El investigador de IA Nathan Lambert visitó recientemente varios grandes laboratorios de IA en China, incluido Moonshot AI (la empresa del “Lado Oscuro de la Luna”), Zhipu, Meituan, Xiaomi, Alibaba Tongyi Qianwen (Qwen), Ant Group (Ant Ling) y 01.ai, entre otros, y dejó por escrito este registro de observación en profundidad. Él reconoce que este viaje le permitió redescubrir el ecosistema de IA en China; el registro no es solo una crónica turística de un investigador, sino un informe diagnóstico de primera mano sobre la IA en China, desde la cultura técnica hasta la estructura de la industria.
La ventaja central de la IA china: cultura, talento y mentalidad pragmática
¿De dónde proviene la competitividad de los investigadores chinos? Tienden a trabajar en silencio
Lambert cree que, para que los laboratorios chinos puedan avanzar rápidamente e incluso estar a la par o por delante de la IA de vanguardia, hay un factor clave que a menudo se pasa por alto: la cultura de investigación y el ambiente organizacional.
En comparación con los investigadores estadounidenses, que por lo general tienen una fuerte necesidad de lucirse individualmente, tienden a alzar la voz sobre sus resultados y a buscar construir una marca personal en medios y redes sociales; los investigadores chinos, en cambio, suelen preferir situar el yo detrás de la calidad del modelo. Están más dispuestos a dedicarse a tareas discretas que, sin embargo, mejoran de forma efectiva el desempeño del modelo, y también aceptan mejor que sus ideas sean descartadas dentro de la optimización de múltiples objetivos.
Lambert señala que incluso se llegó a informar que en Estados Unidos hay laboratorios que “tienen que pagar a los investigadores de primer nivel para que deje de quejarse de que su propuesta no fue adoptada”, lo que simboliza que las fricciones organizacionales detrás de los laboratorios occidentales son reales.
Esta diferencia cultural produce un efecto significativo a nivel organizacional: al tener una conciencia del yo más baja, la estructura del equipo se vuelve más fácil de expandir hacia arriba; investigadores de distintos niveles pueden colaborar de manera más efectiva en lugar de defender cada quien sus propios intereses.
Los estudiantes integran equipos de desarrollo de LLM como una de las fuerzas principales
Otro fenómeno que impresionó a Lambert es que una proporción bastante alta de los contribuyentes centrales en cada laboratorio todavía son estudiantes en la actualidad. Estos estudiantes no reciben un trato diferenciado: se integran directamente en los equipos de desarrollo de LLM. Esto contrasta con el ecosistema estadounidense formado por OpenAI y Anthropic, que casi no ofrecen oportunidades de prácticas, o aun si las hay, se aíslan fuera de los asuntos centrales del negocio:
La ventaja de los estudiantes es que “no tienen cargas”. No han experimentado las suposiciones inerciales que dejaron las olas anteriores de IA, por lo que absorben con más rapidez las nuevas tecnologías: desde la expansión de MoE, pasando por el aprendizaje por refuerzo, hasta el desarrollo de agentes. Cada cambio de paradigma para ellos es un nuevo punto de partida, sin necesidad de desechar el conocimiento previo.
¿Competencia o cooperación? Revelando el ecosistema chino de “gobierno por ingenieros”
Lambert observó que, cuando intentaba hablar con investigadores chinos sobre riesgos sociales a largo plazo de la IA, impactos económicos o debates éticos sobre el comportamiento de los modelos, las conversaciones a menudo caían en un silencio. Entendió que no era que evitaran deliberadamente esos temas, sino que, para ellos, realmente no entraban en su campo de pensamiento.
Cita la observación del académico Dan Wang sobre “China gobernada por ingenieros y Estados Unidos gobernada por abogados” para explicar su postura: “Su trabajo es hacer que los modelos funcionen bien; los demás problemas se los dejan a otros”.
Esto hace que, en la mirada de Lambert, la comunidad de IA en China se parezca más a un “colectivo” que a una tribu que compite entre sí. Entre laboratorios suele existir respeto mutuo: guardan una especie de reverencia hacia gigantes como ByteDance; admiran mucho el gusto por la investigación y la capacidad de ejecución de DeepSeek, pero no hay esa tensión competitiva tan cargada de pólvora que suele verse en laboratorios estadounidenses.
Las limitaciones y desventajas de la IA china: brecha en chips, datos y creatividad
Los chips de Nvidia se vuelven el cuello de botella común de todos los laboratorios
Debido a las restricciones de exportación de Estados Unidos, la falta de oferta de cómputo de Nvidia es una limitación común para todos los laboratorios en China. Lambert observa que casi cada laboratorio expresa de forma clara que, si hubiera suficiente oferta de cómputo, ampliarían sus compras sin dudar.
Los aceleradores de fabricación nacional como Huawei reciben valoraciones positivas en el lado de la inferencia y muchos laboratorios ya los han adoptado en gran cantidad; pero en el lado del entrenamiento, Nvidia sigue siendo el estándar de oro insustituible, y esa brecha a corto plazo es difícil de cubrir por completo con otras soluciones.
La industria de datos es el eslabón más débil; construirlo internamente se vuelve la elección principal
En contraste con Anthropic y OpenAI, que cada año invierten cientos de millones de dólares para comprar entornos de entrenamiento para aprendizaje por refuerzo, la industria externa de datos en China todavía muestra una brecha notable en calidad. Lambert observa que la mayoría de laboratorios considera que la calidad de los datos comprables en el mercado es baja, por lo que prefiere invertir recursos en construir entornos de entrenamiento propios; además, los investigadores también dedican una gran cantidad de tiempo a construir esos entornos.
Aunque empresas grandes como ByteDance y Alibaba cuentan con equipos internos de datos que pueden respaldar, como dijo el analista Zephyr de Citrini, esto sigue siendo la mayor debilidad del ecosistema de IA en China.
（El robot Moonshot de nueva creación en China se autodenomina Claude, la filtración del modelo de Anthropic se detecta)
El código abierto responde a la practicidad, no a una ideología
Ante las preguntas del exterior sobre por qué empresas como Meituan y Xiaomi necesitan crear y abrir modelos de propósito general, Lambert cree que detrás hay una lógica de negocios muy pragmática: abrir el código permite obtener retroalimentación de la comunidad externa y mejorar la calidad del modelo; al mismo tiempo, la empresa puede conservar versiones de ajuste fino internas para sus propios productos y mantener el control de la pila tecnológica central.
Esa mentalidad de “propiedad tecnológica” impulsa a casi todas las principales compañías tecnológicas chinas a construir modelos base por cuenta propia, en lugar de depender de servicios externos, algo que difiere de manera contundente de la elección de las empresas de IA en Estados Unidos.
Perspectiva del fundador de Delphi Ventures: mucha fuerza en ejecución, pero falta creatividad
José Maria Macedo, cofundador de Delphi Ventures, también recorrió en profundidad el ecosistema de IA en China recientemente, y desde la perspectiva de un inversionista aportó otra capa de observación, en contraste con el enfoque técnico de Lambert.
Macedo considera que los fundadores chinos en general cuentan con trayectorias impecables y una capacidad de ejecución asombrosa; pero, en comparación, el impulso emprendedor original de “de cero a uno” es más raro: “Son mejores para convertir direcciones existentes en versiones mejoradas y sobresalientes, en lugar de plantear nuevos problemas que el mercado ni siquiera ha reconocido todavía”. Atribuye esto al patrón mental reforzado durante mucho tiempo por el sistema educativo, que enfatiza “resolver problemas” más que “formular preguntas”.
（Talento de primer nivel por todas partes, pero ¿no logran hacer algo como OpenAI? Un inversionista visita en profundidad durante dos semanas y revela el problema real de la IA en China）
Estados Unidos aún debería conservar el liderazgo en un ecosistema abierto
Lambert admite que China es un lugar que no puede entenderse de forma simple aplicando marcos occidentales: “Su cultura es demasiado antigua y profunda, y la forma en que se entrelaza con el ecosistema tecnológico produce una reacción química única”.
Como estadounidense, espera que los laboratorios de IA de Estados Unidos, que se centran en modelos abiertos, sigan manteniendo el liderazgo; pero lo que más le preocupa es que, si Estados Unidos limita el desarrollo de modelos abiertos mediante órdenes administrativas, en realidad debilitaría su papel de liderazgo en el ecosistema global de IA abierta, haciendo que el equilibrio de esta competencia se incline hacia una dirección difícil de predecir.
Este artículo Recorrido presencial por los laboratorios de IA en China: el investigador revela que la “brecha de chips y datos” es la clave de la diferencia entre China y Estados Unidos, fue publicado por primera vez en Cadena News ABMedia.
