Stanford: China casi iguala a EE. UU. en modelos de IA

Título: Stanford: China casi iguala a EE. UU. en modelos de IA

Extracto: El AI Index 2025 de Stanford documenta el cierre de la brecha entre los modelos chinos y estadounidenses, una caída de 280 veces en el coste de inferencia y récords de inversión y adopción.

El AI Index 2025, el informe anual del Stanford Institute for Human-Centered Artificial Intelligence (HAI), dibuja un sector de inteligencia artificial más capaz, barato y extendido, pero también menos dominado por Estados Unidos. La distancia entre los mejores modelos estadounidenses y chinos se ha reducido hasta casi desaparecer, mientras el coste de utilizar modelos de calidad similar a GPT-3.5 ha caído 280 veces en dos años.

El informe, publicado el 7 de abril, refleja además un aumento acelerado de la inversión, la adopción empresarial y la regulación. La conclusión no es que todos los países compitan en igualdad de condiciones: Estados Unidos conserva una ventaja clara en capital privado y producción de modelos destacados. Pero China ya no ocupa una posición secundaria en rendimiento.

La ventaja estadounidense se reduce a un margen mínimo

Según las mediciones recopiladas por Stanford, en marzo de 2025 el mejor modelo estadounidense superaba al mejor modelo chino por apenas un 1,7% en los principales indicadores de rendimiento. La cifra sitúa a ambos países prácticamente en el mismo nivel en la frontera tecnológica, aunque las posiciones pueden cambiar con cada lanzamiento.

Estados Unidos mantiene el liderazgo en cantidad de modelos relevantes. En 2024 desarrolló 40 modelos considerados destacados, frente a 15 de China y tres de Europa. También concentra una parte desproporcionada del capital privado y de la infraestructura necesaria para entrenar sistemas avanzados.

La diferencia, por tanto, depende de qué se mida. Estados Unidos produce más modelos punteros y atrae mucho más dinero; China compite cada vez mejor en calidad y cuenta con una base industrial y científica de gran escala. El avance de modelos como DeepSeek ha reforzado esa presión competitiva y ha puesto en cuestión la idea de que los sistemas chinos necesitan quedar muy por detrás para ser útiles.

Usar modelos avanzados cuesta mucho menos

Uno de los datos con más impacto práctico es la caída del precio de la inferencia. La inferencia es el proceso por el que un modelo ya entrenado responde a una petición. El AI Index calcula que el coste de obtener un rendimiento comparable al de GPT-3.5 pasó de 20 dólares a 0,07 dólares por cada millón de tokens entre noviembre de 2022 y octubre de 2024: una reducción de 280 veces.

Los tokens son las unidades en las que los modelos procesan el texto. En la práctica, esta bajada permite a una empresa ejecutar muchas más consultas con el mismo presupuesto y hace viables aplicaciones que hace dos años resultaban demasiado caras.

La reducción también cambia la competencia. El valor ya no está únicamente en tener acceso al modelo más potente, sino en integrarlo bien, controlar el consumo, proteger los datos y convertir sus respuestas en procesos fiables. Un modelo algo menos capaz, pero barato y rápido, puede ser más útil para una compañía que uno de frontera con un precio elevado.

El coste de entrenar los sistemas más grandes, sin embargo, sigue aumentando. Stanford estima que entrenar GPT-4 costó alrededor de 79 millones de dólares en capacidad de computación, mientras que Gemini Ultra se situó cerca de los 192 millones. Estas estimaciones no representan el presupuesto total de las compañías, pero muestran la concentración de recursos que exige la frontera del sector.

La adopción empresarial alcanza un nuevo máximo

El informe señala que el 78% de las organizaciones declaró utilizar inteligencia artificial en 2024, frente al 55% del año anterior. La cifra incluye usos en al menos una función empresarial y no equivale a una automatización completa: en muchos casos se trata de asistentes para redactar, analizar información, programar o atender consultas.

La expansión de la IA generativa ha sido especialmente rápida. Su uso ha pasado de los experimentos internos a tareas de producción, aunque persisten problemas de precisión, seguridad y medición del retorno. La adopción declarada tampoco garantiza que las herramientas estén integradas en los procesos principales ni que reduzcan costes de manera sostenida.

En el mercado laboral, el AI Index recoge señales mixtas. Las empresas están incorporando sistemas capaces de realizar tareas cada vez más complejas, pero el rendimiento sigue siendo irregular cuando una actividad exige varios pasos, planificación prolongada o interacción con información cambiante. La mejora en las pruebas de programación y razonamiento no elimina esa diferencia entre resolver una tarea aislada y trabajar de forma fiable durante horas.

Más inversión y más reglas

Estados Unidos continúa siendo el centro financiero de la IA. En 2024 recibió 109.100 millones de dólares de inversión privada, casi 12 veces más que China, con 9.300 millones, y 24 veces más que Reino Unido, con 4.500 millones, según el informe de Stanford. La IA generativa captó 33.900 millones de dólares de inversión privada a escala mundial.

La regulación también ha ganado peso. En Estados Unidos se aprobaron 59 regulaciones relacionadas con la IA en 2024, frente a una en 2016. En todo el mundo, las menciones a la inteligencia artificial en iniciativas legislativas crecieron con fuerza, una señal de que la tecnología ha pasado de ser un asunto reservado a laboratorios y departamentos de innovación a ocupar la agenda de los gobiernos.

Ese crecimiento regulatorio llega mientras las capacidades avanzan más deprisa que los sistemas de evaluación. Los modelos superan ya a las personas en algunas pruebas concretas, pero todavía fallan en tareas que requieren sentido común, control de errores o consistencia. Stanford advierte así de una paradoja: la IA es más competente en los indicadores conocidos, pero medir su fiabilidad en entornos reales sigue siendo difícil.

La fotografía de 2025 deja una carrera menos desequilibrada y con barreras de entrada más bajas para el uso cotidiano. Estados Unidos conserva la ventaja en capital, modelos destacados y capacidad de cómputo; China ha reducido casi por completo la distancia en rendimiento; y la caída de precios permite que empresas más pequeñas accedan a capacidades que antes estaban reservadas a los grandes laboratorios. La siguiente batalla se desplazará cada vez más del lanzamiento de modelos a su coste, fiabilidad y adopción efectiva.