Cómo Zhipu AI, BAAI y AISI están construyendo el próximo ecosistema de inteligencia artificial de China

La próxima fase del desarrollo de la inteligencia artificial en China parece construirse mediante una división de trabajo. Zhipu AI convierte los grandes modelos en agentes comerciales y herramientas para desarrolladores. La Academia de Inteligencia Artificial de Pekín (BAAI, por sus siglas en inglés) desarrolla modelos fundacionales abiertos, sistemas multimodales e investigación sobre inteligencia encarnada, es decir, sistemas capaces de percibir y actuar en el mundo físico. El Instituto de Inteligencia Artificial para la Ciencia de Pekín (AISI) aplica los modelos al descubrimiento científico y a los procesos de ingeniería.

En conjunto, estas organizaciones apuntan a una estrategia más amplia: hacer que la IA sea útil en el software, la robótica, los laboratorios y la industria, en lugar de depender de un único modelo superventas.

Zhipu AI: de los modelos de lenguaje a los agentes de larga duración

El lanzamiento de GLM-5.2 ilustra el paso de una IA conversacional a sistemas diseñados para trabajar durante periodos más largos en tareas complejas. El modelo se publicó con código abierto el 17 de junio de 2026 y fue presentado para programación, flujos de trabajo con agentes y una ventana de contexto de un millón de tokens.

El entusiasmo de los inversores tras el lanzamiento impulsó temporalmente la valoración de mercado de Zhipu AI por encima de 1 billón de dólares hongkoneses el 22 de junio. Esa valoración refleja las expectativas sobre su comercialización, la adopción entre desarrolladores y su potencial como plataforma. No debe interpretarse como una prueba de que un modelo concreto haya alcanzado la inteligencia artificial general (AGI).

El cambio importante consiste en pasar de vender acceso a un modelo a construir a su alrededor un ciclo de producto. Ese ciclo puede incluir API, herramientas de programación, ejecución de agentes, flujos empresariales y aplicaciones que generen uso e ingresos. La publicación de los pesos permite además ampliar las pruebas externas y el desarrollo posterior, mientras que los servicios comerciales ayudan a financiar nuevos modelos y la infraestructura necesaria para ejecutarlos.

La independencia tecnológica exige más que poseer los pesos de un modelo. También requiere sistemas de entrenamiento e inferencia, canales de datos, métodos de posentrenamiento, marcos para agentes, distribución entre desarrolladores y acceso fiable a capacidad de cómputo. Un modelo se vuelve estratégicamente resistente cuando consigue atraer un ecosistema alrededor de todas esas capas.

BAAI: el puente entre la investigación abierta y la inteligencia encarnada

BAAI ha evolucionado desde su trabajo con los modelos fundacionales WuDao hacia la familia WuJie, centrada en modelos multimodales, modelos del mundo e inteligencia encarnada. Informaciones recientes sobre sus conferencias describen WuJie·Physis como un modelo físico de mundo latente y WuJie·RoboBrain Orca como un sistema encarnado en desarrollo que conecta el razonamiento lingüístico, la predicción visual y la toma de decisiones para actuar.

Esta línea de investigación es relevante porque la inteligencia en el mundo físico requiere capacidades que los modelos basados únicamente en texto no ofrecen por sí solos. Los robots necesitan percibir, predecir, planificar y controlar sus acciones, además de desenvolverse en entornos que cambian continuamente. Los modelos del mundo y los sistemas encarnados intentan representar esos entornos y actuar dentro de ellos, no solo describirlos.

El papel de BAAI también es institucional. Su programa pone el acento en modelos de código abierto, agentes, ecosistemas de software y hardware fundamentales, y colaboración entre la investigación y la industria. Según los organizadores de la conferencia de BAAI de 2026, el instituto había puesto a disposición más de 200 modelos de código abierto y las descargas globales habían superado los 1.000 millones. Estas cifras deben entenderse como indicadores de distribución, no como una medida directa de la calidad de los modelos.

Para el ecosistema chino de IA, el valor de una institución como BAAI está en crear infraestructura reutilizable y canales de formación. Los modelos abiertos, las herramientas, las evaluaciones y las plataformas de robótica pueden ofrecer a universidades, empresas emergentes y fabricantes un punto de partida común para desarrollar nuevas aplicaciones.

AISI: de las respuestas generadas a los procesos científicos verificables

AISI aborda la IA desde otra perspectiva. Fundado en septiembre de 2021, el instituto define su misión como la integración de la inteligencia artificial con la investigación científica y la creación de infraestructura para la llamada AI for Science, o IA aplicada a la ciencia.

Su marco de “Cuatro vigas y N pilares” reúne modelos algorítmicos y software, bases de datos científicas y sistemas de conocimiento, caracterización experimental de alta eficiencia e infraestructura informática integrada. El objetivo es transformar una investigación fragmentada y casi artesanal en un modelo de trabajo más conectado y basado en plataformas.

Bohrium es un ejemplo de ese enfoque. Esta nube de investigación se presenta como un entorno que conecta literatura científica, conocimiento, modelos, computación, análisis de datos y procesos experimentales. La meta no es simplemente que una IA produzca una respuesta, sino ayudar a los investigadores a pasar de una pregunta a una simulación, un experimento y un nuevo conjunto de datos validados.

Este circuito cerrado es especialmente importante en la ciencia de materiales y molecular. Un modelo atómico de gran escala como DPA4 puede apoyar el descubrimiento y la simulación de materiales; su valor práctico aumenta cuando sus predicciones se comprueban experimentalmente y las observaciones obtenidas sirven para mejorar los modelos futuros. Un informe de 2026 señaló que una actualización de DPA4 ocupó el primer lugar en las métricas integrales de una clasificación internacional sobre descubrimiento de materiales. Sin embargo, el rendimiento en una clasificación, por sí solo, no demuestra un impacto científico real.

El trabajo relacionado con AISI en motores de cohetes ofrece un ejemplo más concreto de validación física. Las informaciones disponibles describen un proceso que abarca diseño generativo, simulación de combustión, fabricación aditiva, medición y control automatizados, y pruebas. También se informó de que un demostrador a escala había completado una validación de circuito cerrado. Estos proyectos son importantes porque conectan los resultados de la IA con restricciones de ingeniería y ensayos físicos, en lugar de detenerse en una prueba de software.

Por qué el ecosistema importa más que un modelo estrella

El liderazgo en los modelos puede cambiar rápidamente

Las clasificaciones y las ventajas de producto pueden cambiar en cuestión de meses. En cambio, las comunidades de desarrolladores, los conjuntos de datos científicos, las instalaciones experimentales, los estándares y la experiencia de implementación se acumulan durante periodos mucho más largos. Esos activos hacen que las mejoras futuras sean más útiles y reducen la dependencia de un único lanzamiento.

Cada sector necesita una forma distinta de inteligencia

Un agente de programación, un controlador robótico, un simulador molecular y un sistema para analizar literatura científica no resuelven el mismo problema técnico. Por eso, una estrategia nacional o industrial de IA se beneficia de modelos especializados y de infraestructura compartida, en vez de esperar que un único sistema generalista haga todo.

La investigación abierta amplía la base de innovación

Los pesos, las herramientas, las evaluaciones y las plataformas abiertas permiten que investigadores y empresas prueben, adapten y amplíen el trabajo de otros. La orientación de BAAI hacia el código abierto puede sostener esa capa, mientras que compañías comerciales como Zhipu AI pueden convertir las capacidades desarrolladas en productos e ingresos.

La validación científica crea un ciclo de aprendizaje más sólido

En la IA aplicada a la ciencia, los sistemas más valiosos pueden ser los que conectan predicción, simulación, experimentación y medición. Cada resultado validado puede mejorar los datos y los modelos utilizados en el ciclo siguiente. Es un estándar más exigente que generar una respuesta plausible, pero también ofrece una vía más clara hacia el valor industrial.

La independencia es una cadena de capacidades

Un desarrollo de IA resistente a los riesgos depende de algoritmos, software, datos, capacidad de cómputo, talento, herramientas y despliegue. Diversificar esas capas puede reducir la dependencia de un único proveedor o enfoque técnico. También hace que el ecosistema sea más resistente si un modelo rinde por debajo de lo esperado o cambian las restricciones externas.

La imagen estratégica

Zhipu AI, BAAI y AISI ocupan posiciones distintas dentro de un mismo sistema emergente:

• Zhipu AI aporta impulso comercial mediante modelos de propósito general, sistemas de programación, agentes y productos para desarrolladores.
• BAAI aporta investigación abierta, redes de talento, modelos fundacionales y una vía hacia la inteligencia multimodal y encarnada.
• AISI aporta infraestructura científica que conecta modelos con conocimiento, computación, experimentos y validación de ingeniería.

Su importancia es, por tanto, complementaria, no intercambiable. Zhipu AI muestra cómo los modelos avanzados pueden convertirse en plataformas. BAAI muestra cómo la investigación abierta puede distribuir capacidades entre una comunidad más amplia. AISI muestra cómo la IA puede integrarse en procesos cuyo éxito se mide por un material, un experimento o un sistema de ingeniería que funciona.

La interpretación más sólida de la próxima etapa de la IA china no es que un modelo haya resuelto la competencia mundial. Es que la ventaja competitiva puede depender cada vez más de conectar centros de investigación originales, plataformas comerciales, capacidades técnicas independientes y aplicaciones interdisciplinarias en un ecosistema industrial abierto y colaborativo.