Resumen del contenido central
Aunque Rusia parece estar “ausente” en las competiciones mundiales de IA, sus gigantes tecnológicos nacionales (Yandex y Sberbank) han construido ecosistemas de IA coherentes, con modelos prácticos y aplicaciones reales. No obstante, debido a la pérdida de talento, las limitaciones en chips de potencia de cálculo y el tamaño reducido del mercado, no pueden participar en la competencia más avanzada de IA generalizada. En cambio, se han centrado en IA militar y “modelos grandes soberanos”, adoptando una estrategia de desarrollo diferenciada.
I. El silencio no significa ausencia: el ecosistema de IA local crece silenciosamente
Rusia no se ha quedado atrás; simplemente no está bajo los focos de atención. Dos gigantes han sostenido la base de la IA local:
- Yandex (la versión rusa de Google): lanzó YandexGPT Pro 5.1, que en tareas específicas en ruso (como búsquedas locales y generación de contenido en ruso) supera en más del 60% a los modelos comerciales de alta gama internacionales. También ha desarrollado herramientas multimodales como Shedevrum (capaz de generar imágenes y videos) y el asistente inteligente Alice Pro. El navegador Yandex, que incluye a Alice, tiene 71 millones de usuarios mensuales activos y está entre los diez mejores en dispositivos móviles a nivel mundial.
- Sberbank: creó GigaChat 3.5 Ultra, que utiliza una “arquitectura de expertos híbridos” (es decir, divide las tareas en módulos para mejorar la eficiencia), lo que ha aumentado la velocidad de generación de textos largos en cuatro veces; también cuenta con modelos de generación de imágenes/3D como Kandinsky.
Estas tecnologías ya se están aplicando en campos como la diagnóstico asistido por CT médico, el control de riesgos financieros (prevención de fraudes) y el uso de sistemas de voz inteligente por parte del 40% de sus clientes. Las sanciones occidentales han ayudado, ya que los productos de IA occidentales fueron desplazados del mercado, permitiendo que las aplicaciones locales llenaran rápidamente las vacantes.
II. Difícil retener talento: las “bases de formación” sirven a otros
Rusia era originalmente un gran recurso de talento en IA:
- Su educación matemática es de primer nivel mundial; ha liderado constantemente los competiciones internacionales de matemáticas y tiene una sólida base en disciplinas fundamentales como la visión computacional y los algoritmos. En Silicon Valley, se dice que “para problemas matemáticos complejos, recurran a ingenieros rusos”. El exdirector científico de OpenAI, Ilya Sutskever, proviene de la antigua Unión Soviética.
- Sin embargo, es difícil retener a los expertos: un experto en algoritmos de alto nivel en Moscú gana solo cientos de miles de dólares al año, mientras que en Silicon Valley el mismo salario podría ser varias veces mayor y además incluir participaciones en la empresa (como las participaciones iniciales de los empleados de OpenAI, que ahora valen mucho).
Como resultado, Rusia se ha convertido en una “base de formación” donde los talentos se dirigen a empresas grandes en Occidente.
III. La falta de potencia de cálculo es un obstáculo: la escala es difícil de alcanzar
El entrenamiento de modelos de IA requiere una gran cantidad de potencia de cálculo de alta gama, y Rusia enfrenta limitaciones:
- Los superordenadores son obsoletos: los superordenadores construidos antes de las sanciones (como el Chervonenkis de Yandex) utilizaban tarjetas gráficas NVIDIA A100/V100, que ahora están fuera del top 100 a nivel mundial en términos de rendimiento, en comparación con los cientos de miles de tarjetas gráficas disponibles en Silicon Valley y China.
- La interrupción en el suministro de chips: las sanciones occidentales han bloqueado la importación de los últimos chips de IA (como la NVIDIA H100). Rusia intenta comprar chips Huawei Ascend 950PR de China, pero debido a la alta demanda interna, tiene que esperar en fila. Las empresas semiconductoras locales solo pueden producir chips de 180-90 nanómetros (mientras que los chips de IA actuales requieren 3-5 nanómetros), y no planean producir chips de 28 nanómetros hasta 2030, lo que representa una gran diferencia. Aunque existen algunos chips disponibles, no son suficientes para entrenamientos a gran escala.
IV. Cambio de rumbo: IA militar y modelos grandes soberanos como alternativa
Dado que no pueden competir en IA generalizada, Rusia ha elegido dos caminos más prácticos:
- IA militar: está dirigiendo su tecnología hacia aplicaciones militares: grupos de drones que buscan objetivos de manera autónoma, reconocimiento en tiempo real de imágenes satelitales, interferencia en la guerra electrónica y asistencia en la toma de decisiones en el campo de batalla. Estos campos verticales no requieren inversiones masivas en modelos generales y aprovechan las ventajas militares rusas.
- Modelos grandes soberanos: la legislación exige que los modelos de IA “soberanos” sean desarrollados por empresas nacionales, con datos y servidores ubicados en Rusia, enfatizando la seguridad de la información (es decir, no se comparte información sensible con otros países). Actualmente, están promoviendo esta solución a los países del BRICS como una alternativa para aquellos que temen la pérdida de datos; aunque su capacidad generalizada es inferior a la de modelos como GPT, la seguridad y la conformidad regulatoria son puntos fuertes.
V. Nuevas reglas en la competencia de IA: se trata de todo el sistema industrial
Antes, la IA dependía de genios; por ejemplo, el modelo AlexNet fue desarrollado por un grupo de unas pocas personas en 2012, y el artículo sobre el algoritmo Attention solo tuvo 8 autores en 2017. Ahora es diferente: entrenar modelos de alta gama requiere cientos de miles de tarjetas gráficas, centros de datos que cubran todo el país, energía eléctrica de alta potencia y inversiones de miles de millones de dólares, similar a la construcción de un tren de alta velocidad, lo que solo es posible con el apoyo de un sistema industrial completo.
Lo que le falta a Rusia es este “círculo cerrado”: tiene tecnología y talento, pero no cuenta con suficiente capital, chips ni un mercado grande (con solo 200 millones de usuarios de ruso, mucho menos que en inglés o chino), por lo que no puede competir en IA generalizada. No se ha retirado del escenario de la IA; simplemente ha elegido un camino que mejor se adapta a sus capacidades en campos específicos y en áreas relacionadas con la seguridad.
En resumen: La IA rusa no es ineficaz, sino que no puede permitirse el juego de la IA generalizada que requiere inversiones masivas y ecosistemas globales. En cambio, está buscando oportunidades en campos en los que tiene ventajas y en áreas relacionadas con la seguridad. Esto también nos demuestra que en la era de la IA, no basta con tecnología y talento; se necesita un sistema industrial completo para tener éxito.