DeepSeek, Z.ai y Moonshot AI: las tres vías con las que China desafía a Silicon Valley

La importancia de Liang Wenfeng, Tang Jie y Yang Zhilin no reside únicamente en que tres fundadores chinos hayan creado modelos de inteligencia artificial destacados. Juntos han ampliado la definición de competencia en la frontera tecnológica: la capacidad de un modelo debe evaluarse junto con su apertura, su coste de inferencia, el acceso que ofrece a los desarrolladores y la cantidad de computación necesaria para ponerlo en funcionamiento.

Esto no demuestra que China haya superado a Silicon Valley. Sí indica que el mercado es menos exclusivamente estadounidense y que un modelo no tiene que ser cerrado, descomunalmente caro ni estar respaldado por una gran tecnológica estadounidense para cambiar las expectativas mundiales.

Tres fundadores, tres caminos hacia la IA de frontera

Liang Wenfeng: la apuesta de DeepSeek por la eficiencia

Liang estudió Ingeniería Electrónica y de Comunicaciones en la Universidad de Zhejiang antes de cofundar High-Flyer, un fondo de inversión cuantitativa impulsado por inteligencia artificial. En 2023 creó DeepSeek, trasladando a la investigación de modelos fundacionales una formación centrada en la optimización matemática y la eficiencia computacional. 4144

DeepSeek-R1, lanzado en enero de 2025, se convirtió en el gran logro de la empresa. El modelo de razonamiento se distribuyó con pesos descargables y se presentó como una alternativa de menor coste frente a los sistemas cerrados más avanzados. Las afirmaciones de DeepSeek sobre coste y rendimiento no sustituyen a una evaluación independiente completa, pero bastaron para cambiar la forma en que inversores y laboratorios analizaban la economía del entrenamiento y la inferencia. 172226

La reacción del mercado fue excepcional. Nvidia perdió 593.000 millones de dólares de capitalización bursátil en un solo día, mientras los inversores se preguntaban si la IA de frontera exigía realmente los presupuestos de hardware, enormes y cada vez mayores, que asumía buena parte del sector. La caída se revirtió parcialmente poco después: conviene entenderla como una revisión rápida de las expectativas, no como una prueba de que la demanda de chips avanzados hubiera desaparecido. 1718

La filosofía de Liang también es singular. Reuters informó de que ha descrito como prioridad de DeepSeek el desarrollo a largo plazo de la inteligencia artificial general —AGI, por sus siglas en inglés— y no la maximización de los beneficios inmediatos. También habría señalado que la empresa probablemente mantendrá abiertos sus modelos más avanzados. 33 La posición financiera completa de DeepSeek, su valoración, sus planes de cotización y la riqueza personal de Liang no están suficientemente establecidos en la evidencia disponible como para presentarlos como hechos definitivos.

Tang Jie: el puente de Z.ai entre investigación y empresa

Tang Jie es profesor de informática en la Universidad de Tsinghua y cofundador y científico jefe de Z.ai, conocida anteriormente como Zhipu AI. La compañía surgió en 2019 a partir de investigaciones de Tsinghua en Pekín y comenzó a publicar su familia de modelos GLM en 2021. 4950

La estrategia de Z.ai está más estructurada institucionalmente que la de DeepSeek: combina una base universitaria de investigación con ambiciones comerciales y empresariales. Sus modelos GLM han puesto cada vez más énfasis en el razonamiento, la programación, el uso de herramientas y los flujos de trabajo con agentes. El Centro estadounidense para Estándares e Innovación en IA informó de que GLM-5.2 se lanzó como modelo de pesos abiertos el 16 de junio de 2026. 49

Tang ha sostenido que la llegada de DeepSeek-R1 marcó el final de una fase anterior centrada en el chat y que la programación y el razonamiento cobrarían más importancia con el desarrollo de los agentes. 52 Esta idea ayuda a entender la posición de Z.ai: la empresa no quiere competir solo por la fluidez conversacional, sino crear modelos capaces de completar tareas más largas e interactuar con herramientas de software.

Z.ai también ilustra el paso de laboratorio privado a empresa vinculada a los mercados de capitales. Distintos informes situaron su financiación previa a la salida a bolsa en unos 1.250 millones de dólares a mediados de 2025, mientras la evaluación pública del Gobierno estadounidense señala que completó una oferta pública inicial en Hong Kong el 8 de enero de 2026. 4950 Las estimaciones públicas sobre su valor de mercado varían, por lo que no deben tratarse como cifras intercambiables o definitivas. Tampoco existe evidencia fiable suficiente para afirmar cuál es la fortuna personal de Tang.

Yang Zhilin: la apuesta de Moonshot AI por el contexto largo

Yang Zhilin estudió en la Universidad de Tsinghua y completó un doctorado en la Universidad Carnegie Mellon. También se ha informado de que trabajó como investigador en Google y Meta antes de cofundar Moonshot AI en Pekín en 2023. 2712

Moonshot ganó notoriedad inicialmente con Kimi, cuya identidad quedó estrechamente ligada a la interacción con grandes ventanas de contexto. Su modelo Kimi K3 llevó esa estrategia a un sistema de pesos abiertos de escala mucho mayor: las fuentes lo describen como un modelo de mezcla de expertos con 2,8 billones de parámetros y una ventana de contexto de hasta un millón de tokens. 15

Los pesos de K3 se publicaron después de que el modelo estuviera disponible a través de los productos y la API de Moonshot. De ese modo, la empresa conectó un negocio de chatbot orientado al consumidor con una estrategia más amplia de plataforma para desarrolladores. 2 La escala del modelo es llamativa, pero el número de parámetros, por sí solo, no demuestra inteligencia, coste operativo ni utilidad. Las clasificaciones independientes pueden ayudar a comparar modelos, aunque fluctúan y no sustituyen las pruebas sobre fiabilidad, programación, seguridad y tareas reales con agentes.

Las cifras de financiación de Moonshot también son cambiantes. TechCrunch informó de una ronda de unos 2.000 millones de dólares con una valoración de 20.000 millones en mayo de 2026, mientras que publicaciones posteriores hablaron de una posible valoración superior a 30.000 millones y de preparativos para una eventual cotización en Hong Kong. Son estimaciones del mercado privado, no valores auditados de un mercado bursátil. 41215 No existe evidencia fiable suficiente sobre la fortuna personal de Yang.

¿Por qué el desafío no se reduce a una carrera entre Estados Unidos y China?

1. La capacidad se mide ahora frente al coste

DeepSeek convirtió el razonamiento eficiente en el gran titular. Z.ai está poniendo el acento en la programación, el despliegue empresarial y los agentes. Moonshot combina contexto largo, pesos abiertos de gran escala y distribución mediante productos. Sus enfoques son distintos, pero los tres empujan al sector hacia una pregunta más amplia: ¿cuánta capacidad útil pueden obtener los desarrolladores por cada dólar invertido en entrenamiento o inferencia?

La comparación no es sencilla. Los costes de entrenamiento publicados suelen proceder de las propias empresas y pueden excluir los datos, la ingeniería, el acceso al hardware, la evaluación, el despliegue y otros gastos. Aun así, el efecto estratégico es real: DeepSeek obligó a inversores y laboratorios a reconsiderar sus supuestos sobre la curva de costes de los modelos de frontera. 1722

2. Los pesos abiertos ofrecen más opciones a los desarrolladores

Los pesos descargables permiten a los desarrolladores alojar un modelo por su cuenta, ajustarlo o integrarlo sin depender por completo de una API propietaria. Esto abre a DeepSeek, GLM y Kimi una vía hacia ecosistemas de software internacionales, incluso cuando sus empresas tienen un acceso más limitado a la distribución en el extranjero.

«Pesos abiertos» no significa necesariamente «código abierto» en sentido pleno. Los pesos pueden estar disponibles mientras los datos de entrenamiento, los métodos de procesamiento, el código de entrenamiento y la cadena completa de desarrollo permanecen sin publicar. La diferencia es importante para la reproducibilidad, las licencias, la seguridad y la gobernanza.

3. El impacto llegó mucho más allá de los laboratorios de IA

El lanzamiento de DeepSeek en enero de 2025 afectó a las valoraciones de las tecnológicas estadounidenses porque puso en duda la idea de que una IA más capaz necesitara automáticamente una cantidad proporcionalmente mayor de hardware de alta gama. La pérdida diaria de Nvidia mostró con qué rapidez una innovación en el nivel del modelo puede repercutir en la capa de infraestructura. 1718

Kimi K3 generó una atención parecida al plantear la posibilidad de que una compañía china publicara un modelo de pesos abiertos con una escala asociada a los mayores laboratorios estadounidenses. La reacción se entiende mejor como una presión sobre los supuestos dominantes que como una prueba de una victoria tecnológica ya consumada. 14

Las limitaciones que pueden decidir la siguiente etapa

Las tres empresas aún afrontan problemas estructurales difíciles:

• Computación y hardware: Las restricciones a la exportación y el acceso limitado a los aceleradores más avanzados complican el entrenamiento y la prestación de servicios de frontera. Las técnicas de eficiencia pueden reducir la distancia, pero no eliminan la necesidad de chips, energía, redes, talento técnico y capital. 45
• Comercialización: Los modelos abiertos o baratos pueden difundirse con rapidez y, al mismo tiempo, dificultar que sus creadores capturen ingresos. La atención técnica debe transformarse en negocios duraderos para empresas, APIs o consumidores.
• Incertidumbre de las comparativas: Una victoria en una prueba limitada o comunicada por la propia compañía no resuelve la fiabilidad, la calidad multilingüe, el rendimiento de programación, la seguridad ni la solidez de los agentes. Las afirmaciones de superioridad requieren reproducción independiente.
• Confianza y gobernanza: La privacidad, la seguridad, las restricciones de contenido y el escrutinio geopolítico pueden limitar la adopción internacional aunque el modelo sea técnicamente atractivo.
• Presión de los mercados de capitales: La salida a bolsa completada por Z.ai le proporciona una posición financiera distinta de la de DeepSeek, mientras que los preparativos de Moonshot para cotizar siguen siendo una posibilidad futura. La estructura accionarial y los planes de cotización de DeepSeek son menos claros en la información pública fiable. 495015

La conclusión

Liang Wenfeng, Tang Jie y Yang Zhilin no están ejecutando una estrategia china única. Liang ha convertido la eficiencia y la investigación a largo plazo sobre la AGI en el centro de la identidad de DeepSeek. Tang está llevando la investigación universitaria de modelos fundacionales hacia la programación, los agentes y la escala de los mercados públicos. Yang está construyendo alrededor del contexto largo, los sistemas de mezcla de expertos de enorme tamaño y la distribución abierta para desarrolladores.

El logro conjunto de los tres es haber hecho más plural la IA de frontera. Han ampliado las opciones de los desarrolladores, cuestionado la economía de la infraestructura basada en modelos cerrados y debilitado la idea de que China está condenada a permanecer permanentemente por detrás de Estados Unidos. La conclusión más prudente —y también la más defendible— es que han cambiado el terreno de juego, pero que las limitaciones de computación, la incertidumbre de las comparativas, la comercialización y la confianza determinarán si ese cambio perdura.