Las restricciones de exportación de semiconductores de EE.UU. han obligado a China a construir su propia industria de chips de IA. El problema es que «construir chips de IA» no es una categoría única, y China está ahora dividida en dos filosofías de diseño: GPU generalistas (como las de Nvidia) versus ASIC (circuitos integrados de aplicación específica, diseñados para una tarea concreta). TheNextWeb lo analiza el 1 de junio de 2026 con el contexto del Computex y el reciente cierre del vacío de exportaciones por Malasia.La elección entre las dos rutas no es solo técnica. Es estratégica. Y tiene consecuencias para qué modelos de IA puede desarrollar China en los próximos cinco años.Qué diferencia una GPU de un ASIC para IAUna GPU como las de Nvidia es un chip generalista: puede entrenar cualquier tipo de red neuronal, ejecutar modelos de lenguaje, hacer rendering gráfico o procesar vídeo. Su ventaja es la flexibilidad. Su desventaja es la eficiencia: una GPU está diseñada para miles de usos distintos, así que no está optimizada al máximo para ninguno en particular.Un ASIC (Application-Specific Integrated Circuit) es lo contrario: un chip diseñado específicamente para una tarea. Los TPU de Google son ASIC diseñados para operaciones matriciales de redes neuronales. El chipset de Apple para Face ID es un ASIC. Los chips de Groq (las LPU analizadas en artículos recientes) son ASIC para inferencia de lenguaje. Un ASIC puede ser 10 o 100 veces más eficiente energéticamente que una GPU para la tarea exacta para la que fue diseñado. Pero si el modelo de IA cambia, puede que el ASIC ya no sirva.El dilema de ChinaChina tiene esta tensión en el centro de su estrategia de IA:Los ASIC son más fáciles de fabricar con los nodos de proceso disponibles en China. Las restricciones de equipo de litografía (especialmente los sistemas EUV de ASML que EE.UU. y sus aliados han bloqueado) limitan a SMIC, el principal fabricante de chips chino, a procesos de 7 nm y más gruesos. Para una GPU generalista competitiva, 7 nm es insuficiente: Nvidia fabrica sus chips en TSMC a 4 nm. Para un ASIC diseñado para un modelo específico, 7 nm puede ser suficiente si el diseño está bien optimizado.Las GPU chinas siguen muy por detrás. Según el análisis del Council on Foreign Relations publicado en diciembre de 2025, las mejores GPU chinas actuales —el Ascend 910C de Huawei— tienen aproximadamente un quinto del rendimiento de las GPU Nvidia más avanzadas (H200). Para 2027, esa brecha se ampliará a 1:17. Huawei admite en su propio roadmap que su próxima generación de chips en 2026 tendrá menos rendimiento que su mejor chip actual —una señal de que están enfrentando problemas de fabricación en SMIC.DeepSeek cambió el debate. El modelo DeepSeek-R1, que mostró capacidades competitivas con los mejores modelos occidentales con una fracción del cómputo, abrió una discusión sobre si los ASIC optimizados para modelos específicos podrían ser una vía viable. Si los modelos chinos más eficientes consumen menos FLOPS que los modelos americanos, los ASIC diseñados para esos modelos podrían funcionar bien incluso con las limitaciones de fabricación de SMIC.Los actores y sus apuestasEl paisaje de chips de IA en China incluye tres tipos de actores con estrategias distintas:Huawei sigue apostando por GPU-like: sus chips Ascend aspiran a ser alternativos a las GPU de Nvidia. La estrategia tiene lógica para clientes que quieren replicar el ecosistema Nvidia (CUDA → CANN, el SDK propio de Huawei), pero la brecha de rendimiento es real y la dependencia de SMIC como fabricante es un techo.Cambricon y Moore Threads están en el espacio GPU-like pero con menor cuota. Sus chips son competitivos en inferencia de modelos medianos pero no en entrenamiento de modelos de frontera.Horizon Robotics, Biren y otros han apostado más por ASIC para aplicaciones específicas: conducción autónoma, reconocimiento de imagen, edge computing. Estos no compiten directamente con las GPU de Nvidia en centros de datos pero tienen ventajas reales en sus nichos.La SCMP señala que el debate interno en China sobre GPU vs. ASIC no tiene un ganador claro porque depende de una pregunta que nadie puede responder todavía: ¿qué modelos de IA necesitará China en los próximos cinco años? Si la arquitectura de los LLMs cambia significativamente, los ASIC diseñados para arquitecturas actuales quedarán obsoletos. Si los LLMs se estabilizan como arquitectura dominante, los ASIC pueden ser la solución más eficiente para las limitaciones de fabricación chinas.El contexto de Computex: RTX Spark y el cierre del vacío de MalasiaEl anuncio de RTX Spark en Computex coincidió el mismo día con otra noticia: el Departamento de Comercio de EE.UU. cerró el vacío que permitía a empresas chinas recibir chips Nvidia a través de subsidiarias en Malasia, Singapur y otros terceros países. Las acciones de Nvidia cayeron un 1,45% en respuesta.Esto acelera la urgencia del dilema chino. Sin acceso a chips Nvidia actualizados ni a los más avanzados, y con la brecha de Huawei ampliándose, la ruta ASIC gana atractivo como opción pragmática a corto plazo: diseñar chips para los modelos que ya existen y que están siendo usados en producción en China ahora mismo (DeepSeek, Qwen, ERNIE).Mi valoraciónEl debate GPU vs. ASIC en China es el equivalente en chips de lo que fue en su momento la pregunta sobre si China podía construir sistemas operativos propios: sí puede, en nichos, con limitaciones de ecosistema. Ni las GPU chinas serán Nvidia en los próximos tres años, ni los ASIC resolverán el problema de entrenar modelos de frontera.Lo que más me convence de la ruta ASIC es el pragmatismo. Si China no puede fabricar chips con los procesos más avanzados, diseñar chips extremadamente eficientes para los modelos que ya funcionan bien es una estrategia adaptativa inteligente.Lo que más me preocupa es la fragmentación del ecosistema. China tendrá docenas de chips de IA incompatibles entre sí, sin el efecto de red que CUDA le da a Nvidia. Los desarrolladores que quieran usar varios chips necesitarán reescribir código. Eso ralentiza la adopción y genera ineficiencia.Lo más estructuralmente significativo es la paradoja de DeepSeek: un modelo más eficiente que necesita menos FLOPS hace más viable la estrategia ASIC de China, pero también reduce el argumento de que China necesita urgentemente chips de frontera. Si con nodos de 7 nm y diseños inteligentes China puede entrenar modelos competitivos, el «chip gap» con EE.UU. importa menos de lo que parecía hace dos años.Preguntas frecuentes¿Qué es un ASIC y por qué puede ser ventajoso para China?Un ASIC (Application-Specific Integrated Circuit) es un chip diseñado para una tarea específica. A diferencia de una GPU generalista, un ASIC puede ser 10-100 veces más eficiente para la función exacta para la que fue diseñado. China tiene ventaja en ASICs porque pueden fabricarse en procesos de 7 nm disponibles en SMIC, mientras que las GPU competitivas de Nvidia requieren 4 nm o menos, procesos a los que China no tiene acceso pleno por las restricciones de exportación de equipos de litografía.¿Puede Huawei competir con Nvidia en chips de IA?En el corto y medio plazo, no en rendimiento bruto. El mejor chip de Huawei, el Ascend 910C, tiene aproximadamente una quinta parte del rendimiento de las GPU Nvidia más avanzadas según análisis del Council on Foreign Relations. Para 2027 esa brecha se proyecta en 1:17. Huawei puede ser competitiva en mercados donde el acceso a Nvidia está bloqueado —empresas chinas que no pueden importar chips americanos— pero no en el mercado global de entrenamiento de modelos de frontera.¿Qué significa el cierre del vacío de exportaciones por Malasia para China?EE.UU. ha bloqueado un mecanismo por el que empresas chinas recibían chips Nvidia de alta gama a través de subsidiarias en Malasia, Singapur y otros países. Esto cierra la principal vía que quedaba para adquirir chips no autorizados para uso en China. El resultado es que el acceso de China a GPU de frontera se restringe aún más, aumentando la presión para acelerar el desarrollo de alternativas domésticas —tanto GPU-like como ASIC.La noticia China tiene que elegir entre GPU y ASIC para entrenar su IA: la guerra interna que determinará quién compite con Nvidia fue publicada originalmente en Wwwhatsnew.com por Natalia Polo.