Mientras en Occidente el debate sobre inteligencia artificial sigue centrado en construir modelos cada vez más grandes, un informe chino sugiere que el sector está a punto de entrar en una fase completamente distinta. Según el instituto de investigación vinculado al principal operador de telecomunicaciones estatal de China, la industria de IA del país estaría desplazándose desde la competencia en modelos y capacidad de entrenamiento hacia el despliegue masivo de “agentes” IA: sistemas capaces de ejecutar tareas de forma autónoma. Se trata de un cambio que afecta a la estructura completa del cómputo para inferencia en China, con implicaciones que van mucho más allá de sus fronteras.
El dato más llamativo del informe merece una lectura cuidadosa y la cautela necesaria: es una proyección, no un hecho consolidado, pero vale la pena entender por qué resulta tan significativa. Analizamos qué prevé exactamente el estudio y por qué esta historia se conecta directamente con otros desarrollos recientes sobre la carrera global por la infraestructura de IA.
Qué prevé el informe
Según el instituto de investigación de China Telecom, citado por la televisión estatal china y posteriormente por Bloomberg, la demanda de potencia de cómputo generada por los agentes IA podría multiplicar casi por diez las necesidades computacionales totales del país en dos o tres años. El dato más significativo, sin embargo, tiene que ver con la composición de esa demanda: según la proyección, para 2029 la inferencia (es decir, el uso práctico de un modelo ya entrenado para ejecutar tareas reales) podría representar alrededor del 80% del mercado chino de capacidad de cómputo, superando por primera vez a la demanda vinculada al entrenamiento de modelos.
Conviene ser precisos: se trata de una proyección elaborada por un instituto de investigación, aunque autorizado y ligado a un actor estatal de primer nivel, no de un dato ya verificado. Las previsiones de este tipo, especialmente a varios años vista en un sector que cambia con rapidez, deben tomarse siempre con prudencia. Dicho esto, la dirección que señala el informe es coherente con lo que otros analistas del sector observan a nivel global, y merece atención.
赵斌宇
Por qué el cuello de botella cambia de naturaleza
Concretamente, para entender por qué este desplazamiento es tan relevante, hay que comprender la diferencia entre entrenar un modelo y hacerlo funcionar día a día. Entrenar un gran modelo de IA requiere una enorme cantidad de potencia de cómputo, pero concentrada en periodos de tiempo relativamente acotados, en los que grandes clústeres de ordenadores trabajan juntos durante semanas o meses. Es un problema que, por costoso que sea, tiene límites temporales claros.
Millones de agentes IA operativos al mismo tiempo, en cambio, requieren un tipo de infraestructura completamente distinto: cómputo continuo, distribuido por todo el territorio y con tiempos de respuesta muy bajos, porque un agente que debe responder en tiempo real no puede permitirse demoras. Eso implica la necesidad de muchos más centros de datos, redes de conexión más densas, sistemas de almacenamiento de datos y, naturalmente, energía eléctrica suficiente para mantener todo esto en funcionamiento sin interrupciones, día y noche. No es casualidad que las autoridades chinas ya estén trabajando en un plan de infraestructura específico, orientado a llevar cobertura de red de muy baja latencia a gran parte de las áreas metropolitanas del país en pocos años, acercando físicamente los nodos de cómputo a los usuarios finales.
La segunda fase de la carrera por la IA
Qué prevé el informe chino. Fuente: China Telecom Research Institute, 2026
- La proyección: la inferencia al 80% del mercado de cómputo chino para 2029, superando al entrenamiento.
- El impulso: los agentes IA podrían multiplicar casi por 10 la demanda en 2 o 3 años.
- Ya en marcha: China Telecom ya vende paquetes de tokens de IA a consumidores como planes de datos móviles.
No es solo teoría: ya está comenzando
Hay un elemento que hace esta proyección menos abstracta de lo que podría parecer a primera vista. El mismo operador de telecomunicaciones detrás del instituto que publicó el informe ya ha comenzado a vender a sus clientes paquetes de uso de IA estructurados exactamente como las tradicionales ofertas de datos móviles: pocos yuanes al mes por un determinado número de “tokens”, la unidad de medida con la que se contabiliza el uso de modelos de lenguaje, con planes que escalan hacia arriba para un uso más intensivo. La plataforma sobre la que se apoya este servicio alberga ya más de cien modelos lingüísticos distintos y cientos de aplicaciones específicas para diversos sectores, y los ingresos vinculados a este tipo de “cómputo inteligente” casi se duplicaron en la primera mitad de este año.
Es una señal concreta de que el salto de la fase experimental al mercado masivo para la inferencia de IA no es una hipótesis lejana, sino un proceso ya en marcha. Los operadores de telecomunicaciones chinos no están solos en esta carrera: los principales competidores nacionales persiguen la misma porción de ingresos en lo que se está convirtiendo rápidamente en una nueva línea de negocio central para el sector de las telecomunicaciones del país.
Alina Maria Stan
La pieza que falta en el rompecabezas global de la IA
Esta noticia cobra aún más sentido si se lee junto a otros dos casos que hemos analizado recientemente. Por un lado, explicamos cómo Google se está asegurando décadas de energía nuclear en Finlandia para alimentar sus centros de datos, y cómo un ex operador de minería de Bitcoin como IREN se está reconvirtiendo para captar esa misma demanda de infraestructura física. Por otro, vimos cómo la china Z.AI está captando miles de millones de dólares en los mercados financieros precisamente para adquirir capacidad de cómputo.
Esas historias describían el lado de la oferta: de dónde provienen la energía y el capital necesarios para construir la infraestructura de IA. El informe chino sobre inferencia explica algo igualmente relevante: de dónde podría llegar la demanda que tendrá que llenar esa infraestructura una vez construida. Si millones de agentes de IA llegaran a operar a gran escala, la necesidad de cómputo continuo y distribuido aumentaría la presión sobre la energía, el capital y las infraestructuras físicas, haciendo aún más decisivos los movimientos que observamos en ambos frentes. Para completar el panorama, cabe señalar que el mundo de las criptomonedas también presta cada vez más atención al concepto de agentes autónomos, como vimos en relación con la visión de Tether sobre una economía de máquinas y pagos automatizados.
La lectura más amplia
Si la previsión china resultara correcta, aunque solo en parte, estaríamos ante un cambio profundo en la naturaleza misma de la demanda de inteligencia artificial. La primera fase de la carrera global por la IA estuvo dominada por la competición entre unos pocos laboratorios para construir el modelo más potente posible. Una segunda fase, impulsada por la difusión masiva de agentes autónomos que trabajan de forma ininterrumpida, podría ser aún más exigente desde el punto de vista infraestructural: ya no se trataría de unas pocas semanas de entrenamiento intensivo, sino de un funcionamiento continuo a escala de millones de sistemas simultáneos.
Para el observador, la lección es doble. Por un lado, este caso recuerda que el debate sobre la inteligencia artificial no debería detenerse en la calidad de los modelos, sino incluir cada vez más la cuestión de cómo y dónde se utilizarán realmente a gran escala, con todas las implicaciones infraestructurales que eso conlleva. Por otro, la comparación entre el enfoque chino, coordinado por el Estado y sus grandes operadores de telecomunicaciones, y el modelo más fragmentado y privado característico de los mercados occidentales, invita a reflexionar sobre cuál de los dos resultará más eficaz para construir la infraestructura que sostenga esta próxima fase. Para comprender mejor las bases de estas tecnologías, resulta útil la guía sobre qué son las criptomonedas y la inteligencia artificial.
