Washington apostó la guerra tecnológica a una sola casilla: quien controle el mejor mineral, gana. Le cerró a China el grifo de los nodos de litografía punteros, de las EUV de ASML, de los H100 y B200 de Nvidia. Y perdió la apuesta antes de hacerla, porque esa ecuación ya se resolvió una vez, hace cinco mil años, y el mineral nunca fue la variable que decidía.

Obertura

En Los Millares, alguien descubrió que sobrevivir a la Edad del Cobre no exigía el mejor mineral. Exigía saber leer el color de la llama, calcular el tiro de la tobera, decidir el instante exacto en que el metal ya estaba listo para el martillo. El yacimiento no impone el mineral; lo escaso allí no es la materia prima —Sierra de Gádor, Sierra Alhamilla y Cabo de Gata la ponen a disposición de quien sepa ir a buscarla— sino la destreza para convertirla en herramienta. Cuando el material se raciona, el valor emigra hacia la técnica.

Washington acaba de repetir, sin saberlo, el experimento de Los Millares a escala geopolítica. El bloqueo no ha producido escasez. Ha producido un herrero.

El cambio de tablero

La lectura fácil sobre las restricciones de chips es que retrasan a China. La lectura correcta es que han cambiado el terreno de juego: de un eje donde Estados Unidos es imbatible —transistores más pequeños, más FLOPS por vatio de fábrica— a un eje donde el ganador se decide por otras variables: coste energético, eficiencia algorítmica, velocidad de despliegue. China no ha intentado ganar la carrera de Washington. Ha cambiado de pista.

El caso que mejor lo ilustra no es una política industrial abstracta, sino una empresa concreta: Moonshot AI (月之暗面), fundada en 2023 por Yang Zhilin con raíces en Tsinghua, y su modelo Kimi. Nacida en pleno asedio tecnológico, Moonshot no intentó competir en cómputo bruto —no podía— y apostó por una dimensión donde la ingeniería de software pesa más que la fábrica de silicio: el contexto largo, con ventanas de dos millones de caracteres ya en 2024. Es la misma decisión que toma el herrero cuando el estaño escasea y descubre que puede compensar con la aleación correcta, no con más mineral.

Eje energía: abaratar la ineficiencia hasta que deje de importar

Si tu chip nacional rinde un 30-40 por ciento menos que un H100, hay dos caminos: fabricar uno mejor, la vía bloqueada, o hacer que la ineficiencia salga gratis. China ha elegido la segunda, con subsidios eléctricos que cubren hasta la mitad de la factura de los centros de datos que corren sobre silicio doméstico —Huawei, Cambricon—, precisamente los que más consumen y menos rinden.

Detrás hay una base física real: China añadió más de 430 GW de solar y eólica solo en 2025, y ya genera más del doble de electricidad que Estados Unidos, una brecha que se estima se ampliará seis veces en los próximos cinco años. La iniciativa East Data, West Computing traslada los centros de proceso a Mongolia Interior, Gansu, Ningxia y Guizhou, donde la tierra y la energía renovable son baratas y se conectan directamente a parques dedicados a través de la red de ultra-alta tensión más extensa del planeta.

El matiz importa porque separa dos papeles que casi nunca coinciden: el que controla el mineral y el que controla el fuego para trabajarlo. Esto crea una asimetría de costes que ninguna sanción puede tocar. Washington controla la litografía de Eindhoven. No controla el yacimiento solar de Qinghai.

Eje reutilización: canibalizar en vez de fabricar

Aquí la estrategia no es solo usar chips viejos, sino desmontarlos, reconfigurarlos y darles una segunda vida en inferencia —la fase donde el cómputo importa menos que en el entrenamiento—, el gesto del taller que funde de nuevo lo que ya existía cuando el mineral fresco no llega.

A100 y H100 de segunda mano, reacondicionadas y reconfiguradas en sistemas de inferencia, con demanda disparada tras la prohibición del H20. RTX 4090 de consumo, bloqueadas para el mercado chino y desmontadas en talleres para extraer sus componentes: se han documentado lotes de más de 4.000 unidades procesadas en un mes. RTX 2080 Ti, de 2018, modificadas para duplicar su memoria de 11 a 22 GB, convertidas en aceleradores de bajo coste, unos 499 dólares. Empaquetado avanzado en chiplet como sustituto de la fabricación monolítica: entre mayo y julio de 2026 se anunciaron proyectos por 400.000 millones de yuanes en integración 2.5D y 3D.

Y la línea doméstica, que ya no es promesa: SMIC fabricando en el nodo N+2, 7 nm, suficiente para los Ascend 910B y 910C de Huawei, ya desplegados en clústeres reales; el enjambre de startups de silicio —Cambricon, Moore Threads, Biren, Enflame, Iluvatar CoreX, Hygon—; CXMT avanzando en memoria HBM nacional; y el software de acompañamiento —CANN, MindSpore, forks de vLLM para Ascend— para que migrar un modelo no exija reescribir el stack entero.

El bloqueo no produjo escasez. Produjo fragmentación productiva: decenas de actores exprimiendo cada vía disponible en paralelo, en vez de una sola fábrica haciéndolo todo. El mismo ecosistema de prospectores, comerciantes y aprendices que siempre termina rodeando a un oficio cuando el material ya no basta por sí solo.

Eje algorítmico: el Frugal Stack, o la imaginación como sustituto del hardware

Este es el eje donde China dejó de defenderse y empezó a marcar la agenda, y donde el caso Kimi funciona como prueba de laboratorio.

Kimi K2, julio de 2025: un modelo de mezcla de expertos con un billón de parámetros totales pero solo 32.000 millones activos por token, entrenado con el optimizador MuonClip sobre 15,5 billones de tokens sin un solo pico de pérdida, una estabilidad que ahorra uno de los costes ocultos más caros de entrenar: el reentrenamiento.

Kimi K2 Thinking, noviembre de 2025: publicado nativamente en precisión INT4 mediante entrenamiento consciente de cuantización, lo que reduce su huella de un terabyte a 594 GB y duplica la velocidad de generación sin pérdida de calidad. El detalle estratégico es que INT4 rinde bien en hardware anterior a Blackwell: está diseñado para el parque de GPUs que el mundo ya tiene, no para el que Nvidia querría vender el año que viene.

Kimi Linear, octubre de 2025, es probablemente el dato más importante de todo el argumento. La atención lineal híbrida, Kimi Delta Attention, reduce el caché KV hasta un 75 por ciento y acelera la decodificación hasta 6,3 veces en contextos de un millón de tokens, con mejora de rendimiento, no solo de velocidad. El modelo completo, 48.000 millones de parámetros totales, 3.000 millones activos, corre en una RTX 3070 de consumidor. En agosto de 2026 el competidor Z.ai adoptó la misma técnica para su GLM-5.3-Flash: la innovación austera ya se propaga como estándar dentro de China, el primer paso para que lo haga fuera.

El resto del arco confirma que no es un caso aislado. DeepSeek popularizó el entrenamiento en FP8 y la atención latente multi-cabeza, adoptada también por Kimi K2. Qwen despliega modelos de activación ultra-reducida que corren en portátiles. MiniMax recorta el cómputo de atención en inferencia con su arquitectura lightning. SpikingBrain, de la Academia China de Ciencias, activa solo un 30 por ciento de sus neuronas por instante y se entrena íntegramente en chips MetaX C500, sin una sola GPU de Nvidia. Y la cuantización ha bajado ya hasta 1,58 bits, ternaria, permitiendo que modelos grandes corran en hardware modesto.

La tecnología ha sido siempre una dialéctica entre lo posible y lo material, la imaginación empujando contra el límite físico hasta doblarlo. El Frugal Stack es esa dialéctica operando en tiempo real: el límite es el chip prohibido, y la imaginación es la arquitectura que lo rodea en vez de esperar a que se levante la prohibición. El fuego no cambia; cambia lo que se le echa. Antes fue mineral, antes fue palabra escrita contra la incredulidad de un editor. Ahora son parámetros.

La ironía final: la pila austera alimenta al rival

Aquí la tesis alcanza su punto más fuerte, y no por retórica sino por rastro documentado.

Las restricciones aceleraron la autosuficiencia: sin chips punteros, China invirtió en algoritmos, empaquetado, reutilización y energía, construyendo un ecosistema que no depende de la frontera de litografía para ser competitivo en adopción masiva.

Los modelos austeros ya son cimiento de productos estadounidenses. Thinking Machines Lab con Inkling, Cursor con Composer 2 y Cognition AI con Devin han usado Kimi como base o para post-entrenamiento; la comunidad open-source global entrena sobre Qwen y DeepSeek. El flujo de dependencia se ha invertido parcialmente: el laboratorio chino nacido bajo asedio en 2023 exporta fundamentos al Silicon Valley de 2026.

La frontera de los modelos de pesos abiertos la lideran, la mayor parte del último año, laboratorios chinos: K2 Thinking recuperó ese liderazgo tras el breve interludio de gpt-oss-120b.

Como señala el análisis del think tank DSET, la ventaja del Frugal Stack no es solo cerrar la brecha de capacidades: es hacer que la IA china sea más fácil de exportar, ejecutar e integrar en Sudeste Asiático, Oriente Medio, América Latina o África, donde el coste pesa más que el benchmark de turno. La pregunta deja de ser quién tiene el modelo más potente y pasa a ser de quién se convierte en el estándar de despliegue.

Cierre: el cuello de botella nunca estuvo en el material

El hierro es un metal abundante que nunca funde del todo, y aun así terminó desplazando al bronce porque alguien aprendió a leer el color del metal al rojo y a martillar la escoria hasta sacarle un arma mejor. El cuello de botella nunca estuvo en el yacimiento. Estuvo en la destreza para trabajarlo.

Washington controla el yacimiento: la litografía, las EUV, el nodo de 3 nm. Lo que no puede racionar es la destreza que se ejerce sobre lo que ya hay: la arquitectura que cabe en una RTX 3070, el entrenamiento que no pierde estabilidad en quince billones de tokens, la cuantización que convierte un modelo de un terabyte en uno de seiscientos gigas sin perder calidad. Eso no se importa ni se sanciona. Se aprende, como se aprendía en Los Millares, mirando el fuego el tiempo suficiente para saber cuándo el metal ya está listo.

Esto no significa que China haya ganado la carrera de los semiconductores. La brecha en chips de entrenamiento punteros sigue existiendo, y la dependencia de canales secundarios tiene costes reales: fragmentación, menor eficiencia en la frontera absoluta. Pero la tesis queda ahora documentada con protagonista, cadena de evidencia y un antecedente de cinco mil años que dice que esta historia ya la hemos visto antes. Cada vez que alguien intenta ganar una guerra tecnológica racionando el material, alguien más gana la siguiente racionando mejor su propia destreza.