China compra cerca de un millón de GeForce para IA mientras Huawei le quita mercado a Nvidia

Los desarrolladores chinos de modelos de IA han comprado cerca de un millón de tarjetas gráficas estadounidenses GeForce para juegos y de soluciones de Nvidia para estaciones de trabajo. Pero en el conjunto del mercado chino de aceleradores de IA, la cuota de Nvidia sigue bajando. En el último semestre, el liderazgo pasó a los aceleradores que no pertenecen a la clase GPU. El principal beneficiado de este cambio es Huawei.

Hardware de consumo como granja de IA

Los aceleradores de servidor de Nvidia para China están limitados por las normas de exportación de EE. UU. Las tarjetas gráficas para juegos y las estaciones de trabajo quedan sujetas a esas restricciones de forma bastante más laxa, y por eso la demanda se ha concentrado en ellas. Un millón de unidades ya es una escala industrial de compras, no un asunto de aficionados con racks en casa.

La lógica es clara. Las GeForce de gama alta llevan entre 24 y 32 GB de memoria de vídeo: la RTX 4090 tiene 24 GB y la RTX 5090, 32 GB. Para inferencia, ajuste fino y experimentos con modelos de tamaño medio, eso basta. Para entrenar modelos grandes desde cero, no. Las tarjetas de consumo no tienen NVLink en la forma en que lo tienen los aceleradores de servidor, el escalado a cientos de nodos choca con las interconexiones, y la licencia de los controladores de GeForce limita formalmente su uso en centros de datos. Las empresas compran estas tarjetas porque casi no quedan otras vías legales para obtener cómputo CUDA en el volumen necesario.

Dónde pierde posiciones Nvidia

La paradoja es que el volumen de compras crece mientras la cuota de Nvidia en el segmento de aceleradores de IA de China cae. Una tarjeta para juegos comprada para un equipo de IA no equivale a un acelerador completo ni en coste ni en potencia. En la categoría que no es GPU, el dominio ya se consolidó en el último semestre. En ella entran los procesadores neuronales y los aceleradores ASIC. Huawei tiene el papel clave con su línea Ascend, y junto a ella trabajan Cambricon, Baidu Kunlun y otros desarrolladores locales.

Este cambio se sostiene sobre tres factores:

• los pedidos estatales y corporativos en China exigen cada vez más chips locales;
• Huawei no invierte solo en silicio, sino también en su pila de software CANN y en el framework MindSpore;
• las grandes nubes y los operadores obtienen suministros predecibles, sin depender de las decisiones de Washington.

La principal barrera para los chips chinos no son los FLOPS, sino el ecosistema. Una década de desarrollo sobre CUDA no se puede trasladar en un trimestre. Pero cada equipo que una vez portó el entrenamiento y la inferencia a Ascend ya no volverá a depender de las licencias de exportación.

Cifras clave

• ~1 millón de GeForce para juegos y tarjetas para estaciones de trabajo compradas por desarrolladores chinos de IA.
• La cuota de Nvidia en el mercado chino de aceleradores de IA sigue bajando.
• Los aceleradores que no son GPU alcanzaron una posición dominante en el último semestre.
• El principal ganador es Huawei.

Qué deben hacer equipos e inversores

Para los equipos de IA, la conclusión práctica es sencilla: incluyan la portabilidad en la arquitectura. Si la inferencia puede ejecutarse a través de abstracciones como ONNX o de runtimes propios, migrar a Ascend resulta más barato. El entrenamiento de modelos grandes sigue siendo un caso más difícil, y ahí CUDA seguirá siendo el estándar durante mucho tiempo.

Los inversores deberían mirar no tanto los ingresos de Nvidia en China como la estructura de la demanda. El aumento de las ventas de tarjetas de consumo no compensa la pérdida de contratos de centros de datos, y el segmento chino se desplaza hacia el silicio propio. El mercado de tarjetas gráficas de consumo fuera de China debe vigilar los precios: una compra masiva de esta escala puede presionar la disponibilidad de los modelos de gama alta.

Para todos los demás, es una señal de que el mercado de hardware de IA se fragmenta en dos pilas, la estadounidense y la china. Seguirán divergiendo, y los desarrolladores tendrán que elegir para cuál optimizar su código.