China ha reducido la ventaja de EE.UU. al 2,7% al gastar 23 veces menos en inversión en IA
En resumen: el informe del Índice de IA 2026 de Stanford encontró que la brecha de rendimiento entre los mejores modelos de IA estadounidenses y chinos se redujo al 2,7%, frente a 17,5-31,6 puntos porcentuales en mayo de 2023, a pesar de que EE.UU. gastó 23 veces más en inversión privada en IA (285.900 millones de dólares frente a 1 dólar). China lidera en patentes de IA (69,7% de las solicitudes globales), publicaciones (23,2% de la producción global), instalaciones de robots industriales (9 veces la tasa de EE.UU.) e infraestructura energética, mientras que la transferencia de talentos de IA a EE.UU. ha caído un 89% desde 2017.
La brecha de rendimiento entre los mejores modelos de IA estadounidenses y chinos se ha reducido al 2,7%, según el informe del Índice de IA 2026 publicado esta semana por el Instituto de Inteligencia Artificial Centrada en el Humano de la Universidad de Stanford. En mayo de 2023, la brecha a mayor escala estaba entre 17,5 y 31,6 puntos porcentuales. En marzo de 2026, Claude Opus 4.6 de Anthropic lidera la clasificación mundial con una puntuación de Arena de 1.503, mientras que la vista previa dola-seed-2.0 de Bytedance se sitúa en 1.464, una diferencia de 39 puntos. El modelo de razonamiento R1 de DeepSeek coincidió brevemente con el modelo superior de EE. UU. en febrero de 2025, y los modelos estadounidense y chino intercambiaron ventajas varias veces.
El informe de 423 páginas, la evaluación anual más completa del panorama global de la IA, documenta una situación en la que Estados Unidos gasta 23 veces más en inversión privada en IA que China, pero lidera en la única métrica que posiblemente importa, el rendimiento del modelo, por menos de tres puntos porcentuales. La pregunta que plantea el informe es si la ventaja de costos está sosteniendo el liderazgo estadounidense o si China ha encontrado maneras de competir sin él.
A dónde conduce cada país
Estados Unidos domina la inversión privada en IA con 285.900 millones de dólares en 2025, en comparación con los 12.400 millones de dólares de China. 218 mil millones de dólares sólo en California, más del 75% del total de Estados Unidos. Las empresas estadounidenses produjeron 50 modelos notables de IA el año pasado, en comparación con los 30 de China, aunque el número de China se duplicó respecto de los 15 del año anterior, mientras que el de Estados Unidos creció más modestamente. Estados Unidos tiene 5.427 centros de datos, diez veces más que cualquier otro país.
China lidera en volumen. Los investigadores chinos generaron el 20,6% de las citas en comparación con el 23,2% de todas las publicaciones mundiales sobre IA y el 12,6% de Estados Unidos. Las empresas chinas presentaron el 69,7% de todas las patentes de IA en todo el mundo. China instaló 295.000 robots industriales en el período del informe más reciente, casi nueve veces los 34.200 instalados en Estados Unidos. Y el margen de reserva de electricidad de China nunca ha caído por debajo del 80%, el doble de la capacidad necesaria, mientras que la red eléctrica estadounidense ha sufrido décadas de subinversión que el informe identificó como una barrera potencial al crecimiento de la infraestructura de IA.
Las estadísticas de inversión vienen con una salvedad importante. El informe señala que los datos de inversión privada “Probablemente subestima" El verdadero gasto de China en IA se debe a que el gobierno chino canaliza recursos a través de fondos de orientación y vehículos de inversión promovidos por el estado que no aparecen en las bases de datos de capital privado. La proporción de gasto de 23 a 1 puede ser menos dramática de lo que parece.
Crisis de talento
Los hallazgos más interesantes pueden referirse a personas más que a modelos. El número de académicos de IA que se mudaron a EE. UU. ha caído un 89 % desde 2017, y el 80 % de esta disminución se produjo solo el año pasado. El informe describió la disminución como “rápidamente"Suiza ocupa actualmente el primer lugar en el mundo en cuanto a investigadores y desarrolladores de IA per cápita.
Los datos sobre la migración de talentos complican la narrativa de que el liderazgo estadounidense en IA está seguro debido a sus ventajas de inversión. Los investigadores que desarrollan modelos de frontera optan cada vez más por no venir a Estados Unidos, comprando hardware e infraestructura de alto costo, pero no el capital intelectual que convierte la computación en capacidad. Dipsik mostró En enero de 2025, un laboratorio chino podría igualar a los mejores de Silicon Valley con una fracción de los recursos. Los datos sobre talentos sugieren que las condiciones que crearon el Dipsic se están fortaleciendo, no debilitándose.
Lo que la IA puede y no puede hacer
El informe documenta mejoras en el desempeño que parecían imposibles hace dos años. En SWE-Bench, un punto de referencia de codificación, el rendimiento del modelo aumentó del 60 % a cerca del 100 % en un año. En preguntas científicas de nivel de posgrado, la precisión del modelo alcanzó el 93%, por encima de la línea de base del verificador humano experto del 81,2%. Gemini Deep Think de Google gana medalla de oro en la Olimpiada Internacional de Matemáticas En la última prueba de la humanidad, un punto de referencia diseñado para ser irresoluble, los modelos Frontier ganaron 30 puntos porcentuales en un año.
Pero el informe documenta lo que llama una "frontera irregular". El modelo superior lee con precisión los relojes analógicos sólo el 50,1% del tiempo. El sistema de manipulación robótica logró un 89,4% de éxito en simulación, pero sólo un 12% en tareas domésticas reales. Aproximadamente la mitad de los más de 500 estudios clínicos de IA revisados utilizaron preguntas de estilo experimental en lugar de datos reales de pacientes, y sólo el 5% utilizó registros clínicos reales. La brecha entre el desempeño de las pruebas comparativas y la confiabilidad del mundo real persiste en una amplia gama de dominios donde los errores tienen consecuencias.
Adopción, confianza y regulación
La IA generativa fue adoptada por el 53% de la población a los tres años de su lanzamiento, más rápido que las computadoras personales o Internet. El 88 por ciento de las organizaciones informan que utilizan IA. Cuatro de cada cinco estudiantes universitarios utilizan ahora herramientas de IA generativa. Pero Estados Unidos ocupa el puesto 24 a nivel mundial en adopción con sólo un 28,3%, detrás de Singapur con un 61% y los Emiratos Árabes Unidos con un 54%.
La confianza del público sigue siendo baja. Sólo el 31% de los estadounidenses confía en que su gobierno regule la IA, la cifra más baja de todos los países encuestados e inferior al promedio mundial del 54%. D Desconexión público-experto Un tema central del informe: el 73% de los expertos en IA esperan un impacto positivo en el empleo, frente al 23% del público en general. Sólo un tercio de los estadounidenses espera que la IA mejore sus trabajos.
Cuarenta y siete países tienen ahora leyes activas sobre IA, pero sólo 12 cuentan con mecanismos de aplicación. Las acciones de cumplimiento registradas aumentaron de 43 en 2024 a 156 en 2025. Los costos de cumplimiento varían ocho veces entre jurisdicciones. D tengo la ley La implementación total entró en vigor en enero de 2026, pero el panorama regulatorio más amplio es de fragmentación más que de coordinación.
Costos ambientales
El Grok 4 de xAI produce 72.816 toneladas de CO2 equivalente, aproximadamente las emisiones de conducir 17.000 coches durante un año. La capacidad de energía de los centros de datos de IA alcanza los 29,6 gigavatios en todo el mundo, suficiente para alimentar al estado de Nueva York en momentos de máxima demanda. La sección medioambiental del informe se lee como un contrapeso a las mejoras en el rendimiento: los modelos están mejorando, pero el costo de mejorarlos también está aumentando.
¿Qué significa el número?
La conclusión principal, que China casi ha cerrado la brecha de desempeño con Estados Unidos, dominará la conversación sobre políticas. Pero el significado más profundo del informe es la relación entre gasto y resultados. Estados Unidos invirtió 285.900 millones de dólares en capital privado de IA el año pasado. China invirtió 12.400 millones de dólares. La diferencia de rendimiento entre sus mejores modelos es del 2,7%. Mientras tanto, la transferencia de talentos en IA a Estados Unidos se ha derrumbado: China domina las patentes y las publicaciones y los chinos dominan las patentes y las publicaciones. Inversión en infraestructura La energía y la manufactura enanan a Estados Unidos.
El debate entre fuentes abiertas y cerradas añade otra dimensión. El modelo cerrado superior ahora lidera al modelo abierto superior en un 3,3%, frente al 0,5% en agosto de 2024, y seis de los diez modelos principales son de código cerrado. La ventaja de rendimiento de los sistemas propietarios se está ampliando, lo que favorece a las empresas estadounidenses que dominan el nivel de código cerrado, pero significa que los modelos de código abierto que han impulsado la recuperación de China pueden enfrentar rendimientos decrecientes.
Los datos de empleo de los desarrolladores de software de 22 a 25 años han disminuido casi un 20% desde 2022. Un tercio de las empresas encuestadas espera que la IA reduzca su fuerza laboral durante el próximo año. El Índice de Transparencia del Modelo de Fundación cayó de 58 a 40, y la mayoría de los modelos de frontera no informan nada sobre equidad, seguridad o agencia humana. Los incidentes documentados de IA aumentaron un 55% en un año.
El Índice de IA de Stanford no hace recomendaciones de políticas. Presenta información. Pero la versión de 2026 de los datos cuenta una historia que inquietará a cualquiera que asuma que el dominio estadounidense de la IA es sostenible. Liderando la inversión y el desempeño del modelo en Estados Unidos. Canal de talentos de China, patentes, publicaciones, robótica y Infraestructura energética. La brecha de desempeño es del 2,7% y se está reduciendo. La brecha de gasto es de 23 a 1 y va en aumento. Una de estas tendencias es la sostenibilidad. El informe deja al lector determinar cuál.
