Durante años, las grandes compañías estadounidenses de inteligencia artificial presentaron su estrategia como si fuese una consecuencia inevitable del progreso: modelos cada vez más grandes, entrenamientos más caros, centros de datos gigantescos y acceso controlado mediante interfaces propietarias.

La escala era inteligencia, el secreto era seguridad y la dependencia del proveedor se describía como comodidad.

Ahora China compite con otra receta basada en modelos abiertos, precios radicalmente inferiores e innovación estadística y matemática, y Silicon Valley está descubriendo que aquello que vendía como principio era, en buena medida, un modelo de negocio.

La reacción ha dividido a la industria estadounidense. OpenAI y Anthropic presionan a Washington para que actúe contra determinados modelos chinos, invocando la propiedad intelectual, la seguridad nacional y los riesgos de la destilación.

Frente a ellas, Nvidia, Microsoft, Meta, IBM, Hugging Face y numerosas startups sostienen que restringir los modelos de pesos abiertos dañaría la innovación, reduciría la competencia y consolidaría precisamente el poder de quienes ya controlan los modelos cerrados.

Cada compañía habla de principios universales, pero protege un balance muy concreto

No es una discusión filosófica, es una disputa entre posiciones económicas. Anthropic y OpenAI necesitan preservar la escasez de unos modelos cuyo desarrollo ha exigido inversiones extraordinarias. Nvidia, en cambio, gana dinero vendiendo los procesadores sobre los que se ejecuta cualquier modelo. Microsoft vende capacidad de nube.

Meta quiere evitar que sus productos terminen subordinados a una capa de inteligencia controlada por sus competidores. Hugging Face necesita un ecosistema en el que los modelos puedan inspeccionarse, adaptarse y desplegarse libremente. Cada compañía habla de principios universales, pero protege un balance muy concreto.

China ha entendido que no necesita superar siempre al mejor modelo estadounidense: le basta con acercarse lo suficiente, ofrecerlo por una fracción del precio y permitir que empresas, universidades y gobiernos lo descarguen, modifiquen y ejecuten en su propia infraestructura.

Kimi K3, GLM-5.2, Qwen y la familia DeepSeek demuestran que un modelo “suficientemente bueno”, abierto y barato puede ser más disruptivo que otro ligeramente superior, pero encerrado tras una API cara y sometido a condiciones cambiantes y arbitrarias.

Lo más importante, sin embargo, no es únicamente la apertura, sino el tipo de innovación que la acompaña. DeepSeek convirtió técnicas como la mezcla de expertos, la atención latente, la predicción de múltiples tokens y el aprendizaje por refuerzo mediante comparación de grupos de respuestas en instrumentos para obtener más rendimiento de cada unidad de computación.

La frontera jurídica importa, pero no puede dibujarse únicamente alrededor de los intereses del incumbente

Kimi K3 incorpora nuevas arquitecturas de atención, una mezcla de expertos mucho más dispersa y mejoras que, según su creadora, Moonshot, aumentan significativamente la eficiencia del escalado. No es magia: es estadística, matemáticas, optimización y co-diseño entre algoritmos, hardware y sistemas.

Las restricciones estadounidenses sobre chips pretendían frenar esa evolución, pero también han creado un enorme incentivo para innovar metodológicamente. Cuando una compañía puede resolver un problema comprando diez veces más procesadores, tiene menos presión para replantear sus fundamentos.

Cuando no puede comprarlos, aprende a activar solo una parte del modelo, a comprimir representaciones, a mejorar el entrenamiento, aprovechar mejor la memoria y extraer señales de supervisión de resultados verificables. Estados Unidos intentó cerrar el grifo del hardware y, con ello, contribuyó a convertir China en un laboratorio de eficiencia.

Ante esa amenaza, parte de Silicon Valley intenta desplazar la competición desde el mercado hacia el regulador. La acusación de destilación ilícita debe investigarse cuando implique accesos fraudulentos, incumplimiento contractual o extracción sistemática de información protegida, e incluso eso es discutible.

¿Por qué? Porque la destilación es también una técnica habitual en toda la industria.

Resulta difícil sostener que entrenar modelos con cantidades masivas de textos, imágenes, programas y obras ajenas constituye innovación legítima, mientras aprender de las respuestas de otro modelo debe considerarse de pronto espionaje industrial.

La frontera jurídica importa, pero no puede dibujarse únicamente alrededor de los intereses del incumbente.

La contradicción resulta evidente: las mismas compañías que durante años afirmaron que la regulación europea frenaba la innovación piden ahora a Washington barreras, evaluaciones obligatorias y sanciones. Cuando la regulación limita su negocio, es burocracia, pero cuando limita a sus rivales, se convierte en seguridad nacional.

El problema para Estados Unidos es que prohibir modelos chinos no hará desaparecer la lógica que los vuelve competitivos. Puede retrasar su adopción doméstica, pero también expulsar innovación hacia otros países, privar a startups estadounidenses de herramientas baratas y reforzar la imagen de China como proveedor de una inteligencia artificial abierta y accesible.

Además, en una economía de agentes que consumen millones de tokens y ejecutan tareas continuamente, las diferencias de coste dejan de ser marginales: se convierten en arquitectura empresarial. Los modelos chinos ya están siendo evaluados y adoptados por compañías y desarrolladores estadounidenses precisamente por esa combinación de rendimiento y precio.

Estados Unidos conserva enormes ventajas en chips, capital, talento, universidades y capacidad de comercialización. Pero corre el riesgo clásico de toda potencia dominante: confundir la defensa de sus campeones con la defensa de su liderazgo.

Su hegemonía tecnológica nació sobre internet, Unix, Linux y décadas de conocimiento compartido. Si responde a la competencia china cerrando modelos, fronteras y mercados, protegerá durante algún tiempo las valoraciones de OpenAI y Anthropic, pero puede destruir el ecosistema que hizo posible su ventaja.

La pregunta ya no es quién posee el modelo más espectacular, sino quién consigue que más personas construyan sobre su tecnología. China parece haber entendido que, en una industria sometida a una rápida comoditización, regalar parte de la capa tecnológica puede ser la forma más eficaz de controlar todo lo que se construye encima. Silicon Valley empieza a descubrir que una caja negra solo parece inexpugnable hasta que alguien ofrece una alternativa abierta que funciona casi igual.

***Enrique Dans es Profesor de Innovación en IE University.