El dominio de la IA china no es el destino de Asia

· Asia

El dominio de la IA china no es el destino de Asia

Modelos de IA chinos, como Qwen, están ganando terreno en los mercados asiáticos gracias a su accesibilidad, pero su uso no implica necesariamente una dependencia estratégica de Pekín.

En enero de 2025, el Ministerio de Electrónica y Tecnología de la Información de la India anunció que los modelos de DeepSeek se alojarían en servidores indios; una rara luz verde para un modelo de inteligencia artificial (IA) chino por parte de un gobierno que ha prohibido una larga lista de aplicaciones chinas. También en 2025, AI Singapore lanzó la última versión de SEA-LION, su modelo de lenguaje de código abierto para idiomas del sudeste asiático, construido sobre Qwen de Alibaba en lugar de Llama de Meta. OpenThaiGPT de Tailandia está ajustado sobre Qwen2.5.

Estos casos son ilustrativos, ya que los datos sobre la adopción de la IA en Asia son escasos. A nivel mundial, para agosto de 2025, las variantes derivadas de Qwen constituían más del 40 por ciento de los nuevos derivados de modelos de lenguaje en la plataforma de código abierto Hugging Face, frente al 15 por ciento de Llama, mientras que los modelos chinos representan ahora más del 80 por ciento del uso de modelos abiertos en OpenRouter.

La adopción de modelos de pesos abiertos —aquellos cuyos parámetros entrenados se publican para que cualquiera pueda descargarlos, ajustarlos y autohospedarlos— es real y racional. La economía los favorece en mercados sensibles a los precios como el de la India. Los laboratorios chinos han sido inusualmente prolíficos, lanzando modelos robustos que funcionan con hardware modesto. Para una startup india o singapurense que vigila su factura de API, o para un gobierno que desea que los datos de sus ciudadanos permanezcan dentro de sus fronteras, un modelo chino podría ser una mejor opción.

La pregunta para la mayoría de los países asiáticos es si esta adopción podría convertirse en dependencia. Los pesos abiertos son la capa más fungible de la pila tecnológica de la IA; una vez descargados, no pueden ser revocados y son fácilmente intercambiables. El verdadero bloqueo, con costes de cambio reales, reside en otra parte de la pila: sobre todo en la computación y la nube que sustentan el modelo.

Un modelo podría generar demanda de nube y computación chinas, pero no mediante coacción. Los modelos chinos también pueden alojarse en Amazon Web Services o en un centro de datos nacional, en lugar de en Alibaba Cloud. Sin embargo, el autohospedaje no es financieramente viable para empresas que no tienen ingenieros y unidades de procesamiento gráfico (GPU) de sobra. Muchas firmas compran modelos como un servicio gestionado, y el laboratorio que construye un modelo puede ofrecer las versiones más nuevas primero, con herramientas diseñadas para darles soporte.

Alibaba está construyendo la infraestructura regional para capturar esta demanda. En 2025, abrió un tercer centro de datos en Malasia y anunció planes para un segundo en Filipinas. También lanzó un centro de IA en Singapur que ofrece créditos de tokens y computación a empresas y desarrolladores. No obstante, las pruebas de que esta demanda se esté convirtiendo en contratos de nube en Asia siguen siendo escasas, y muchos adoptantes optan por el autohospedaje para evitar la dependencia.

Los modelos de IA chinos también podrían respaldar la demanda de hardware de producción nacional. La versión V4 de DeepSeek, lanzada en abril de 2026, fue adaptada para los chips Ascend de Huawei. Huawei afirma que sus chips también se utilizaron en parte del entrenamiento del modelo.

La dependencia, por tanto, no es inevitable, pero las decisiones iniciales importan. Los desarrolladores se mantienen fieles al modelo que conocen, por lo que cuanto más integrado esté en los productos de una empresa, más costoso resulta cambiarlo. Una vez que un modelo se convierte en la norma regional, las herramientas, variantes y puntos de referencia utilizados para evaluar nuevos modelos se construyen en torno a él.

Los modelos también conllevan los supuestos políticos y lingüísticos de su entrenamiento. En enero de 2025, el chatbot de DeepSeek se negó a responder cuando se le preguntó si Arunachal Pradesh es parte de la India. La decisión de Perplexity de reentrenar el modelo R1 de DeepSeek para eliminar la censura estatal china sugiere que tales respuestas están integradas en el modelo mismo, no solo en la aplicación.

La adopción de pesos abiertos no otorga a China ninguna ventaja coercitiva. Pekín no puede recuperar un modelo una vez que ha sido descargado, y la lógica del ecosistema abierto socava la amenaza de retener el próximo lanzamiento. Pero esa lógica se está debilitando en la frontera. Kimi K3 de Moonshot y Qwen 3.8-Max de Alibaba requieren ahora acuerdos comerciales por parte de las grandes empresas que los utilizan, convirtiendo los insumos gratuitos en contratos. Una influencia más suave sobre los valores predeterminados, los valores integrados y la atracción hacia la nube china es real, pero sigue siendo cuestionada.

Los modelos de pesos abiertos estadounidenses, como gpt-oss de OpenAI y Gemma de Google, compiten por los mismos usuarios, mientras que muchos adoptantes utilizan tanto modelos estadounidenses como chinos para evitar depender de un único proveedor. El coste más inmediato podría provenir de Washington, que ha prohibido DeepSeek en los sistemas federales y está considerando restricciones más amplias: un riesgo para las empresas asiáticas con clientes estadounidenses.

La India muestra cómo es una estrategia de cobertura y dónde se queda corta. Incluso mientras las empresas indias adoptan modelos chinos, Nueva Delhi está invirtiendo en alternativas. La misión IndiaAI, dotada con 1.200 millones de dólares estadounidenses, está desplegando alrededor de 38.000 GPU subvencionadas, y Sarvam AI presentó sus propios modelos de 30 y 105 mil millones de parámetros. La computación nacional permite a los desarrolladores indios ajustar y alojar cualquier modelo localmente, suavizando la atracción hacia las opciones de nube chinas.

Sin embargo, la cobertura de la India reubica la dependencia en lugar de eliminarla. Las GPU son importadas, en su inmensa mayoría de fabricantes de chips estadounidenses, por lo que la India intercambia la exposición a los modelos chinos por la exposición al hardware y a los controles de exportación estadounidenses. El modelo anterior de Sarvam, Sarvam-M, se construyó sobre Mistral Small de Francia. Los modelos más recientes de Sarvam están entrenados desde cero, pero todavía van por detrás de los sistemas de vanguardia. La estrategia de la India reduce el bloqueo, pero no garantiza la independencia, e incluso esa cobertura parcial es algo que pocos países asiáticos pueden permitirse.

Los modelos chinos de pesos abiertos se están convirtiendo en un insumo común para el desarrollo de la IA en Asia. Pero un insumo no es infraestructura, y Pekín no puede decidir solo si llega a serlo. Ese resultado depende de lo que la región construya en torno a sus insumos: computación diversificada, capacidad para evaluar y auditar modelos, y alternativas locales creíbles.

Los modelos de China se están integrando más rápido de lo que la región está construyendo los medios para examinarlos y reemplazarlos. Si la ventaja inicial de China se endurece hasta convertirse en dependencia es una decisión que le corresponde a Asia.

Karthik Nachiappan es investigador sénior no residente en el Instituto de Estudios del Sur de Asia de la Universidad Nacional de Singapur.

Original: eastasiaforum.org

Adaptación al español con ayuda de inteligencia artificial. Читати українською

¿De qué va? — la edición en español de «Про Що?»