iFLYTEK apuesta por la ingeniería para sortear una brecha de hasta 5× frente al H200

iFLYTEK no intenta ganar la carrera de la inteligencia artificial construyendo el modelo más grande posible sobre hardware de Nvidia. Su apuesta es distinta: extraer el máximo rendimiento del cómputo doméstico disponible y convertirlo en productos fiables para educación, salud, automoción y empresas.

La estrategia parte de reconocer una desventaja importante. Según una comunicación de la dirección, los aceleradores domésticos pueden ser hasta cinco veces menos eficientes que el Nvidia H200 al entrenar modelos con contextos superiores a 256.000 tokens. La cifra procede de una declaración de la compañía y no de una comparación independiente verificada mediante la transcripción primaria de la conferencia de resultados. 8

El intercambio: contexto útil en lugar de contexto ilimitado

Para la mayoría de los sistemas de producción, procesar de forma continua un historial de un millón de tokens no es una necesidad cotidiana. Un sistema educativo puede consultar planes de estudio y expedientes; una herramienta clínica, recuperar información médica relevante; un asistente instalado en un vehículo, combinar el historial de la conversación con datos del coche; y una plataforma empresarial, acceder a documentos internos y flujos de trabajo concretos.

En esos casos, la alternativa práctica consiste en recuperar solo la información pertinente, dividir los documentos, utilizar memoria estructurada y recurrir a herramientas o agentes cuando sea necesario. Estas técnicas no eliminan el valor de los contextos largos, pero reducen la frecuencia con la que se necesita la ventana de contexto más costosa.

La apuesta comercial es, por tanto, específica pero relevante: si los clientes valoran más la precisión sectorial, la privacidad, el control del despliegue, la latencia y la finalización fiable de tareas que un contexto líder en las pruebas de referencia, iFLYTEK puede competir sin igualar la economía de entrenamiento de Nvidia en todas las escalas.

Una respuesta que cubre toda la pila de IA

La compañía no confía en una única optimización de software. Su programa combina hardware y software en varios niveles:

• arquitectura de modelos, incluidos los enfoques de mezcla de expertos (MoE);
• operadores y kernels adaptados a cada acelerador;
• comunicación distribuida y paralelismo entre expertos;
• organización de la memoria y gestión de la caché KV;
• marcos de entrenamiento, planificación de cargas y herramientas de despliegue.

El objetivo es reducir el coste de las comunicaciones, aliviar los cuellos de botella de memoria, elevar la utilización del hardware y adaptar cada modelo a las características de los chips domésticos. Esto es importante porque las especificaciones de un acelerador, por sí solas, no determinan el rendimiento de un sistema completo de entrenamiento o inferencia.

Según los materiales publicados por iFLYTEK, sus clústeres domésticos funcionaban inicialmente con una eficiencia cercana al 30% de la de los clústeres predominantes del sector. La compañía afirma que la optimización de operadores, los cambios en las estrategias distribuidas y otros ajustes de ingeniería elevaron esa cifra hasta el 84–93%. Son datos comunicados por la empresa, no resultados auditados de forma independiente. 17

Spark ofrece la prueba más clara

La evidencia más concreta de este enfoque es que iFLYTEK ha seguido desarrollando su familia de modelos Spark sobre infraestructura doméstica, en lugar de limitar los chips locales a una función de inferencia posterior al entrenamiento.

iFLYTEK describe Spark X2-Flash como un modelo de mezcla de expertos con 30.000 millones de parámetros, entrenado y desplegado íntegramente en clústeres Huawei Ascend 910B. La importancia de este caso está en que cubre todo el ciclo doméstico —entrenamiento y despliegue—, no solo la adaptación de un modelo entrenado en otro lugar. 8

La compañía también ha presentado una canalización de inferencia para secuencias largas y Spark X2 como ejemplos de la optimización conjunta de modelos e infraestructura. Spark X2-VL amplía la familia a cargas multimodales, mientras que los materiales de iFLYTEK señalan que X2, X2-Flash y X2-VL recibieron actualizaciones en 2026. 17

La dirección es coherente con el trabajo previo de la empresa en cómputo doméstico. iFLYTEK afirma que sus modelos Spark han seguido una ruta completamente nacional que abarca entrenamiento, iteración y despliegue de inferencia. 17 Informaciones anteriores describieron además el tiempo de ingeniería necesario para adaptar cada nueva iteración algorítmica a los chips domésticos: más de seis meses para superar el 80% del rendimiento de los chips Nvidia de gama alta. 5

El próximo examen: un modelo insignia doméstico

En la presentación de resultados del 21 de agosto de 2026, iFLYTEK anunció el lanzamiento de un nuevo modelo generalista insignia basado en capacidad de cómputo íntegramente doméstica durante el Global 1024 Developer Festival de ese año. El anuncio respalda una posible publicación escalonada antes del evento, pero no confirma por sí solo la fecha exacta de «finales de agosto» planteada en la pregunta. 1

Ese modelo servirá para comprobar si la estrategia puede superar los escenarios especializados. Un lanzamiento exitoso demostraría que la infraestructura doméstica puede sostener otra generación importante de modelos. No demostraría, por sí solo, que los chips locales hayan alcanzado la paridad con Nvidia en todos los tipos de entrenamiento.

Por qué el enfoque puede sostener un negocio basado en productos

Una empresa limitada por el cómputo tiene dos caminos: competir directamente por el coste y la escala del entrenamiento de modelos de frontera, o integrar los modelos en productos donde la infraestructura sea solo una parte del valor final. iFLYTEK está priorizando la segunda vía.

Su cartera se orienta a sectores como la educación y la salud, donde el despliegue privado, la calidad específica del dominio y la fiabilidad operativa pueden importar tanto como las puntuaciones en pruebas generales. Los materiales de la compañía presentan Spark como una plataforma para educación y otros usos aplicados, mientras que sus contenidos sobre salud destacan un sistema de apoyo a la decisión clínica basado en un modelo médico Spark. 17 35

Este enfoque centrado en el producto permite reutilizar las mejoras de ingeniería. Los operadores, métodos de comunicación, sistemas de gestión de memoria y marcos de despliegue optimizados pueden trasladarse a nuevas generaciones de modelos y a distintas instalaciones de clientes.

La ventaja resultante no tiene por qué ser un entrenamiento absolutamente más barato. Consiste en obtener más trabajo útil de un hardware limitado y conservar el control sobre todo el ciclo de despliegue: desde la infraestructura y el modelo hasta la aplicación final.

Por qué Liu Qingfeng ve un posible punto de inflexión en dos años

El argumento para cerrar la brecha se basa en la experiencia acumulada, no en la idea de que los chips domésticos ya sean equivalentes al hardware de Nvidia. iFLYTEK lleva años adaptando arquitecturas de modelos, sistemas distribuidos y herramientas de software a la infraestructura local.

Si mejoran al mismo tiempo los chips, las redes, los compiladores, los marcos de trabajo y el ecosistema de desarrolladores, esa experiencia podría reducir el tiempo necesario para hacer productiva cada nueva generación.

En ese escenario, la desventaja actual podría convertirse en una ventaja organizativa: iFLYTEK tendría menores costes de migración, más experiencia en producción y una pila de despliegue doméstica más madura. La compañía ha descrito públicamente este proceso como la construcción de un sistema independiente y controlable, desde la infraestructura de cómputo hasta las aplicaciones basadas en modelos. 3 17

Es una posibilidad razonable, no una garantía. Los análisis del mercado chino de hardware para IA siguen distinguiendo entre el avance de los chips domésticos en inferencia y la ventaja que Nvidia conserva en entrenamiento, especialmente por el rendimiento de su sistema de memoria. 2 6

El riesgo: la frontera puede avanzar más deprisa

La estrategia funciona mejor si los clientes de iFLYTEK siguen priorizando el despliegue seguro, la precisión de dominio, la latencia y los resultados del flujo de trabajo frente a un contexto ilimitado. Pierde atractivo si las organizaciones educativas, sanitarias, automovilísticas o empresariales empiezan a exigir como estándar capacidades reales de entrenamiento y razonamiento con un millón de tokens.

La cuestión central no es si iFLYTEK puede eliminar todas las diferencias de hardware. Es si su ingeniería y su integración de productos pueden hacer que esa brecha deje de ser relevante comercialmente para un número suficiente de aplicaciones de alto valor.

La familia Spark X2, las mejoras de eficiencia comunicadas por la empresa y el próximo modelo insignia doméstico indican que iFLYTEK está siguiendo ese camino. Pero el rendimiento en contextos largos sigue siendo su desafío más evidente.