- JUDITH ARNAL
Una mayor competencia entre desarrolladores de grandes modelos de lenguaje puede ser, paradójicamente, una buena noticia para la UE.
En 'A través del espejo' de Lewis Carroll, la Reina Roja explica a Alicia que, en su reino, hay que correr todo lo posible simplemente para permanecer en el mismo lugar. La metáfora se utiliza en economía para describir mercados en los que la innovación obliga a los líderes a avanzar constantemente para no perder su ventaja competitiva.
La IA parece estar entrando precisamente en esa fase. Hace apenas dieciocho meses, DeepSeek provocó un auténtico terremoto en los mercados. Nvidia perdió un 17% de su cotización en una sola sesión, ante el temor de que un modelo chino hubiera demostrado que ya no eran necesarias inversiones multimillonarias en chips y centros de datos para competir en la frontera tecnológica. Sin embargo, el tiempo pareció desmentir aquella interpretación. OpenAI y Anthropic siguieron captando financiación, Nvidia recuperó el terreno perdido, y los grandes proveedores de nube incrementaron sus planes de inversión.
La aparición de Kimi K3, de la empresa china Moonshot AI, no ha provocado un terremoto comparable. No porque los mercados estén tranquilos: los semiconductores acumulan una corrección cercana al 25% desde sus máximos de finales de junio, tras una primera mitad de año extraordinaria. Pero esta vez la sacudida no tiene un único epicentro. La corrección comenzó antes del lanzamiento y responde a un cóctel más amplio: dudas sobre la sostenibilidad del gasto en infraestructura de IA, escasa evidencia de retornos en las empresas usuarias, expectativas de tipos más altos y toma de beneficios. Kimi K3 ha aterrizado en mitad de esta corrección. Y precisamente por eso resulta, quizá, más interesante que DeepSeek. Ya no estamos ante un fenómeno extraordinario, sino ante el nuevo escenario de normalidad en la carrera de la IA.
Kimi K3 es un modelo de escala extraordinaria (2,8 billones de parámetros totales) basado en una arquitectura Mixture-of-Experts, que solo activa una pequeña parte de ellos en cada inferencia. Además, es un modelo de pesos abiertos, aunque ello no debe confundirse con un modelo de código abierto: se publican los parámetros resultantes del entrenamiento, lo que permite a cualquiera ejecutar y adaptar el modelo, pero no los datos ni el código con los que fue entrenado, que serían necesarios para reproducirlo desde cero. Ejecutar un modelo de este tamaño exige una infraestructura de cómputo que solo está al alcance de grandes compañías. Para la inmensa mayoría de los usuarios seguirá siendo más eficiente acceder a él mediante una API; esto es, una conexión remota con los servidores donde está alojado el modelo, pagando por el uso efectivo.
Frontera tecnológica
Pero más que su arquitectura, lo verdaderamente relevante es lo que representa desde el punto de vista económico. Kimi K3 se ofrece a un precio significativamente inferior al de los principales modelos estadounidenses y confirma que la distancia entre la frontera tecnológica y sus perseguidores podría reducirse cada vez más deprisa. Las valoraciones de laboratorios como OpenAI o Anthropic descansan sobre varias premisas: 1) que alcanzar la frontera tecnológica es extraordinariamente difícil; 2) que esa ventaja puede mantenerse durante un tiempo suficiente; 3) que pueden cobrar una prima por sus servicios; y 4) que los clientes afrontan elevados costes de sustitución. Si modelos abiertos de gran calidad aparecen pocos meses después de cada salto tecnológico, esas premisas empiezan a debilitarse.
A ello se añade un factor que podría acelerar aún más la convergencia. Algunos laboratorios estadounidenses acusan a empresas chinas de utilizar técnicas masivas de destilación, de entrenar sus sistemas a partir de respuestas de modelos avanzados desarrollados en Estados Unidos. De confirmarse, el tiempo necesario para aproximarse a la frontera tecnológica se reduciría todavía más, a pesar de que innovar seguiría siendo extraordinariamente complejo y costoso. Ese es, precisamente, el escenario de la Reina Roja: correr cuesta lo mismo, pero la ventaja dura menos.
Durante dos años, los mercados han premiado casi sin discusión cualquier inversión relacionada con la IA. Ahora empiezan a formular una pregunta distinta: ¿quién capturará realmente las rentas de esas inversiones? El debate ya no gira únicamente en torno a quién construirá el mejor modelo, sino a quién conseguirá convertir esa innovación en beneficios sostenibles. En este contexto, conviene distinguir entre dos hipótesis.
La primera sostiene que modelos cada vez más eficientes reducirán la necesidad de infraestructuras de computación y terminarán haciendo excesivas las inversiones actuales en centros de datos y semiconductores.
La segunda apunta exactamente en la dirección contraria. Si la IA se vuelve mucho más barata, millones de empresas comenzarán a utilizarla de forma mucho más intensiva. Es la conocida paradoja de Jevons: cuando una tecnología aprende a hacer más con menos recursos, el consumo total de esos recursos no cae, sino que aumenta, porque el abaratamiento multiplica los usos. Motores de vapor más eficientes dispararon el consumo de carbón en la Inglaterra victoriana; modelos de IA más eficientes pueden disparar la demanda de cómputo, no reducirla.
Ambas hipótesis pueden, además, cumplirse a la vez: la paradoja de Jevons opera sobre el agregado, pero no garantiza el retorno de cada inversión concreta. La demanda total de cómputo puede seguir creciendo mientras proyectos específicos, mal ubicados, mal dimensionados o financiados a un coste excesivo, quedan varados por el camino.
Desde una perspectiva europea, esta distinción resulta especialmente importante. La UE ha dedicado buena parte del debate de los últimos años a preguntarse cómo construir un campeón europeo capaz de competir con OpenAI o Anthropic. Sin embargo, quizá esa no sea la pregunta más relevante.
Las mayores ganancias de productividad de la próxima década probablemente no vendrán de desarrollar el modelo fundacional más avanzado del mundo, sino de incorporar la IA de forma masiva al tejido productivo. En ese sentido, una mayor competencia entre los desarrolladores de grandes modelos de lenguaje puede ser, paradójicamente, una buena noticia para la UE. Si la IA se abarata, las empresas europeas podrán concentrar sus esfuerzos allí donde sí disponen de ventajas comparativas: la integración de la IA en la industria, la banca o la sanidad; el desarrollo de modelos especializados alimentados con datos sectoriales; y la creación de aplicaciones adaptadas a necesidades concretas.
Quizá la mayor enseñanza de Kimi K3 no sea que la burbuja de la IA vaya a estallar, sino que la frontera tecnológica será cada vez más difícil de monopolizar. Estados Unidos y China parecen condenados a correr la carrera de la Reina Roja: innovar constantemente para no perder el liderazgo.
La Unión Europea, en cambio, haría bien en preguntarse si necesita ganar esa carrera. Quizá su verdadero desafío sea mucho más ambicioso: convertirse en la economía que mejor incorpore una IA que, gracias precisamente a esa competencia, será cada vez más potente, más accesible y más barata.
Judith Arnal, Investigadora en Real Instituto Elcano, Fedea y CEPS
Cuando el atacante es una IA: el plan que ya no puede esperarCómo la IA podría empeorar los mercadosBorges, el Papa León XIV y la Inteligencia Artificial Comentar ÚLTIMA HORA-
01:31
Netflix compra la empresa de IA de Ben Affleck
-
01:28
Puigdemont denuncia a España ante la Comisión Europea por no aplicar la ley de amnistía
-
00:57
Así cambió la fragata Mercedes las reglas del patrimonio submarino
-
00:57
El 'lobby' eléctrico apuntala una revolución energética en la UE
-
00:30
El precio de los pisos de segunda mano sube un 17,2% en un año