitales pueden invertir decenas de miles de millones de dólares en un solo modelo de lenguaje con la esperanza de un gran avance, una apuesta que Wall Street, no el Estado, está dispuesto a respaldar. Su vasta experiencia en medicina, ciencia y seguridad proporciona a la IA de software problemas complejos y de alto valor para analizar. Podríamos llamarlo ventaja comparativa, la vieja idea de David Ricardo actualizada para la era algorítmica: nadie es más inteligente, simplemente se especializan en lo que su propia economía les ofrece.
Lo barato también tiene su propia clase de inteligencia.
Sede de OpenAI en San Francisco, California, EE. UU., 16 de septiembre de 2026. /VCG
Paralelamente a la rivalidad entre robots y chatbots, se desarrolla una segunda carrera, la del precio. RAND monitorizó el tráfico real de desarrolladores en OpenRouter, una plataforma que enruta las llamadas a la interfaz de programación de aplicaciones (API) a cientos de modelos de IA. A finales de 2024, los modelos estadounidenses gestionaban aproximadamente nueve décimas partes de ese tráfico; los modelos chinos eran prácticamente invisibles. En abril de 2026, ambos bandos estaban prácticamente empatados (49 % frente a 47 %), impulsados por modelos chinos de código abierto como DeepSeek-V3 y la serie Qwen, que obtienen puntuaciones cercanas a las de los mejores sistemas estadounidenses en pruebas comparativas independientes, con un coste por token entre una cuarta y una quinta parte inferior. No se trata de que los laboratorios chinos superaran repentinamente a sus rivales en la cima de la escala; los sistemas estadounidenses siguen liderando en cuanto a puntuación de inteligencia bruta. Se trata de que «lo suficientemente bueno, cuatro veces más barato» es precisamente el tipo de ventaja silenciosa y acumulativa que transforma un mercado desde la base: la misma lógica brutal que el economista Joseph Schumpeter denominó en su día «destrucción creativa».
Compitiendo en dos pistas, hablando en una tercera.
/VCG
Nada de esto describe una carrera a muerte. Describe dos economías resolviendo diferentes partes del mismo rompecabezas, y la brecha entre ellas es precisamente donde la cooperación resulta más económica y útil: pruebas de seguridad para robots humanoides que trabajan junto a personas; estándares compartidos que permiten que un sensor fabricado en Shenzhen y un software escrito en Seattle se comuniquen entre sí; investigación conjunta sobre IA para el descubrimiento de fármacos y el diagnóstico de enfermedades. Geoffrey Hinton, quien compartió el Premio Nobel de Física de 2024 por sentar las bases matemáticas de las redes neuronales actuales, ha afirmado claramente que la tecnología avanza más rápido de lo que la mayoría de la gente —incluido él mismo— esperaba, y que sus riesgos son demasiado grandes para ser gestionados únicamente mediante la rivalidad. Es un hecho innegable en ingeniería.
Aún queda mucho por hacer.
El matemático y lógico británico Alan Turing, al comienzo de esta historia, escribió en 1950: «Solo podemos ver un corto trecho por delante, pero hay mucho por hacer». Setenta y cinco años después, un país ha enseñado a sus máquinas a hablar y razonar; el otro, a caminar y levantar objetos. Tarde o temprano, algo tendrá que hacer ambas cosas, y cuando eso ocurra, las dos partes de esta historia, cerebro y cuerpo, finalmente tendrán que encontrarse.
Fuente: CGTN
