Anoche, esperando el embarque hacia Chongqing desde el aeropuerto internacional de Shenzhen Bao’an, me encontré con un cartel publicitario que me dejó ojiplático lo que quedaba de día, y creo que resume bien lo que va a pasar con la IA en el futuro cuando madure de verdad.
No era un anuncio de una API. No era “prueba gratis 14 días”. Era un señor servidor físico, con un modelo dentro, listo para enchufar y usar. Una IA plug-n-play, vaya.
Locura en Bao’an
El cartel era de Goooxi (国鑫), un fabricante de servidores, y vendía DeepSeek一体机: servidores empaquetados con modelos de DeepSeek ya instalados, con la promesa de 开箱即用 (plug-n-play). Sin rodeos.
Los modelos y precios estaban ahí, en letras gigantes:
| Modelo | Nivel | Precio (CNY) | Precio (EUR) |
|---|---|---|---|
| DeepSeek-671B | 行业级 (industrial) | 69,9 万元 | ≈90,000 EUR |
| DeepSeek-70B | 企业级 (empresarial) | 18,9 万元 | ≈24,000 EUR |
| DeepSeek-32B | 部门级 (departamental) | 9,9 万元 | ≈13,000 EUR |
Y debajo, una promesa comercial muy muy china que lo dice todo: 7天交付 (entrega en 7 días), 7天保退 (devolución en 7 días), 7天拥有AI智能体 (en 7 días ya tienes tu agente de IA).
Esto es lo que pasa cuando un modelo de código abierto deja de ser un .safetensors en Hugging Face y se convierte en un producto que compras como comprarías un rack de virtualización o un NAS empresarial. ¿Qué publicidad ves en tu aeropuerto local? Pues en China parece que anunciar racks corriendo IA es la nueva tendencia.
Y ahí vi clarísimamente que la ventaja competitiva real de los modelos abiertos es el modelo de negocio.
Alibaba Cloud también está en el ajo
El de Gooxi no era el único cartel. Por el aeropuerto (y realmente por toda China, la verdad) el mensaje se repite con otra marca: “AI就用阿里云, 通义大模型, 开源开放 全球领先”. Que viene a ser “Si necesitas IA, usa Alibaba Cloud. Modelo Qwen. Código abierto. Abierto al mundo. Líder global.”
Llevo un tiempo escribiendo sobre Qwen y Model Studio de Alibaba Cloud. He probado DeepSeek en local con Docker. He seguido la oleada de DeepSeek-R1 desde que empezó. Pero ver 开源开放 (open source, open access) en un cartel de aeropuerto, al lado de un anuncio de servidores listos para usar, es otra cosa. Es curioso que esa sea la oferta que te venden mientras esperas un embarque.
La IA como commodity, vaya.
Qué pasa con los modelos cerrados
En Estados Unidos, el juego es otro: modelos cerrados, acceso por API, precio por token, límites de uso, políticas de contenido que cambian sin avisar, y la incertidumbre permanente de si mañana tu integración sigue funcionando igual o si el proveedor ha decidido que tu caso de uso ya no le conviene.
Empresas como Anthropic, OpenAI o Google hacen modelos brutales, no lo niego. Para ciertas tareas muy complejas (razonamiento muy largo, código crítico, análisis legal) tienen una venaja clarísima. Pero para la gran mayoría del trabajo real de una empresa, no necesitas el mejor modelo del mundo. Necesitas un modelo lo suficientemente bueno.
Y ahí ya cambian las cositas.
Un modelo abierto te da escalabilidad: si necesitas más capacidad, compras otro servidor, alquilas otro nodo, añades GPUs al cluster. No hay rate limit semanal. No hay sorpresa de factura por tokens. No hay “fair use policy” que te deje colgado un martes a las tres de la mañana en pleno despliegue. Pagas la infraestructura y lo usas todo lo que el hardware aguante.
MoE, nichos y optimizaciones
Aquí es donde creo que el futuro se separa del presente de verdad.
El relato occidental todavía empuja hacia un modelo generalista gigante que lo hace todo: GPT-4o, Claude, Gemini… un oráculo centralizado al que le preguntas cualquier cosa. Es impresionante. También es caro, frágil y dependiente.
Lo que veo en China (y lo que veo en cómo despliego yo mismo cosas en producción) apunta a otra arquitectura:
1. Modelos MoE (Mixture of Experts): DeepSeek-V3 es el ejemplo perfecto a mayo de 2025: cientos de miles de millones de parámetros en total, pero solo una fracción activa por inferencia. Más capacidad sin quemar el presupuesto de compute entero en cada petición. MoE no es truco de paper; es cómo haces viable correr modelos serios en hardware que una empresa normal puede comprar o alquilar.
2. Modelos especializados en nicho: No necesitas un 671B para clasificar tickets de soporte, extraer datos de facturas o responder preguntas sobre el manual interno de tu fábrica. Necesitas un 7B o 32B fine-tuneado en tu dominio, corriendo en tu rack. El generalista queda para las tareas difíciles; el especialista hace el 90 % del trabajo diario más barato, más rápido y más fiable.
3. RAG como capa obligatoria: Esto no es opinión nueva mía: llevo más de dos años construyendo sistemas RAG en producción y escribí sobre por qué vector RAG y búsqueda agéntica no son excluyentes. El modelo abierto te da el motor, pero RAG te da el conocimiento actualizado sin reentrenar. Juntos, un modelo de 32B con buen RAG le gana al generalista cerrado en la mayoría de casos empresariales concretos (porque conoce tus documentos, no el internet genérico de hace seis meses).
La suma (código abierto + MoE + RAG) es el stack que veo ganar. No un monolito cerrado al que rezas. Un ecosistema que montas, escalas y especializas.
En febrero escribí que China no suele ser pionera, pero sí perfecciona. DeepSeek-R1 lo confirmó en enero: no inventaron los LLM, pero tomaron lo que funcionaba, lo optimizaron con una eficiencia brutal y lo abrieron. El mercado reaccionó. Los titulares volaron. Pero lo que vi anoche en Shenzhen es la segunda fase: la comercialización industrial del modelo abierto. Goooxi no vende pesos. Vende un rack con SLA de 7 días. Alibaba no vende “prueba la API”. Alibaba vende el código abierto como ventaja competitiva frente a un mundo que sigue cerrando modelos y subiendo precios por token.
La diferencia cultural es clara. En Silicon Valley, la IA se vende como servicio de suscripción con límites. En Shenzhen, se vende como infraestructura que es tuya.
Ejemplo práctico del mundo real
Vale, sí… pero qué pasa en el mundo real? Imagina que mañana tienes que desplegar IA en tu empresa para un backend que estás montando. Tienes dos caminos.
Camino A: API cerrada americana. Mejor calidad “frontier”, quizá. Pero dependes de su disponibilidad, su pricing, su política de uso, sus rate limits, y de que tus datos salgan de tu perímetro.
Camino B: Fork de DeepSeek o Qwen, servidor propio o alquilado, RAG con tus documentos, un MoE que escala con el presupuesto que le metas. Mañana tienes algo funcionando. Sin límite de tokens. Sin sorpresa de factura. Sin pedir permiso a absolutamente nadie.
Para muchísimas empresas (la gran mayoría, realmente) el camino B ya es suficiente. Y cada mes que pasa, “suficiente” se acerca más a “excelente” mientras los modelos cerrados suben precios y aprietan accesos.
No digo que los modelos cerrados desaparezcan. Seguirán existiendo para quien necesite ese último 5% de calidad marginal y esté dispuesto a pagar el peaje. Pero creo que el grueso del mercado no necesita un oráculo de Silicon Valley. Necesita un motor abierto, especializado, con su propia memoria, corriendo donde ellos decidan.