El 20 de julio de 2026 no fue un día cualquiera en la tecnología: mientras China celebraba que su modelo Kimi K3 alcanzaba el primer puesto en el benchmark de codificación Arena en cuestión de horas 3 y encendía un centro de datos de un gigavatio con chips domésticos 1, Google revelaba que está diseñando un chip llamado Frozen v2 para hardwirear parte de su modelo Gemini directamente en silicio, prometiendo entre seis y diez veces más tokens por vatio que sus TPUs actuales 47. La contradicción es evidente: dos potencias compiten por la eficiencia, pero ninguna responde a la pregunta que debería importarnos a todos: ¿eficiencia para qué y para quién?
Empecemos por el poder real. Moonshot AI lanzó un modelo de 2,8 billones de parámetros que supera a Claude Fable 5 3 —un logro técnico innegable— pero lo hizo en un ecosistema donde el gobierno de Xi Jinping marca la agenda. Alibaba, con su Qwen3.8, y Z.ai, con su centro de datos de un gigavatio construido íntegramente con chips nacionales 1, demuestran que las restricciones de exportación estadounidenses no han detenido el avance chino. Pero aquí está la pregunta que ningún ejecutivo de Moonshot responderá: ¿quién audita el uso de esos modelos cuando el Partido Comunista controla tanto la infraestructura como los datos?
Del otro lado del Pacífico, Google apuesta por la eficiencia física. Hardwirear Gemini en un chip llamado Frozen v2 suena a ingeniería brillante, pero el nombre lo dice todo: congelar una arquitectura en silicio significa que cualquier actualización del modelo requerirá un nuevo chip. ¿Cuánto tiempo pasará antes de que ese hardware quede obsoleto? Y más importante: mientras Google diseña chips para reducir el consumo energético, sus sistemas de IA ya están recurriendo a respuestas de redes sociales para alimentar sus respuestas , una fuente notoriamente poco fiable. ¿Eficiencia en el silicio, pero desidia en los datos?