Las restricciones a las exportaciones de EE. UU. alejan los chips de IA de China de las GPU hacia ASICs personalizados.

      TL;DRLos controles de exportación de EE. UU. están alejando a la industria de chips de IA de China de las GPU de propósito general y hacia los ASIC personalizados. Huawei lidera con un 62% de participación de mercado proyectada, mientras que Alibaba y Cambricon persiguen arquitecturas alternativas que pueden crear un ecosistema estructuralmente diferente al dominado por Nvidia en Occidente.

      La industria de chips de IA de China ya no está tratando de construir un clon de Nvidia. Bajo controles de exportación de EE. UU. sostenidos que bloquean el acceso a las GPU de propósito general más potentes, las empresas tecnológicas más grandes del país están pivotando hacia circuitos integrados específicos de aplicación, chips personalizados diseñados para hacer una cosa extremadamente bien en lugar de manejar cualquier carga de trabajo. El cambio está creando un ecosistema de semiconductores nacional que puede terminar siendo arquitectónicamente distinto del modelo dominado por Nvidia que impulsa la IA en Occidente.

      En el centro de esta divergencia hay una elección de diseño que los controles de exportación han acelerado. Las GPU de propósito general, el tipo que vende Nvidia, son flexibles y programables, lo que las hace ideales para la fase de investigación de rápido movimiento del desarrollo de IA donde las arquitecturas de modelos cambian constantemente. Los ASIC sacrifican esa flexibilidad por eficiencia bruta, ofreciendo un rendimiento más rápido con un menor consumo de energía para tareas específicas de IA. En un mercado donde el mejor hardware de Nvidia no está disponible, la economía del silicio personalizado se vuelve mucho más convincente.

      Tres caminos hacia chips personalizados

      Las empresas chinas están persiguiendo tres arquitecturas de ASIC distintas. Huawei está apostando por unidades de procesamiento neural a través de su serie Ascend, que incluye el ampliamente desplegado 910C y el próximo Ascend 950. Cambricon Technologies está construyendo arquitecturas específicas de dominio con sus series Siyuan 590 y 690. Alibaba está tomando una tercera ruta a través de su unidad de semiconductores T-Head, que lanzó la unidad de procesamiento paralelo Zhenwu M890 en su cumbre anual de computación en la nube la semana pasada, afirmando tener tres veces el rendimiento de su predecesor.

      En el lado de las GPU, Moore Threads lidera el esfuerzo nacional. Fundada en 2020 por Zhang Jianzhong, exejecutivo de Nvidia en China, la empresa se ha dedicado a chips de propósito general como la serie MTT S5000. Biren Technology, Enflame e Iluvatar CoreX también están compitiendo en este espacio, pero ninguna ha alcanzado la escala de los líderes de ASIC.

      Un informe de Morgan Stanley publicado el 8 de mayo dejó claras las dinámicas del mercado. Se proyecta que Huawei capturará el 62% del mercado nacional de aceleradores de IA de China en 2026, seguido de Cambricon con un 14%. Entre las grandes empresas tecnológicas que construyen chips propios, se espera que Baidu y Alibaba tomen aproximadamente un 5% cada una. Los pesos pesados de los ASIC están ganando en volumen y momentum.

      El rendimiento ya no es el cuello de botella

      La brecha de rendimiento entre los chips chinos y el hardware compatible con exportaciones de Nvidia se ha reducido significativamente. Los datos de Morgan Stanley muestran que las tarjetas Ascend 950 de Huawei y las Siyuan 690 de Cambricon pueden superar a la H20 de Nvidia, el chip más potente que Nvidia puede vender actualmente a China, entre un 50 y un 150% medido en tokens por segundo.

      Huawei espera que los ingresos por chips de IA alcancen aproximadamente $12 mil millones en 2026, frente a $7.5 mil millones en 2025. La participación de Nvidia en el mercado chino de aceleradores de IA ha colapsado efectivamente a cero, un desarrollo que el CEO Jensen Huang ha descrito como un "resultado horrible" para Estados Unidos porque rompe la dependencia del software en el ecosistema CUDA de Nvidia que tomó dos décadas construir.

      Para el altamente comercializado mercado de IA de China, que se centra en desplegar aplicaciones a cientos de millones de usuarios en lugar de realizar investigaciones de frontera, el enfoque de ASIC tiene un sentido particular. La inferencia, el proceso de ejecutar un modelo entrenado a gran escala, recompensa el tipo de optimización estrecha que proporciona el silicio personalizado. Entrenar nuevos modelos aún se beneficia de la flexibilidad de las GPU, pero los ingresos provienen del despliegue.

      El problema de la pila de software

      El rendimiento del hardware es solo la mitad de la ecuación. El desafío más profundo para la industria de chips de China es romper el bloqueo creado por la plataforma CUDA de Nvidia, la capa de software que millones de desarrolladores de IA en todo el mundo utilizan para escribir código para el hardware de Nvidia. Los efectos de red de CUDA son enormes. Prácticamente todos los marcos de IA, cada artículo de investigación y cada modelo preentrenado asumen la compatibilidad con CUDA.

      Huawei está construyendo CANN como su alternativa, mientras que Moore Threads ha desarrollado MUSA. DeepSeek ha pasado meses reescribiendo su código central para trabajar con el marco CANN de Huawei, alejándose del ecosistema CUDA. Pero el analista de semiconductores Zhang Haijun señala que a medida que los modelos de IA se vuelven más complejos, los límites entre los ASIC personalizados y las GPU flexibles se están "volviendo cada vez más borrosos", lo que sugiere que la arquitectura ganadora puede eventualmente combinar elementos de ambos.

      El analista jefe de Omdia, Su Lian Jye, enmarca la elección de manera práctica: las empresas con sólidas capacidades de ingeniería de IA y una hoja de ruta clara se benefician de los ASIC, mientras que aquellas que ejecutan cargas de trabajo mixtas aún se inclinan hacia las GPU de propósito general. Por ahora, el momentum del mercado en China favorece el enfoque especializado, en parte por elección y en parte porque la opción de propósito general de Nvidia sigue siendo, o bien no está disponible o restringida.

      Un ecosistema estructuralmente diferente

      La consecuencia a largo plazo de esta divergencia puede ser más significativa que los puntos de referencia de rendimiento a corto plazo. Si la industria de IA de China se estandariza en una mezcla de NPUs de Huawei, PPUs de Alibaba y chips específicos de dominio de Cambricon, cada uno ejecutando su propia pila de software, el resultado será un ecosistema fragmentado pero autosuficiente a nivel nacional que opera bajo supuestos arquitectónicos fundamentalmente diferentes de Occidente.

      Esa fragmentación conlleva costos. Los desarrolladores que construyen para el mercado chino pueden necesitar soportar múltiples plataformas de hardware simultáneamente, aumentando la complejidad. La colaboración en IA transfronteriza se vuelve más difícil cuando las pilas de computación subyacentes son incompatibles. Y la falta de una plataforma dominante única significa que ningún fabricante de chips chino se beneficia del tipo de bloqueo de ecosistema que hizo que CUDA de Nvidia fuera tan poderoso en primer lugar.

      Pero la dirección está establecida. Los controles de exportación de EE. UU. destinados a ralentizar el progreso de la IA de China han acelerado en cambio un rediseño estructural de su industria de chips, empujándola hacia el silicio personalizado, pilas de software nacionales y una arquitectura que ya no depende del hardware estadounidense. Si ese ecosistema puede igualar el ritmo de innovación en el Occidente impulsado por Nvidia es la pregunta definitoria de la carrera de chips de IA.