⏱️ Lectura: 10 min
Nvidia declaró en abril de 2025 una pérdida contable de 5.500 millones de dólares por un solo producto: el H20, la GPU diseñada para seguir vendiendo IA en China dentro de los límites de Washington, que terminó vetada también. Esa cifra resume la tensión que sigue viva en 2026.
📑 En este artículo
- TL;DR
- Qué pasó
- Contexto e historia de la IA científica en China
- Detalles técnicos y rendimiento
- Cómo verificarlo vos mismo
- Impacto y análisis
- Qué sigue
- Preguntas frecuentes
- ¿Qué chip reemplaza al Nvidia H20 en los laboratorios chinos?
- ¿Por qué EE.UU. prohibió el H20 si ya cumplía las reglas de 2023?
- ¿Cuánto costó entrenar DeepSeek-V3 según su propio paper?
- ¿SMIC puede fabricar chips a 5 nanómetros o menos sin máquinas EUV?
- ¿Qué es la iniciativa “IA+” del gobierno chino?
- ¿Los modelos chinos como DeepSeek están disponibles fuera de China?
- Referencias
Pese al veto, la IA científica en China sigue avanzando: laboratorios y universidades usan modelos todos los días para investigación, con menos GPU de Nvidia y más chips propios, como el Huawei Ascend, procesos de SMIC sin litografía EUV y modelos entrenados con trucos de eficiencia como los de DeepSeek.
TL;DR
- Laboratorios chinos usan IA agéntica para acelerar investigación científica pese a las restricciones de EE.UU. a chips avanzados (C&EN, julio 2026).
- EE.UU. amplió en abril de 2025 las restricciones al Nvidia H20, el chip diseñado para cumplir las reglas de exportación de 2023.
- Huawei Ascend 910B y 910C, fabricados por SMIC sin litografía EUV, son la base de los clústeres de entrenamiento domésticos chinos.
- DeepSeek-V3 reportó un costo del entrenamiento final de unos 5,576 millones de dólares usando GPU H800, pese a las restricciones.
- SMIC produce el Kirin 9000s a 7 nm con multipatterning DUV desde 2023, sin acceso a máquinas EUV de ASML.
- El clúster CloudMatrix 384 de Huawei conecta cientos de Ascend 910C para aproximar el rendimiento agregado de sistemas Nvidia GB200.
- China presentó en 2025 la iniciativa estatal “IA+” para integrar modelos de IA en ciencia, industria y salud.
Qué pasó
Un reportaje de Chemical & Engineering News describe cómo laboratorios chinos despliegan sistemas de IA agéntica sobre supercómputo doméstico para acelerar tareas como el diseño de materiales, el plegado de proteínas y el análisis de datos experimentales, incluso con acceso limitado a las GPU más avanzadas de Nvidia.
La estrategia combina dos frentes. Por un lado, universidades y centros como la Academia China de Ciencias adoptan modelos de lenguaje como asistentes de investigación, capaces de generar hipótesis, revisar literatura y automatizar simulaciones. Por otro, la industria china de semiconductores intenta cerrar la brecha de hardware que dejaron los controles de exportación estadounidenses.
Ese enfoque no es exclusivo de la academia. Empresas estatales de energía y farmacéuticas locales también prueban asistentes de IA para acelerar ensayos y optimizar procesos industriales, replicando en China el mismo patrón de adopción agéntica que ya se ve en laboratorios de EE.UU. y Europa, solo que sobre una pila de hardware distinta.
Contexto e historia de la IA científica en China
Los controles empezaron en octubre de 2022, cuando el Departamento de Comercio de EE.UU. prohibió la venta a China de GPU por encima de cierto umbral de rendimiento e interconexión. Nvidia respondió con versiones recortadas, la A800 y la H800, diseñadas para quedar justo debajo del límite legal.
En octubre de 2023 Washington endureció la regla y esas versiones también quedaron prohibidas. Nvidia diseñó entonces el H20, un chip con menos ancho de banda de interconexión pero memoria similar a la H100, pensado exclusivamente para seguir vendiendo en China dentro del nuevo marco. En abril de 2025 el gobierno estadounidense amplió otra vez el criterio y bloqueó también el H20, lo que forzó a Nvidia a reconocer cargos por miles de millones de dólares en inventario varado.
La respuesta doméstica no es nueva. Huawei lanzó el Ascend 910B en 2023, y SMIC lo fabrica con un proceso de 7 nanómetros que depende de litografía ultravioleta profunda (DUV) con múltiples pasadas, sin acceso a las máquinas EUV que Países Bajos y EE.UU. bloquean para SMIC. Ese mismo proceso ya se había usado en 2023 para el Kirin 9000s del Huawei Mate 60 Pro.
flowchart TD
A["Controles de exportación de EE.UU. (2022-2025)"] --> B["Nvidia limita H100, H800 y H20 para China"]
B --> C["Laboratorios y universidades chinas"]
C --> D["Chips domésticos: Huawei Ascend + SMIC"]
C --> E["Modelos eficientes: DeepSeek"]
D --> F["Clústeres CloudMatrix"]
E --> F
F --> G["IA aplicada a ciencia (materiales, proteínas, datos)"]Detalles técnicos y rendimiento
La limitación central no es solo cuántas operaciones por segundo hace un chip, sino cuánto ancho de banda tiene para hablar con miles de chips vecinos durante el entrenamiento distribuido. Ahí es donde el H20 y el Ascend pierden frente al H100 o al B200. Estos números importan porque definen qué tan rápido puede escalar la IA científica en China sin depender de Nvidia.
| Chip | Fabricante | Proceso | Limitación clave | Uso típico |
|---|---|---|---|---|
| Nvidia H100 | TSMC (4N) | ~4 nm | No exportable a China desde 2023 | Entrenamiento frontera fuera de China |
| Nvidia H20 | TSMC (4N) | ~4 nm | Vetado en abril de 2025 | Inferencia y entrenamiento moderado (histórico) |
| Huawei Ascend 910C | SMIC | 7 nm (DUV multipatterning) | Menor rendimiento por oblea y mayor costo de fabricación | Entrenamiento e inferencia doméstica en China |
⚠️ Ojo: el cuello de botella no es solo el chip individual, es la interconexión: sin un equivalente a NVLink de alto ancho de banda, escalar un clúster de miles de aceleradores exige más chips y más red para igualar el mismo rendimiento agregado.
Huawei compensa esa brecha con escala: su clúster CloudMatrix 384 conecta cientos de Ascend 910C con una malla de interconexión propia para aproximar, en rendimiento agregado, a sistemas como el Nvidia GB200 NVL72, aunque con mayor consumo eléctrico por unidad de cómputo útil.
Del lado del software, DeepSeek demostró en 2024 que se puede entrenar un modelo de clase frontera gastando menos cómputo del esperado. El informe técnico de DeepSeek-V3 reporta un costo del entrenamiento final de aproximadamente 5,576 millones de dólares usando clústeres de GPU H800, gracias a técnicas como cuantización FP8 y un enrutador de mezcla de expertos más eficiente.
📌 Nota: esa cifra de DeepSeek cubre solo el entrenamiento final reportado en el paper, no el costo total de investigación, personal ni experimentos previos: varios analistas la consideran una cota inferior, no el costo real completo del proyecto.
Cómo verificarlo vos mismo
Para saber qué GPU tiene disponible un servidor y si corresponde a una versión limitada para China, alcanza con dos comandos.
nvidia-smi --query-gpu=name,compute_cap,memory.total --format=csvEsto imprime el nombre exacto del chip (por ejemplo NVIDIA H20 o NVIDIA H100 80GB HBM3), su capacidad de cómputo CUDA y la memoria total: los tres datos que definen si un chip entra en las categorías reguladas por el Departamento de Comercio de EE.UU.
Para rastrear qué instituciones chinas publican investigación de IA aplicada a ciencia, se puede consultar directamente la API pública de arXiv:
import urllib.request
url = (
"http://export.arxiv.org/api/query?"
"search_query=abs:agentic+AND+abs:science+AND+abs:China"
"&sortBy=submittedDate&sortOrder=descending&max_results=10"
)
respuesta = urllib.request.urlopen(url).read().decode("utf-8")
print(respuesta[:500])El script devuelve los últimos diez resúmenes que combinan IA agéntica, ciencia y afiliación china, útil para verificar de primera mano el volumen de publicaciones que describe el reportaje.
Impacto y análisis
El resultado no es que China iguale a Nvidia chip por chip: es que deja de necesitarlo para avanzar en ciencia aplicada. Un modelo entrenado de forma eficiente en hardware doméstico, aunque tarde más o consuma más energía por unidad útil, igual sirve para acelerar el diseño de un catalizador o el análisis de un dataset genómico.
Esa distinción importa para la política de exportaciones: cada nueva ronda de controles empuja a China a invertir más en su propia cadena de semiconductores, con SMIC como cuello de botella crítico porque, a diferencia del diseño de chips, la fabricación a escala sin litografía EUV es mucho más difícil de replicar rápido.
La lección se extiende más allá de China. Cualquier país sin acceso a los chips más avanzados de Nvidia (India, algunos actores de Medio Oriente, incluso partes de Europa con cuotas limitadas) observa de cerca si la eficiencia de software puede compensar, al menos parcialmente, una desventaja de hardware. Si la respuesta es sí, los controles de exportación pierden parte de su efecto disuasorio a mediano plazo.
Qué sigue
La pregunta abierta es si Huawei y SMIC pueden escalar producción de Ascend más rápido de lo que Washington ajusta la lista de chips restringidos. La carrera por escalar la IA científica en China depende ahora tanto de las obleas de SMIC como de la política de Washington.
La iniciativa estatal “IA+”, presentada en 2025 para integrar modelos de IA en industria, salud y ciencia, depende directamente de esa carrera de suministro.
📖 Resumen en Telegram: Ver resumen
Probalo vos: corré el comando nvidia-smi --query-gpu=name,compute_cap --format=csv en tu propia instancia cloud para ver exactamente qué chip te están facturando.
Preguntas frecuentes
¿Qué chip reemplaza al Nvidia H20 en los laboratorios chinos?
Principalmente el Huawei Ascend 910B y su sucesor 910C, fabricados por SMIC con un proceso de 7 nanómetros sin litografía EUV.
¿Por qué EE.UU. prohibió el H20 si ya cumplía las reglas de 2023?
Porque en abril de 2025 el gobierno amplió el criterio de restricción, lo que llevó a Nvidia a reconocer cargos por inventario varado de miles de millones de dólares.
¿Cuánto costó entrenar DeepSeek-V3 según su propio paper?
El informe técnico reporta un costo del entrenamiento final de aproximadamente 5,576 millones de dólares en GPU H800, sin contar investigación previa ni personal.
¿SMIC puede fabricar chips a 5 nanómetros o menos sin máquinas EUV?
No con densidad ni rendimiento competitivos. Usa multipatterning con litografía DUV a 7 nanómetros, un proceso más caro y con menor rendimiento por oblea.
¿Qué es la iniciativa “IA+” del gobierno chino?
Un plan estatal presentado en 2025 para integrar modelos de inteligencia artificial en industria, ciencia, salud y administración pública.
¿Los modelos chinos como DeepSeek están disponibles fuera de China?
Sí, varios se publican con pesos abiertos bajo licencias permisivas, lo que permite ejecutarlos y auditarlos fuera de la infraestructura china.
Referencias
- Chemical & Engineering News: reportaje sobre laboratorios chinos usando IA agéntica en ciencia pese a las limitaciones de chips.
- DeepSeek-V3 Technical Report (arXiv): paper técnico con el desglose de costo de entrenamiento y arquitectura del modelo.
- Wikipedia: SMIC: historia y capacidades de proceso de la fundidora china de semiconductores.
- Nvidia Newsroom: comunicados oficiales sobre productos y cumplimiento de controles de exportación.
📱 ¿Te gusta este contenido? Únete a nuestro canal de Telegram @programacion donde publicamos a diario lo más relevante de tecnología, IA y desarrollo. Resúmenes rápidos, contenido fresco todos los días.
Imagen destacada: Foto de Michael Myers en Unsplash
0 Comentarios