En mi último viaje a China, visité el Robot Mall de Beijing, el espacio estatal de demostración de la robótica china. Llegaba con la expectativa de todos los que hacemos seguimiento estrecho de la evolución de la IA: la de los vídeos que circulan por las redes, con robots humanoides resolviendo todo tipo de tareas con una autonomía impecable. Y lo que encontré, sin embargo, fueron demostraciones por debajo de lo que los mismos fabricantes cuelgan en internet.

Sin ir más lejos, en una de las demostraciones, un robot procesaba paquetes, del estilo que hemos visto tantas veces en vídeos de fabricantes americanos. Detrás, un operario lo iba corrigiendo cuando era necesario, a mano o desde el backoffice, sin esconderse mucho, de hecho. La tentación es cerrar aquí la lectura: mucho ruido, poca sustancia. Pienso que sería un error.

Si incluso un espacio de demostración estatal, con todos los incentivos para impresionar al visitante, te enseña el humano que hay detrás de la máquina, ¿qué nos están mostrando los vídeos que consumimos desde el sofá de casa? A distancia no nos llega nunca la media de una tecnología: nos llega el percentil 99, el instante excepcional, editado y viralizado, tanto desde China como desde el resto de países. En este sentido, el Robot Mall fue más honesto que los contenidos de las redes.

Y hay una segunda lectura, menos intuitiva. Que la punta de lanza todavía necesite asistencia no desmerece la apuesta; más bien la confirma. Cuando una tecnología de este tipo madura a la vista de todo el mundo, operario incluido, suele ser señal de que, allí donde se exige menos autonomía —entornos acotados, tareas concretas—, ya está resolviendo problemas reales. Valorar quién avanza de verdad es más complejo que mirar vídeos virales: pide entender qué hay desplegado y en funcionamiento.

El espectáculo atrae la mirada; la partida se juega en otro lado. ¿Dónde juega realmente China su partida? Modelos, capacidad productiva y campo de pruebas. Desde Europa a menudo tenemos la tentación de leer la carrera de la IA con una pregunta casi única: ¿quién tiene el mejor modelo? Es una pregunta legítima —los rankings de modelos se actualizan casi diariamente—, pero sobre el terreno descubres que es una pregunta que se queda pequeña.

Pienso que el diferencial chino en IA no es una sola cosa, sino la combinación de varias, de las cuales destaco tres: los modelos, la capacidad productiva y el campo de pruebas. La carrera no se juega en cada una por separado, sino en su integración. Más que una contrarreloj de modelos, esta carrera se asemeja a un triatlón: no gana quien domina una prueba, sino quien rinde en las tres.

Los modelos 

China dispone de grandes modelos de lenguaje, al estilo del ChatGPT occidental: los más conocidos son los de DeepSeek, GLM o Qwen, a menudo publicados con pesos abiertos, a punto para que cualquiera se los descargue y los adapte. Dejo expresamente de lado las prácticas de dudosa ética, como la destilación —entrenar el modelo propio con las respuestas de otro—, que probablemente practican todas las partes. El matiz que los hace interesantes es otro: han crecido bajo restricción.  

Los controles de exportación americanos hace años que impiden a China comprar el mejor hardware para entrenar IA. A mediados de 2026, se estima que unas tres cuartas partes del entrenamiento de IA en China corren sobre chips de Nvidia que no son de última generación. La consecuencia esperada era el retraso; la consecuencia real ha sido, en buena parte, el ingenio: obligados a hacer más con menos, los laboratorios chinos se centraron en la eficiencia, y de aquella presión salió precisamente DeepSeek.  

Y es justamente el hecho de que el mejor chip no se pueda comprar, ni aún fabricar —la máquina que los imprime sigue siendo el monopolio de una sola empresa europea, y los intentos documentados de replicarla, algunos por ingeniería inversa, hablan aún de prototipos— lo que ha provocado que la autosuficiencia del silicio sea una prioridad de Estado que impregna tanto universidades como empresas. 

La capacidad productiva 

La capacidad productiva es el segundo factor: más allá de los modelos, hay una clara apuesta por la IA física, tanto la que va integrada en máquinas (embedded) como la que toma cuerpo propio en robots (embodied). Y todas a costes muy competitivos. Lo relevante no son las empresas miradas aisladamente, sino la densidad.

En Hangzhou visité DEEP Robotics, una spin-off universitaria que fabrica robots cuadrúpedos para inspección industrial —subestaciones eléctricas, túneles, lugares peligrosos para las personas—. Empresa solvente y en crecimiento. Es uno de los "seis dragones de Hangzhou", donde encontramos también Unitree, que ha llevado el humanoide de la banda de los 90.000 dólares (2023) a la de los 16.000 actualmente. En Shenzhen hay varios fabricantes de robótica, entre ellos UBTech, que comenzó a finales de 2025 la producción en serie de humanoides industriales.

Y a pesar de que ninguno de estos robots tiene todavía la productividad de un humano —la misma UBTech reconoce que el suyo rinde, como mucho, la mitad que una persona— y la fiabilidad va muy por detrás de la exhibición, la capacidad de fabricarlos a escala y de abaratarlos cada año no es una promesa, sino un hecho demostrable.

El campo de pruebas

El campo de pruebas es el tercer factor, y quizás el más desconocido desde la perspectiva europea. Y es que el campo de pruebas no es una anécdota: es un método. En el despliegue tecnológico, China no gobierna especificándolo todo de antemano y desplegando después —nuestro modelo de cascada—, sino iterando: prueba en una zona acotada, corrige y escala lo que funciona. Es un método ágil para el sistema, a pesar de que quizás no es siempre amable con quien vive dentro de la prueba. Shenzhen misma nació así, como zona económica especial, en 1980. Aquel piloto fundacional es hoy la ciudad de Huawei y BYD, y la que produce humanoides en serie.

Y este método baja hasta la empresa. En Nanjing visité Titan Driverless, que tiene camiones autónomos desplegados en puertos y minas: entornos acotados que hacen de zona piloto. Cuando pregunté cuánta gente hacía falta para operar setenta camiones en una mina, la respuesta no fue un número: fue la descripción de un negocio diferente.

Desaparecen los conductores y aparecen tres equipos —mantenimiento, operación remota y desarrollo de software—, sobre una plataforma común que se adapta a cada cliente. Así, ya no venden vehículos que alguien conduce; venden la operación entera. Y han elegido competir allí donde la tecnología ya aguanta sólidamente, no allí donde todo el mundo mira. La autonomía no cambia solo quién hace el trabajo: cambia la propuesta de valor y cómo se compite.

 

 

El mapa europeo se queda corto

Tres factores, pues, y ninguno solo: unos modelos eficientes, una capacidad productiva a costes competitivos y un campo de pruebas que facilita el despliegue a escala. La suma es el tablero. Y la conversación europea, pendiente sobre todo de los modelos, no está mirando todas las casillas. No se trata de copiar el método chino: nuestra gobernanza en cascada y fragmentada está diseñada para otro juego, y protege cosas que valoramos.

Se trata de mirar el tablero entero: nosotros competimos en una sola prueba, mientras ellos entrenan tres a la vez. La carrera de la IA no se gana en los rankings de modelos; se gana allí donde la IA aporta valor real. Y aquí hay una asimetría que conviene retener: a los modelos llega quien tiene interés; la IA física llegará a todo el mundo, la busque o no. La pregunta, pues, no es qué modelo gana: es en qué tablero queremos jugar.