El ecosistema de IA en China

En este post os comparto un análisis del ecosistema de IA en China, basado en como se reparte el pastel en ese país.

El eje que manda: plataformas Big Tech

En China, la ventaja competitiva de IA suele venir de la distribución (super-apps, pagos, comercio, contenido) y de su capacidad para insertar IA en flujos de uso masivo.

Alibaba (Comercio + nube)

• Modelo: Tongyi Qianwen (Qwen3) (índice 62).
• Base de usuarios: 150M MAU.
• Peso en cloud: 35,8% de cuota (liderazgo).
• Stack/vertical¹: “L1–L7” (cobertura amplia).
• Ecosistema: Taobao, Tmall, Alipay, DingTalk, Ele.me, Cainiao, Lazada.

Alibaba combina comercio + pagos + nube; eso le permite empaquetar IA como producto (APIs, herramientas empresariales) y como característica (compras, logística, atención al cliente).

ByteDance (contenido + atención)

• Modelo: Doubao (seed v1.5; índice 62).
• Base de usuarios: 157M MAU.
• Peso en cloud: 14,8% (vía Volcano Engine).
• Stack: “L3–L7”.
• Ecosistema: Douyin (600M DAU), TikTok, Toutiao, Volcano Engine.

ByteDance es la máquina de atención. La IA se convierte en optimización de contenido, búsqueda/recomendación, creación y agentes dentro de flujos de consumo.

Tencent (redes sociales + pagos)

• Modelo: Hunyuan (índice 57; “Yuanbao chat”).
• Métrica operativa clave: 10B+ tool llamadas/día (uso de herramientas/acciones a escala).
• Peso en cloud: 7%.
• Stack: “L3–L7”.
• Ecosistema: WeChat (1,3B MAU), WeChat Pay, QQ, Mini Programs, Tencent Cloud.

Tencent convierte IA en agentes dentro de WeChat (mini-programas, pagos, servicios). Su fortaleza no es “un chatbot”, sino una red transaccional.

Baidu (búsqueda + AI-first)

• Modelo: ERNIE (ERNIE X1; índice 60).
• Base de usuarios: 200M MAU.
• Peso en cloud: 6%.
• Stack: “L3–L7”.
• Ecosistema: Baidu Search, Apollo AV, Baidu Maps, Baidu Cloud.

Baidu parte de search y mapas, y empuja IA hacia búsqueda aumentada, asistentes y autonomía (Apollo).

Frontier research y “squeezed middle”

Esta capa agrupa a quienes compiten por capacidad de modelo, pero con una particularidad: la comercialización masiva suele depender de las plataformas.

DeepSeek (Frontier)

• Intelligence Index: 68 (Leading).
• Usuarios: 143M MAU.
• Coste de entrenamiento: ~$6M.
• Estrategia: open-weights + financiación tipo hedge fund.
• Nota: “Pure research L4 only”.

DeepSeek representa el perfil “investigación fuerte + apertura de pesos” que acelera adopción técnica… pero la distribución a gran escala sigue siendo un juego de plataformas.

“Squeezed middle” (con respaldo de tecnológicas)

“Squeezed middle” son un grupo de compañías de IA que están en medio de dos fuerzas que las aprietan:

1. Arriba: las Big Tech de plataforma (Alibaba, Tencent, ByteDance, Baidu)
   • Controlan distribución (super-apps, search, social, e-commerce), pagos, canales de adquisición y, en muchos casos, nube.
   • Pueden “absorber” funcionalidades de IA dentro de sus productos y escalar a cientos de millones de usuarios casi sin fricción.
2. Abajo: los “frontier labs” que destacan por capacidad técnica y/o narrativa (p. ej., DeepSeek)
   • Empujan el estado del arte, publican open-weights, marcan el ritmo técnico y atraen talento y comunidad.
   • Esto sube la vara: competir “solo” con un chatbot o un modelo genérico se vuelve más difícil.

¿Qué caracteriza al “middle”?

• Tienen buen producto/modelo, pero no controlan el canal masivo (distribución/pagos) como una Big Tech.
• Tampoco son claramente el referente “frontier” que domina por pura capacidad y notoriedad técnica.
• Muchos están financiados o apoyados por Big Tech, lo que ayuda… pero también condiciona.

¿Por qué están “squeezed” (apretados)?

• Márgenes y precios: las Big Tech pueden empaquetar IA como característica (incluso “gratis” o subvencionada) para retener usuarios. Eso presiona precios.
• Acceso a datos y canales: sin super-app/búsqueda/social, captar usuarios y datos cuesta más.
• Dependencia de infraestructura: entrenar/servir modelos requiere compute; si no tienes nube propia, dependes de terceros (a menudo, las mismas Big Tech).
• Riesgo de “feature-ization”: su propuesta puede convertirse en una funcionalidad más dentro de WeChat, Taobao, Douyin, Baidu Search, etc.

¿Qué hacen para sobrevivir/crecer?

Convertirse en proveedores de infraestructuras:

• Pasar de “app/chatbot” a proveedor B2B: APIs, agentes, integraciones empresariales, modelos verticales, fine-tuning, inferencia optimizada, etc.
• En vez de competir por el usuario final, venden capacidades a plataformas, ISVs y empresas.

Si no controlas distribución, tiendes a vender componentes (APIs, tooling, infra) a quien sí la controla.

Soberanía de infraestructura

Aquí el mapa plantea una tesis geopolítica/industrial: China está construyendo soberanía de infraestructura (chips, cloud, modelos, centros de datos).

Huawei

• Incremento de la cuota de mercado: 35–40% → 50% (objetivo/deriva).
• Chips: Ascend 910C
• Nube: CloudMatrix
• Modelo: Pangu
• Stack: “L1–L4”

Huawei aparece como integración vertical: silicio + cloud + modelo. No es solo “un proveedor”: es un pilar de independencia tecnológica.

Chips domésticos

• Cambricon (MLU 590): entrenamiento + inferencia
• Biren Tech (BR100/BR104): GPUs de data center
• Moore Threads (MTT S4000): nota bursátil: “+425% stock”
• Enflame (CloudBlazer): entrenamiento

Y un dato industrial relevante:

• Escalado de la producción: 800K → 2M dies²/año para 2026 (capacidad de producción objetivo).

AI Cloud Services: el mercado que monetiza

El mercado de la nube de IA:

• Tamaño: $7.3B
• Crecimiento: 26,8% CAGR

Cuotas de mercado:

• Alibaba Cloud 35,8%
• Volcano (ByteDance) 14,8%
• Huawei 13%
• Tencent 7%
• Baidu 6%
• Otros 23,4%

Servicios clave o lo que realmente se vende:

• Model APIs (Qwen, ERNIE) + fine-tuning
• GPU clusters (training + inference)
• MLOps (pipelines + monitoring)
• Data: etiquetado + vector DBs

La nube de IA es el motor financiero: cómputo, APIs y operación (MLOps) convierten “modelos” en “capacidad comprable”.

Agentic Commerce: de chat a transacción

La IA deja de ser conversación y pasa a hacer cosas (comprar, reservar, pagar, gestionar incidencias). Actores:

• JD.com (e-commerce): “Ernie integrated”
• Meituan (entrega de comida): “multi-model”
• Trip.com (viajes): “Ernie integrated”
• WeChat Pay (pagos): “Hunyuan native”
• Alipay (servicios financieros): “Tongyi native”

Métricas de escala destacadas:

• Llamadas de la herramienta Hunyuan: 10B+/día
• DingTalk AI: 200M+/día

China está empujando fuerte el patrón agéntico: herramientas + pagos + servicios, todo dentro de plataformas con distribución masiva.

Vertical AI Applications: dónde aterriza en industria

El mapa lista verticales y ejemplos:

• Salud: imagen médica, diagnóstico (Ping An, iFlytek Medical)
• Finanzas: riesgo, trading (Ant Group, Lufax)
• Autónomo: conducción autónoma/robotaxis (Baidu Apollo, Pony.ai)
• Producción: control de calidad, robótica (SenseTime, Megvii)
• Educación: tutoría, evaluación (Squirrel AI, TAL)
• Seguridad: vigilancia, reconocimiento facial (Hikvision, SenseTime)

La aplicación vertical está muy ligada a regulación local, datos locales y distribución local (por eso la plataforma vuelve a ser clave).

Las cifras resumen

• IA de consumo: $11,5B, 42,3% CAGR³, objetivo 1B+ DAU⁴ para 2026
• IA en la nube: $7,3B, 26,8% CAGR (Alibaba lidera)
• Participación global: ~30% (impulso “open-weights dominant”)
• Chips locales: 50% para 2026 (Ascend como referencia)
• Infra: RMB 500B de inversión, 8–12 hubs nacionales
• Diferencia a Estados Unidos: <3 meses (rendimiento, “cerrando rápido”)

La distribución de plataforma, más que la capacidad del modelo, determina la cuota de mercado de IA de consumo en China.

Implicaciones prácticas

1. Si no controlas distribución, acabas “vendiendo picos y palas”: APIs, tooling, infraestructura, componentes.
2. Agentes + pagos es la fórmula: cuando la IA puede ejecutar acciones y cobrar/pagar, se vuelve parte del flujo económico.
3. La nube es el monetizador: el valor se captura en computación, operación (MLOps⁵) y servicios gestionados.
4. Soberanía de infraestructura no es eslogan: chips, centros de datos y stacks integrados son parte del diseño del mercado.
5. Verticalizar exige datos y contexto local: especialmente en salud, finanzas, educación y seguridad.

¿Quieres saber más sobre las soluciones de inteligencia artificial generativa de Microsoft? En DQS/ te asesoramos. ¿Por qué no nos preguntas cómo podemos ayudarte?

1. El Stack de IA L1–L7 es un modelo conceptual que organiza el ecosistema de Inteligencia Artificial en capas funcionales, desde la infraestructura física hasta el impacto en negocio. Se utiliza en arquitectura empresarial, estrategia tecnológica y gobierno de IA para estructurar capacidades y responsabilidades.
   Aquí tienes la explicación de cada una de las capas: «Stack de IA L1–L7: explicación del modelo«. ↩︎
2. Un DIE es la unidad individual de silicio que contiene un circuito integrado, antes de ser encapsulado como chip final. ↩︎
3. CAGR significa Compound Annual Growth Rate, o en español, Tasa de Crecimiento Anual Compuesta.
   Es una métrica financiera que indica el ritmo de crecimiento medio anual de una inversión, ingreso o cualquier magnitud, suponiendo que los beneficios se reinvierten cada año (crecimiento compuesto). ↩︎
4. DAU significa Daily Active Users (Usuarios Activos Diarios). Es una métrica clave en productos digitales para medir engagement y uso real.
   DAU = número de usuarios únicos que interactúan con tu producto en un día determinado. ↩︎
5. MLOps significa Machine Learning Operations. Es la disciplina que integra Machine Learning + DevOps + Data Engineering para industrializar el ciclo de vida de modelos de IA. En términos prácticos: es lo que permite pasar de un modelo en un notebook a un sistema robusto en producción. ↩︎