Las restricciones a las exportaciones de EE. UU. empujan los chips de IA de China de GPU a ASIC personalizados
TL; DR
Los controles de exportación de Estados Unidos están alejando a la industria de chips de IA de China de las GPU de uso general y hacia los ASIC personalizados. Huawei lidera con una participación de mercado proyectada del 62%, mientras que Alibaba y Cambricon buscan arquitecturas alternativas que podrían crear un ecosistema estructuralmente diferente del Occidente dominado por Nvidia.
La industria china de chips de IA ya no intenta fabricar clones de Nvidia. Bajo los duraderos controles de exportación de Estados Unidos que bloquean el acceso a las GPU de uso general más potentes, las empresas tecnológicas más grandes del país están avanzando hacia circuitos integrados para aplicaciones específicas, chips personalizados diseñados para hacer una cosa muy bien en lugar de manejar cualquier carga de trabajo. El cambio está creando un ecosistema nacional de semiconductores que puede ser arquitectónicamente distinto del modelo dominante de Nvidia que impulsa la IA en Occidente.
En el centro de esta variación se encuentra una elección de diseño que aceleró los controles de exportación. Las GPU de uso general, del tipo que vende Nvidia, son flexibles y programables, lo que las hace ideales para la acelerada fase de investigación del desarrollo de la IA, donde las arquitecturas de los modelos cambian constantemente. Los ASIC sacrifican esa flexibilidad en aras de una 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.
Los chips personalizados son tres caminos
La empresa china busca tres arquitecturas ASIC distintas. Huawei está apostando por unidades de procesamiento neuronal con su serie Ascend, que incluye el ampliamente implementado 910C y el próximo Ascend 950. Cambricon Technologies está desarrollando arquitecturas de dominio específico 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 que tiene un rendimiento tres veces mayor que su predecesor.
Espacio de coworking de TNW City: donde ocurre tu mejor trabajo
Un espacio de trabajo diseñado para el crecimiento, la colaboración y un sinfín de oportunidades de networking en el corazón de la tecnología.
En el lado de la GPU, Moore Threads lidera el esfuerzo nacional. Fundada en 2020 por el ex ejecutivo de Nvidia China, Zhang Jianzhong, la empresa se ha dedicado a chips de uso general como la serie MTT S5000. Biren Technology, Enflame e Iluvatar Corex también compiten en este espacio, pero ninguno ha alcanzado la escala de los líderes de ASIC.
Un informe de Morgan Stanley publicado el 8 de mayo aclaró la dinámica del mercado. Se estima que Huawei captará el 62% del mercado nacional de aceleradores de IA de China en 2026, seguido de Cambricon con el 14%. Entre las grandes empresas tecnológicas que fabrican chips patentados, se espera que Baidu y Alibaba se queden con alrededor del 5% cada una. Los pesos pesados de ASIC están ganando en volumen e impulso.
El rendimiento ya no es una barrera
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 la tarjeta Ascend 950 de Huawei y la Siyuan 690 de Cambricon pueden superar al H20 de Nvidia, el chip más potente que Nvidia actualmente puede vender en 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 de dólares en 2026, frente a los 7,5 mil millones de dólares en 2025. La participación de Nvidia en el mercado chino de aceleradores de IA efectivamente se ha reducido a cero, un hecho que el director ejecutivo Jensen Huang describió como una "consecuencia terrible" dada su dependencia de CU Software, con sede en Estados Unidos. Ecosistema que tardó dos décadas en construirse.
Para el mercado de IA altamente comercializado de China, que se centra en implementar aplicaciones para cientos de millones de usuarios en lugar de realizar investigaciones de vanguardia, el enfoque ASIC tiene particular sentido. La inferencia, el proceso de ejecutar un modelo entrenado a escala, recompensa el tipo de optimización estrecha que proporciona el silicio personalizado. La formación de nuevos modelos todavía se beneficia de la flexibilidad de la GPU, pero se generan ingresos.
Problemas con la pila de software
El rendimiento del hardware es sólo la mitad de la ecuación. Un 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 utilizada por millones de desarrolladores de inteligencia artificial en todo el mundo para escribir código para el hardware de Nvidia. Las implicaciones de red de CUDA son enormes. Prácticamente todos los marcos de IA, todos los artículos de investigación y todos los modelos previamente entrenados asumen la compatibilidad con CUDA.
Huawei está desarrollando CANN como alternativa, mientras que Moore Threads desarrolló MUSA. Dipsik ha pasado meses reescribiendo su código central para que funcione 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, el límite entre los ASIC personalizados y las GPU flexibles es "cada vez más borroso", lo que sugiere que la arquitectura ganadora puede eventualmente combinar elementos de ambos.
Su Lian Jie, analista principal de Omdia, formuló la elección de manera pragmática: las empresas con sólidas capacidades de ingeniería de IA y una hoja de ruta clara se benefician de los ASIC, mientras que ejecutan cargas de trabajo mixtas todavía se inclinan hacia las GPU de uso general. Por ahora, el impulso del mercado en China favorece los enfoques especializados, en parte por elección y en parte porque la opción de uso general de Nvidia sigue no disponible o es limitada.
Un ecosistema estructuralmente diverso
Las consecuencias a largo plazo de estas desviaciones pueden ser más significativas que los puntos de referencia de desempeño a corto plazo. Si la industria de la IA de China se estandarizara en una combinación de NPU de Huawei, PPU de Alibaba y chips de dominio específico de Cambricon, cada uno ejecutando su propia pila de software, el resultado sería un ecosistema fragmentado pero autóctono que opera sobre supuestos arquitectónicos fundamentalmente diferentes a los de Occidente.
Esto implica costos fragmentados. Es posible que los desarrolladores del mercado chino necesiten admitir múltiples plataformas de hardware simultáneamente, lo que aumenta la complejidad. La colaboración transfronteriza con IA se vuelve difícil cuando las pilas de computación subyacentes son incompatibles. Y la falta de una única plataforma dominante significa que ningún fabricante chino de chips se beneficia del bloqueo del ecosistema que hizo que CUDA de Nvidia fuera tan poderoso en primer lugar.
Pero el rumbo está fijado. Los controles de exportación de Estados Unidos destinados a frenar el progreso de la IA de China han acelerado en cambio un rediseño estructural de su industria de chips, empujándola hacia silicio personalizado, pilas de software autóctonas y una arquitectura que ya no depende del hardware estadounidense. Si ese ecosistema puede igualar el ritmo de innovación en Occidente impulsado por Nvidia es la cuestión definitoria de la carrera de chips de IA.
