Shanghái construye una estrategia de IA integral en torno a la computación, los chips y las aplicaciones
Shanghái ha convertido un titular de Google News en una prueba mucho más amplia de si China puede construir una infraestructura integral de IA bajo crecientes restricciones sobre chips. La ciudad está conectando capacidad de cómputo, procesadores nacionales, modelos y aplicaciones industriales, en lugar de apostar por un único producto aclamado.
Esa estrategia ocupó un lugar central en la Conferencia Mundial de Inteligencia Artificial de 2026, celebrada en Shanghái del 17 al 20 de julio. Más de 1.100 empresas exhibieron más de 3.000 muestras, mientras el programa desplazó la atención de las demostraciones de modelos hacia la infraestructura y el despliegue.
La tensión es sencilla. Shanghái quiere que la IA sea útil en la manufactura, la ciencia, el transporte, los servicios públicos y la robótica. Sin embargo, la ciudad debe respaldar esas cargas de trabajo sin un acceso fiable a todos los procesadores avanzados, procesos de fabricación o herramientas de software disponibles para los hyperscalers estadounidenses.
Esto hace que la historia sea más amplia que otra iniciativa tecnológica local. Shanghái intenta demostrar que la demanda coordinada, las plataformas públicas de cómputo, las arquitecturas de chips alternativas y los subsidios para aplicaciones pueden compensar las desventajas en la frontera de los semiconductores.
El titular de Google News oculta una estrategia integral de IA
Shanghái trata la potencia de cómputo, los chips, los modelos y las aplicaciones como un único sistema industrial conectado.
El evento inmediato no es el lanzamiento de un único producto. Es la concentración de varios proyectos, medidas de política pública y compromisos comerciales en torno al sector de IA de la ciudad.
En WAIC 2026, Shanghai Unicom anunció su programa UniAI y afirmó que planeaba invertir más de 25.000 millones de yuanes en infraestructura de computación inteligente. El programa abarca modernización industrial, servicios públicos, gobernanza urbana y otras aplicaciones digitales.
La conferencia también conectó a proveedores de tecnología con posibles clientes. Su programa WAIC Connect organizó 172 delegaciones de compradores y presentó 63 escenarios de aplicación antes de la inauguración del evento.
Estas cifras importan porque muestran cómo Shanghái pretende crear demanda. La ciudad no espera a que las empresas descubran de forma independiente casos de uso rentables. Está identificando compradores, subvencionando la experimentación y situando infraestructura cerca de las organizaciones que previsiblemente la utilizarán.
La exposición reflejó esa misma orientación. Los organizadores señalaron que el evento incluyó más de 300 robots realizando tareas relacionadas con la manufactura, los servicios al consumidor y el entretenimiento. Las exhibiciones de computación se ampliaron más allá de aceleradores individuales hacia supernodos y grandes clústeres.
Un supernodo combina muchos procesadores mediante conexiones de alta velocidad para que puedan gestionar grandes cargas de trabajo de IA como un solo sistema. Ese enfoque se vuelve especialmente importante cuando un acelerador nacional no puede igualar el rendimiento del chip extranjero más avanzado.
La base existente de la ciudad da más peso a la estrategia. La industria de IA de Shanghái superó los 450.000 millones de yuanes en 2024, según el perfil de la industria de IA de la ciudad. Incluía más de 380 empresas de IA de tamaño considerable y más de 60 EFLOPS de capacidad pública de computación inteligente.
Un EFLOPS representa un quintillón de operaciones de punto flotante por segundo. Esta medida ofrece una visión aproximada de la capacidad teórica, aunque no revela la utilización, la eficiencia de red, el rendimiento de memoria ni el coste de proporcionar una respuesta útil.
Según se informó, el sector de IA de Shanghái superó los 550.000 millones de yuanes en 2025, con un crecimiento de más del 30 por ciento respecto al año anterior. Las autoridades locales atribuyeron parte de esa expansión a políticas que reducen el coste de la computación, los modelos y los datos de entrenamiento.
Este es el cambio importante detrás del resultado de Google News. Shanghái ha pasado de presentar a las empresas de IA como historias de éxito aisladas a ensamblar un sistema capaz de llevar un proyecto desde la investigación hasta el acceso a cómputo, el desarrollo de modelos, las pruebas con clientes y el despliegue comercial.
El sistema también se extiende más allá del centro de Shanghái. Las cargas de trabajo de cómputo pueden ejecutarse en regiones occidentales con abundante energía, mientras los desarrolladores, empresas de chips, laboratorios y compradores industriales permanecen concentrados cerca de la costa.
La red nacional de computación de China pretende conectar esas piezas. Vincula centros de datos, instalaciones de supercomputación e infraestructura de borde para que las cargas de trabajo puedan desplazarse según los requisitos de latencia, energía y capacidad.
Esta disposición se parece más a una red eléctrica que a una colección convencional de centros de datos independientes. La analogía es imperfecta, pero el objetivo es claro: facilitar la solicitud, medición, asignación y compra de capacidad de procesamiento.
La ventaja de Shanghái reside en la coordinación. Su desafío es demostrar que el sistema coordinado produce servicios fiables, y no solo anuncios impresionantes de capacidad.
Por qué Shanghái mide la demanda en tokens
La política de infraestructura de la ciudad está pasando del rendimiento teórico de cómputo a la cantidad de trabajo de IA que los clientes consumen realmente.
Shanghái destacó este cambio en la Cumbre de Computación Inteligente de Shanghái del 27 de enero de 2026. Los participantes describieron un desplazamiento desde la medición de infraestructura principalmente mediante operaciones de punto flotante hacia el seguimiento del uso de tokens.
Un token es una pequeña unidad de texto o datos procesada por un modelo de lenguaje. Los clientes suelen consumir tokens cuando envían una instrucción, recuperan información, ejecutan un agente o generan una respuesta.
El consumo de tokens no es una medida completa del valor económico. Un modelo puede procesar muchos tokens y producir poco trabajo útil. Aun así, la métrica conecta la infraestructura con la demanda de aplicaciones de manera más directa que la puntuación máxima de referencia de un procesador.
La Academia China de Tecnología de la Información y las Comunicaciones se unió a tres grandes operadores de telecomunicaciones y proveedores locales de computación para lanzar un sistema de colaboración en toda la ciudad. La iniciativa busca alinear a los proveedores de cómputo con desarrolladores de modelos y empresas de aplicaciones.
Esto refleja un cambio más amplio en la economía de la IA. Entrenar un modelo fundacional sigue siendo caro, pero la inferencia repetida determina ahora si un producto de IA puede respaldar millones de interacciones diarias.
La inferencia es el proceso de ejecutar un modelo entrenado para generar un resultado. Incluye desde responder una pregunta breve hasta operar un agente de software a través de cientos de pasos intermedios.
Según se informó, el consumo diario de tokens de IA en China aumentó de 100.000 millones a principios de 2024 a 140 billones en marzo de 2026, según la Oficina Nacional de Datos. Solo Doubao de ByteDance habría aumentado de unos 100.000 millones de tokens diarios en mayo de 2024 a más de 120 billones en marzo de 2026.
Estas cifras deben tratarse como mediciones comunicadas, no como datos de uso auditados de forma independiente. Sin embargo, su tendencia explica por qué Shanghái está haciendo hincapié en la infraestructura, la capacidad de red y el coste operativo.
Los agentes consumen más tokens que las interfaces de chat simples porque planifican tareas, revisan resultados intermedios, llaman a herramientas y corrigen errores. Un producto que parece sencillo para el usuario puede generar un cálculo de fondo considerable.
Esto ejerce presión sobre los centros de datos y los proveedores de chips. La demanda de entrenamiento llega en grandes ráfagas planificadas, mientras que la demanda de inferencia puede fluctuar a lo largo del día y repartirse entre miles de clientes.
Las plataformas públicas de Shanghái pueden ayudar a los desarrolladores más pequeños a evitar construir sus propios clústeres. Los subsidios locales de computación también reducen el coste de los primeros experimentos antes de que una empresa tenga ingresos estables.
Pudong y Xuhui han ofrecido a startups elegibles cupones de computación, modelos y corpus. Cada categoría puede proporcionar apoyo de hasta 1 millón de yuanes, según información publicada por las autoridades de Shanghái en enero.
Un corpus es una colección organizada de textos u otros datos utilizada para entrenar, adaptar o evaluar un sistema de IA. El acceso a un corpus útil puede importar tanto como la capacidad bruta de procesamiento para aplicaciones industriales especializadas.
El modelo de cupones hace más que reducir gastos. Puede orientar a las startups hacia proveedores locales de infraestructura y alentarlas a construir sobre chips, servicios de modelos y conjuntos de datos compatibles.
Esto crea un ciclo de retroalimentación estratégico. Las aplicaciones subvencionadas generan demanda de computación nacional. Una mayor demanda ofrece a las empresas de chips y plataformas más oportunidades para mejorar la compatibilidad, el rendimiento y el soporte para desarrolladores.
El riesgo es que los subsidios también puedan ocultar una economía débil. Un proyecto puede parecer viable mientras los créditos cubren su factura de inferencia y luego tener dificultades cuando debe pagar el coste operativo completo.
La medición basada en tokens facilita la detección de ese problema. Funcionarios e inversores pueden comparar la capacidad instalada con el consumo real, la retención de clientes, la calidad de respuesta y las tareas que generan ingresos.
Para los compradores empresariales, esto resulta más útil que otro benchmark destacado. La cuestión central no es cuántos procesadores contiene un clúster. Es con qué fiabilidad el sistema completa el trabajo a un coste aceptable.
Por eso la política de computación de IA de Shanghái ahora va más allá del centro de datos. Vincula el gasto en infraestructura con agentes industriales, modelos especializados, robótica y software utilizado dentro de las fábricas.
Los chips nacionales deben compensar a nivel de sistema
El problema más difícil de Shanghái es convertir procesadores nacionales diversos en sistemas de computación fiables que los desarrolladores puedan usar sin una reingeniería constante.
Los controles de exportación estadounidenses han restringido el acceso de China a algunos aceleradores avanzados de IA y tecnologías de semiconductores. Esas limitaciones han aumentado la presión sobre las empresas chinas para desarrollar procesadores, métodos de empaquetado, sistemas de red y alternativas de software.
La comparación con Nvidia sigue siendo inevitable. La ventaja de Nvidia no se limita al rendimiento bruto de sus chips. Su entorno de software CUDA, bibliotecas, comunidad de desarrolladores y diseños consolidados de servidores reducen el trabajo necesario para desplegar modelos grandes.
Shanghái no puede reemplazar ese entorno mediante el anuncio de un solo acelerador. Necesita que un grupo de empresas de chips, integradores de sistemas, proveedores de nube, desarrolladores de modelos y clientes mejoren de forma conjunta.
La ciudad ya alberga varias empresas relevantes. Biren Technology y MetaX desarrollan procesadores gráficos de propósito general para cargas de trabajo de IA, mientras Iluvatar CoreX ha impulsado diseños nacionales de GPU para centros de datos.
Otros equipos de Shanghái están explorando arquitecturas que evitan una competición directa por la GPU convencional más avanzada. Lightelligence desarrolla sistemas de computación óptica, que utilizan luz para tareas seleccionadas de procesamiento de datos y comunicaciones.
La empresa está desplegando conjuntamente un clúster de supernodos de 10.000 GPU en Shanghái. Su fundador, Shen Yichen, ha descrito la integración de sistemas y el empaquetado de fotónica y electrónica como cuellos de botella persistentes.
Esa matización importa. Un componente óptico puede funcionar bien en un laboratorio y seguir siendo difícil de empaquetar, refrigerar, fabricar, programar y conectar dentro de un servidor comercial.
Dongfang Suanxin ha seguido otra vía con el DF1000, un chip de IA 3D de memoria cercana presentado en WAIC 2026. La computación cercana a la memoria sitúa los elementos de procesamiento cerca de la memoria para reducir el tiempo y la energía empleados en mover datos.
Los procesadores tradicionales transfieren con frecuencia información entre componentes separados de memoria y computación. Ese movimiento crea un cuello de botella conocido como el muro de memoria, especialmente durante la inferencia de IA intensiva en datos.
El DF1000 apila componentes en una estructura tridimensional. La empresa afirma que el diseño puede mejorar el movimiento de datos y reducir la dependencia de los procesos de fabricación más avanzados.
Esa afirmación no ha recibido una validación independiente amplia. Los compradores aún necesitan pruebas que cubran el rendimiento de las aplicaciones, la compatibilidad de software, el rendimiento de producción, la fiabilidad y el coste total del sistema.
La Universidad Tongji también ha presentado una Unidad de Horizonte Móvil especializada para vehículos autónomos, robots y drones. El chip está diseñado para observar repetidamente las condiciones, calcular una respuesta y actualizar las acciones de una máquina.
Estos procesadores especializados ilustran el enfoque más amplio de Shanghái. En lugar de obligar a todas las cargas de trabajo a pasar por un único acelerador de propósito general, los desarrolladores pueden adecuar arquitecturas específicas a la IA en el borde, la robótica, la computación científica o el control industrial.
La IA en el borde ejecuta modelos cerca del dispositivo que produce los datos, en lugar de enviar cada entrada a una nube distante. Puede reducir la latencia y el uso de red, aunque los dispositivos más pequeños suelen imponer límites estrictos de memoria y energía.
La ciudad se beneficia de tener las aplicaciones cerca de los diseñadores de chips. Una empresa de robótica puede informar de problemas de latencia, una fábrica puede identificar brechas de fiabilidad y un desarrollador de vehículos puede revelar restricciones de energía o temperatura.
Esa retroalimentación puede mejorar un producto más rápido que un concurso de benchmarks aislado. También permite a los proveedores locales optimizar sistemas completos en torno a las tecnologías de fabricación disponibles.
Sin embargo, combinar más chips no elimina automáticamente la brecha de rendimiento. Los grandes clústeres necesitan interconexiones rápidas, planificación eficiente, memoria fiable, refrigeración y software que distribuya el trabajo sin desperdiciar capacidad.
Un clúster construido con procesadores menos eficientes puede requerir más electricidad y espacio físico. También puede generar más puntos de fallo e imponer mayores costes de mantenimiento.
Las estimaciones del sector citadas en informes recientes sitúan a Huawei cerca de Nvidia en el mercado chino de chips de IA de 2025, con aproximadamente un 40 % para cada una. Los analistas esperaban que Huawei ganara cuota a medida que la posición de Nvidia se debilitaba por las restricciones de suministro.
Esas estimaciones muestran avances hacia la sustitución nacional, pero no demuestran una independencia completa. La producción de semiconductores depende de equipos, materiales, empaquetado, propiedad intelectual y procesos de fabricación distribuidos entre varios países.
Por tanto, el impulso de Shanghái a los chips es una apuesta a nivel de sistema. La ciudad no necesita que cada componente nacional lidere individualmente el mercado global. Necesita que haya suficientes componentes capaces de funcionar juntos con un nivel de coste y fiabilidad que respalde aplicaciones reales.
Las aplicaciones son la prueba, no la exhibición
Shanghái reforzará su posición en IA solo si la infraestructura subvencionada genera trabajo repetible dentro de fábricas, laboratorios, vehículos y servicios públicos.
El paquete de políticas de julio de la ciudad para la manufactura ofrece apoyo a modelos industriales, sistemas de programación con IA, IA física, agentes, software industrial y conjuntos de datos especializados.
Los proyectos cualificados de tecnología central pueden recibir apoyo de hasta 20 millones de yuanes. Los proyectos de seguridad para modelos industriales y agentes pueden recibir hasta 10 millones de yuanes, mientras que determinadas plataformas de conjuntos de datos pueden recibir hasta 20 millones de yuanes.
Las medidas también animan a las plataformas de computación industrial a ofrecer acceso de prueba a herramientas de agentes de bajo código, créditos de tokens y soporte de computación.
Estos programas se dirigen a un problema práctico de adopción. Los fabricantes suelen poseer datos operativos valiosos, pero esa información está repartida entre máquinas, documentos de ingeniería, registros de mantenimiento y sistemas internos.
Un modelo industrial necesita más que texto de la internet pública. Debe trabajar con terminología del sector, estados de equipos, límites de seguridad, controles de acceso y los flujos de trabajo específicos utilizados por los empleados.
Un agente útil para una fábrica podría comparar una alerta de sensor con el historial de mantenimiento, manuales técnicos y cambios recientes en la producción. Después debe mostrar sus pruebas y dirigir la recomendación a un ingeniero autorizado.
Ese flujo de trabajo exige calidad de datos, recuperación de información, latencia y rendición de cuentas. Una respuesta fluida no es suficiente cuando un error puede detener la producción o dañar equipos.
Las organizaciones que consideren estos sistemas necesitan primero una capa de información consultable. Una base de conocimiento de ingeniería bien mantenida puede ayudar a los equipos a organizar documentos técnicos antes de añadir decisiones automatizadas.
Shanghái cuenta con varios sectores en los que este enfoque puede ponerse a prueba, entre ellos la fabricación de automóviles, los semiconductores, los productos farmacéuticos, las finanzas, el transporte marítimo y los equipos avanzados.
La robótica ofrece otro caso de uso visible. Más de 300 robots en WAIC realizaron actividades en fabricación y servicios cotidianos, pero el rendimiento en una exhibición sigue siendo distinto de la operación a largo plazo.
Un robot de fábrica debe repetir tareas ante cambios de iluminación, colocación de objetos, desgaste de equipos y actividad humana. También necesita un mantenimiento predecible y un procedimiento claro para fallos seguros.
Las aplicaciones científicas imponen requisitos distintos. Los investigadores pueden priorizar el acceso a datos, la reproducibilidad, métodos numéricos especializados y la capacidad de inspeccionar resultados intermedios.
Los servicios públicos introducen preocupaciones de privacidad y gobernanza. Un sistema de IA de alcance urbano puede afectar a residentes que no eligieron la tecnología y que no pueden cambiar fácilmente de proveedor después de un error.
Estas diferencias explican por qué un único modelo general no resolverá el desafío de aplicaciones de Shanghái. Cada sector necesita métodos de evaluación vinculados a sus propios riesgos y resultados deseados.
Los indicadores más creíbles procederán de un uso sostenido. Los compradores deberían buscar menos tiempo de inactividad de los equipos, ciclos de diseño más rápidos, menor consumo energético, mayor precisión de inspección o flujos de investigación más cortos.
Las cifras publicadas de aplicaciones merecen cautela. Un modelo registrado, un piloto financiado o una demostración en una conferencia no representan necesariamente un despliegue comercial activo.
La misma preocupación se aplica a la utilización de la capacidad de computación. Una ciudad puede anunciar una capacidad considerable mientras las cargas de trabajo siguen concentradas entre un pequeño número de grandes empresas.
Los 60 EFLOPS de potencia pública de computación inteligente que Shanghái ha reportado muestran disponibilidad de infraestructura. No revelan cuán uniformemente se utiliza la capacidad, qué pagan los clientes ni con qué frecuencia los desarrolladores encuentran problemas de compatibilidad.
La energía crea otra restricción. La Agencia Internacional de la Energía espera que el consumo eléctrico global de los centros de datos aumente de unos 485 teravatios-hora en 2025 a aproximadamente 945 teravatios-hora en 2030, como describe en sus previsiones sobre centros de datos.
China está ubicando algunos centros de computación cerca de recursos de energía renovable en las regiones occidentales. Enlaces de red de alta velocidad conectan después esas instalaciones con los centros tecnológicos de la costa.
Esto puede reducir la presión sobre la red eléctrica local de Shanghái, pero la distancia afecta a la latencia y la complejidad operativa. Un gran trabajo de entrenamiento puede tolerar el procesamiento remoto con más facilidad que un robot que requiere una respuesta inmediata.
Los desarrolladores deben decidir qué trabajo corresponde a un clúster occidental, un centro de datos de Shanghái o un dispositivo en el borde. La respuesta depende de la sensibilidad de los datos, el tiempo de respuesta, el coste energético, la fiabilidad de la red y el tamaño del modelo.
La estrategia de pila completa de la ciudad está diseñada para respaldar esas decisiones. Su éxito dependerá de que las conexiones entre capas sigan siendo utilizables cuando se desvanezcan las subvenciones y la atención de las conferencias.
Tres señales mostrarán si la apuesta de Shanghái funciona
La próxima evidencia debe proceder de la utilización, los despliegues comerciales de chips y resultados industriales medibles.
La primera señal es el consumo sostenido de tokens en las plataformas públicas y comerciales de computación de Shanghái. Un uso creciente mostraría que los modelos y agentes están superando las demostraciones aisladas.
La versión más sólida de esa señal incluiría retención de clientes, diversidad de cargas de trabajo y una mejora del coste por tarea completada. El crecimiento bruto de tokens por sí solo puede reflejar modelos ineficientes o experimentación subvencionada.
Si la utilización sigue siendo baja pese a la nueva capacidad, la ciudad podría haber construido infraestructura más rápido de lo que las aplicaciones pueden absorberla. Eso debilitaría el argumento de que la inversión coordinada crea su propia demanda.
La segunda señal es evidencia independiente de despliegues de chips nacionales. Los chips de IA de Shanghái necesitan benchmarks públicos que cubran modelos reales, uso energético, escalado de clústeres, tasas de fallo y migración de software.
Los anuncios sobre procesadores ópticos, diseños cerca de la memoria y GPU nacionales siguen siendo indicadores de investigación significativos. Los contratos comerciales y los pedidos recurrentes aportarían una prueba más sólida.
Hay que seguir el proyecto de supernodo óptico de 10.000 GPU asociado con Lightelligence. Un despliegue estable respaldaría el argumento de Shanghái de que las arquitecturas alternativas pueden mejorar los grandes sistemas de computación.
También hay que seguir el DF1000. Las pruebas de clientes podrían revelar si su diseño cerca de la memoria ofrece beneficios prácticos fuera de demostraciones controladas.
La tercera señal es el valor medible de las aplicaciones industriales. La política de manufactura de Shanghái debería producir pilotos que involucren agentes, conjuntos de datos, robótica, software industrial e IA física.
La ciudad necesita divulgar resultados que los compradores puedan evaluar. Entre las medidas útiles figuran el tiempo de actividad de producción, el rendimiento de inspección, el coste de inferencia, el consumo energético, la adopción por los empleados y el tiempo ahorrado.
Una larga lista de proyectos financiados no resolvería la cuestión. El resultado más sólido sería que varias organizaciones renovaran despliegues con sus propios presupuestos.
La competencia configurará las tres señales. Huawei, Alibaba, Baidu y otras grandes empresas tecnológicas chinas pueden suministrar modelos, nubes, chips y plataformas para desarrolladores fuera de los programas locales de Shanghái.
Las empresas estadounidenses siguen siendo relevantes incluso cuando su hardware más reciente está restringido. Sus prácticas de software, lanzamientos de modelos y economía de infraestructura siguen estableciendo referencias para compradores globales.
Por tanto, Shanghái debe competir en más que apoyo político o capacidad instalada. Necesita herramientas predecibles, seguridad creíble, datos accesibles, inferencia asequible y sistemas que los ingenieros puedan mantener.
La ciudad entra en esa competencia con ventajas significativas. Cuenta con una gran economía industrial, instituciones de investigación, diseñadores de chips, empresas de modelos, inversores y compradores gubernamentales muy próximos entre sí.
También afronta debilidades reales. El suministro de procesadores nacionales sigue siendo desigual, las arquitecturas alternativas necesitan validación comercial y los pilotos subvencionados pueden ocultar la disposición de los clientes a pagar.
Esa combinación hace que valga la pena seguir el experimento de Shanghái. Está poniendo a prueba si un clúster industrial regional puede compensar el acceso limitado al hardware de vanguardia mediante la coordinación de toda la pila de IA.
El próximo titular de Google News probablemente destacará otro chip, robot, clúster o programa de financiación. Los lectores deberían mirar más allá del anuncio individual y plantearse tres preguntas.
¿Se utiliza la nueva capacidad después de que expiren los créditos de prueba? ¿Los procesadores nacionales completan cargas de trabajo reales con una fiabilidad y un uso energético aceptables? ¿Los clientes industriales están ampliando despliegues con su propio dinero?
Las respuestas determinarán si Shanghái ha construido una ventaja duradera en IA o una ambiciosa colección de proyectos de infraestructura. Siga los despliegues, compare los datos operativos y trate cada afirmación de exhibición como el comienzo de la verificación, no como su conclusión.
