Ciencia y Tecnología
China ya no se conforma con alejarse de NVIDIA. Su siguiente paso es el corazón de la IA con un sistema que rompe moldes
<p>
 <img src="https://i.blogs.es/2c6926/ia-china-portada/1024_2000.jpeg" alt="China ya no se conforma con alejarse de NVIDIA. Su siguiente paso es el corazón de la IA con un sistema que rompe moldes ">
 </p>
</p>
<p>En 2017, el paper “<a rel="noopener, noreferrer" href="https://arxiv.org/abs/1706.03762">Attention Is All You Need</a>” de Google cambió la base técnica de la generación de lenguaje: los <a rel="noopener, noreferrer" href="https://aws.amazon.com/what-is/transformers-in-artificial-intelligence/">Transformers</a> permitieron procesar secuencias largas en paralelo y escalar modelos hasta tamaños que antes eran inviables. Esa ruta de escalado ha impulsado a arquitecturas como <a class="text-outboundlink" href="https://www.xataka.com/inteligencia-artificial/gpt-2-que-sabemos-que-no-generador-textos-ia-que-openai-dice-haber-censurado-ser-demasiado-peligroso" data-vars-post-title="GPT-2: qué sabemos y qué no del generador de textos con IA que OpenAI dice haber censurado por ser demasiado peligroso" data-vars-post-url="https://www.xataka.com/inteligencia-artificial/gpt-2-que-sabemos-que-no-generador-textos-ia-que-openai-dice-haber-censurado-ser-demasiado-peligroso">GPT</a> y <a class="text-outboundlink" href="https://www.xataka.com/servicios/como-funciona-bert-inteligencia-artificial-que-google-quiere-conseguir-que-su-motor-busqueda-nos-entienda-mejor" data-vars-post-title="Cómo funciona BERT, la inteligencia artificial con la que Google quiere conseguir que su motor de búsqueda nos entienda mejor" data-vars-post-url="https://www.xataka.com/servicios/como-funciona-bert-inteligencia-artificial-que-google-quiere-conseguir-que-su-motor-busqueda-nos-entienda-mejor">BERT</a> y ha convertido la autoatención en <strong>la pieza central de la IA generativa</strong> contemporánea. </p>
<p>Pero este novedoso enfoque llegó acompañado de costes crecientes en memoria y energía cuando el contexto se alarga, una limitación que ha motivado investigaciones para desarrollar alternativas. SpikingBrain-1.0 apunta a romper moldes.</p>
<h2>Del “Attention Is All You Need” al cerebro: la nueva apuesta para romper límites en IA</h2>
<p>Un equipo del Instituto de Automatización de la Academia China de Ciencias <a rel="noopener, noreferrer" href="https://arxiv.org/pdf/2509.05276">acaba de presentar SpikingBrain-1.0</a>. Estamos hablando de una familia de modelos espigados orientada a reducir datos y cómputo necesarios para tareas con contextos muy largos. Los expertos proponen dos enfoques: SpikingBrain-7B, de arquitectura lineal enfocada a eficiencia, y SpikingBrain-76B, que combina atención lineal con mecanismos Mixture of Experts (MoE) de mayor capacidad.</p>
<p><!-- BREAK 1 --></p>
<div class="article-asset-video article-asset-normal">
<div class="asset-content">
<div class="base-asset-video">
<div class="js-dailymotion"></div>
</p></div>
</p></div>
</div>
<p>Los autores detallan que gran parte del desarrollo y las pruebas se llevaron a cabo en clústeres de GPU MetaX C550, con bibliotecas y operadores diseñados específicamente para esa plataforma. Esto convierte el proyecto no solo en un avance prometedor a nivel de software, sino también en una demostración de <strong>capacidades de hardware propio</strong>. Un aspecto especialmente relevante si se tiene en cuenta el esfuerzo de China por reducir su dependencia de NVIDIA, <a class="text-outboundlink" href="https://www.xataka.com/robotica-e-ia/deepseek-acaba-lanzar-algo-que-va-a-amargar-dia-a-nvidia-a-empresas-chips-eeuu-se-llama-deepseek-v3-1" data-vars-post-title="DeepSeek acaba de lanzar algo que va a amargar el día a NVIDIA y a las empresas de chips de EEUU: se llama DeepSeek-V3.1" data-vars-post-url="https://www.xataka.com/robotica-e-ia/deepseek-acaba-lanzar-algo-que-va-a-amargar-dia-a-nvidia-a-empresas-chips-eeuu-se-llama-deepseek-v3-1">una estrategia que ya vimos reflejada con DeepSeek 3.1</a>.</p>
<p><!-- BREAK 2 --></p>
<div class="article-asset-image article-asset-normal article-asset-center">
<div class="asset-content">
<p> <img alt="China Bandera" class="centro_sinmarco" src="https://i.blogs.es/c6a9fb/china-bandera/450_1000.jpeg"></p></div>
</div>
<p>SpikingBrain-1.0 está inspirado directamente en cómo funciona nuestro cerebro. En vez de tener neuronas que siempre están “encendidas” calculando números, usa neuronas espigadas: unidades que van acumulando señales hasta que superan un umbral y disparan un pico (spike). Entre pico y pico no hacen nada, lo que ahorra operaciones y, en teoría, energía. La clave es que no solo importa cuántos picos hay, sino cuándo ocurren: el momento exacto y el orden de esos picos llevan información, como pasa en el cerebro.</p>
<p>Para que este diseño funcione con el ecosistema actual, el equipo desarrolló métodos que convierten los bloques de autoatención tradicionales en versiones lineales, más fáciles de integrar en su sistema espigado, y creó una especie de “tiempo virtual” que <strong>simula los procesos temporales </strong>sin frenar el rendimiento en GPU. Además, la versión SpikingBrain-76B incluye Mixture of Experts (MoE), un sistema que “despierta” solo a ciertos submodelos cuando hacen falta, que también hemos visto en <a class="text-outboundlink" href="https://www.xataka.com/basics/gpt-4o-que-que-se-diferencia-gpt-4" data-vars-post-title="GPT-4o: qué es y en qué se diferencia con GPT-4" data-vars-post-url="https://www.xataka.com/basics/gpt-4o-que-que-se-diferencia-gpt-4">GPT-4o</a> y <a class="text-outboundlink" href="https://www.xataka.com/robotica-e-ia/que-hace-gpt-5-funcion-que-estes-dispuesto-a-pagar-esquema-para-entender-nuevo-openai-chatgpt" data-vars-post-title="Qué hace GPT-5 en función de lo que estés dispuesto a pagar: un esquema para entender lo nuevo de OpenAI en ChatGPT" data-vars-post-url="https://www.xataka.com/robotica-e-ia/que-hace-gpt-5-funcion-que-estes-dispuesto-a-pagar-esquema-para-entender-nuevo-openai-chatgpt">GPT-5</a>. </p>
<p><!-- BREAK 3 --></p>
<div class="article-asset-image article-asset-normal article-asset-center">
<div class="asset-content">
<p> <img alt="Arquitectura Modelo Chino 1" class="centro_sinmarco" src="https://i.blogs.es/e06c1d/arquitectura-modelo-chino-1/450_1000.png"></p></div>
</div>
<p>Los autores sugieren aplicaciones donde la longitud de contexto es determinante: análisis de grandes expedientes jurídicos, historias clínicas completas, secuenciación de ADN y conjuntos masivos de datos experimentales en física de altas energías, entre otros. Ese encaje aparece razonado en el documento: si la arquitectura mantiene eficiencia en contextos de millones de tokens, reduciría costes y abriría posibilidades en dominios hoy limitados por el acceso a infraestructuras de cómputo muy caras. Pero queda pendiente la validación en entornos reales fuera del laboratorio. </p>
<p><!-- BREAK 4 --></p>
<div class="article-asset article-asset-normal article-asset-center">
<div class="desvio-container">
<div class="desvio">
<div class="desvio-figure js-desvio-figure">
 <a href="https://www.xataka.com/robotica-e-ia/alianza-asml-mistral-desvela-plan-b-europeo-no-podemos-fabricar-chips-al-controlaremos-como-se-fabrican" class="pivot-outboundlink" data-vars-post-title="La alianza ASML-Mistral desvela el plan B europeo: si no podemos fabricar chips, al menos controlaremos cómo se fabrican"><br />
 <img alt="La alianza ASML-Mistral desvela el plan B europeo: si no podemos fabricar chips, al menos controlaremos cómo se fabrican" width="375" height="142" src="https://i.blogs.es/7b69d5/1366_2000/375_142.jpeg"><br />
 </a>
 </div>
<div class="desvio-summary">
<div class="desvio-taxonomy js-desvio-taxonomy">
 <a href="https://www.xataka.com/robotica-e-ia/alianza-asml-mistral-desvela-plan-b-europeo-no-podemos-fabricar-chips-al-controlaremos-como-se-fabrican" class="desvio-taxonomy-anchor pivot-outboundlink" data-vars-post-title="La alianza ASML-Mistral desvela el plan B europeo: si no podemos fabricar chips, al menos controlaremos cómo se fabrican">En Xataka</a>
 </div>
<p> <a href="https://www.xataka.com/robotica-e-ia/alianza-asml-mistral-desvela-plan-b-europeo-no-podemos-fabricar-chips-al-controlaremos-como-se-fabrican" class="desvio-title js-desvio-title pivot-outboundlink" data-vars-post-title="La alianza ASML-Mistral desvela el plan B europeo: si no podemos fabricar chips, al menos controlaremos cómo se fabrican">La alianza ASML-Mistral desvela el plan B europeo: si no podemos fabricar chips, al menos controlaremos cómo se fabrican</a>
 </div>
</p></div>
</p></div>
</div>
<p>El equipo <a rel="noopener, noreferrer" href="https://github.com/BICLab/SpikingBrain-7B">ha liberado en GitHub el código de la versión de 7.000 millones de parámetros</a> junto a un informe técnico detallado. <a rel="noopener, noreferrer" href="https://controller-fold-injuries-thick.trycloudflare.com/">También ofrece una interfaz web similar a ChatGPT para interactuar con el modelo</a>, que según los autores está desplegado íntegramente en hardware nacional. El acceso, sin embargo, <strong>está limitado al chino</strong>, lo que complica su uso fuera de ese ecosistema. La propuesta es ambiciosa, pero su verdadero alcance dependerá de que la comunidad logre reproducir los resultados y realizar comparativas en entornos homogéneos que evalúen precisión, latencias y consumo energético en condiciones reales.</p>
<p>Imágenes | Xataka con Gemini 2.5 | <a rel="noopener, noreferrer" href="https://unsplash.com/es/fotos/una-bandera-china-ondea-alto-en-el-cielo-SI8x3-z-Dck">aboodi vesakaran</a> </p>
<p>En Xataka | <a class="text-outboundlink" href="https://www.xataka.com/robotica-e-ia/openai-cree-haber-descubierto-porque-ias-alucinan-no-saben-decir-no-se" data-vars-post-title="OpenAI cree haber descubierto porqué las IAs alucinan: no saben decir “no lo sé” " data-vars-post-url="https://www.xataka.com/robotica-e-ia/openai-cree-haber-descubierto-porque-ias-alucinan-no-saben-decir-no-se">OpenAI cree haber descubierto porqué las IAs alucinan: no saben decir “no lo sé”</a></p>
<p><!-- BREAK 5 --></p>
<p> &#8211; <br /> La noticia<br />
 <a href="https://www.xataka.com/robotica-e-ia/china-no-se-conforma-alejarse-nvidia-su-siguiente-paso-corazon-ia-sistema-que-rompe-moldes?utm_source=feedburner&;utm_medium=feed&;utm_campaign=08_Sep_2025"><br />
 <em> China ya no se conforma con alejarse de NVIDIA. Su siguiente paso es el corazón de la IA con un sistema que rompe moldes </em><br />
 </a><br />
 fue publicada originalmente en<br />
 <a href="https://www.xataka.com/?utm_source=feedburner&;utm_medium=feed&;utm_campaign=08_Sep_2025"><br />
 <strong> Xataka </strong><br />
 </a><br />
 por <a href="https://www.xataka.com/autor/javier-marquez?utm_source=feedburner&;utm_medium=feed&;utm_campaign=08_Sep_2025"><br />
 Javier Marquez<br />
 </a><br />
 . </p>
<p>​En 2017, el paper “Attention Is All You Need” de Google cambió la base técnica de la generación de lenguaje: los Transformers permitieron procesar secuencias largas en paralelo y escalar modelos hasta tamaños que antes eran inviables. Esa ruta de escalado ha impulsado a arquitecturas como GPT y BERT y ha convertido la autoatención en la pieza central de la IA generativa contemporánea. Pero este novedoso enfoque llegó acompañado de costes crecientes en memoria y energía cuando el contexto se alarga, una limitación que ha motivado investigaciones para desarrollar alternativas. SpikingBrain-1.0 apunta a romper moldes.Del “Attention Is All You Need” al cerebro: la nueva apuesta para romper límites en IAUn equipo del Instituto de Automatización de la Academia China de Ciencias acaba de presentar SpikingBrain-1.0. Estamos hablando de una familia de modelos espigados orientada a reducir datos y cómputo necesarios para tareas con contextos muy largos. Los expertos proponen dos enfoques: SpikingBrain-7B, de arquitectura lineal enfocada a eficiencia, y SpikingBrain-76B, que combina atención lineal con mecanismos Mixture of Experts (MoE) de mayor capacidad.</p>
<p>Los autores detallan que gran parte del desarrollo y las pruebas se llevaron a cabo en clústeres de GPU MetaX C550, con bibliotecas y operadores diseñados específicamente para esa plataforma. Esto convierte el proyecto no solo en un avance prometedor a nivel de software, sino también en una demostración de capacidades de hardware propio. Un aspecto especialmente relevante si se tiene en cuenta el esfuerzo de China por reducir su dependencia de NVIDIA, una estrategia que ya vimos reflejada con DeepSeek 3.1.</p>
<p>SpikingBrain-1.0 está inspirado directamente en cómo funciona nuestro cerebro. En vez de tener neuronas que siempre están “encendidas” calculando números, usa neuronas espigadas: unidades que van acumulando señales hasta que superan un umbral y disparan un pico (spike). Entre pico y pico no hacen nada, lo que ahorra operaciones y, en teoría, energía. La clave es que no solo importa cuántos picos hay, sino cuándo ocurren: el momento exacto y el orden de esos picos llevan información, como pasa en el cerebro.Para que este diseño funcione con el ecosistema actual, el equipo desarrolló métodos que convierten los bloques de autoatención tradicionales en versiones lineales, más fáciles de integrar en su sistema espigado, y creó una especie de “tiempo virtual” que simula los procesos temporales sin frenar el rendimiento en GPU. Además, la versión SpikingBrain-76B incluye Mixture of Experts (MoE), un sistema que “despierta” solo a ciertos submodelos cuando hacen falta, que también hemos visto en GPT-4o y GPT-5. </p>
<p>Los autores sugieren aplicaciones donde la longitud de contexto es determinante: análisis de grandes expedientes jurídicos, historias clínicas completas, secuenciación de ADN y conjuntos masivos de datos experimentales en física de altas energías, entre otros. Ese encaje aparece razonado en el documento: si la arquitectura mantiene eficiencia en contextos de millones de tokens, reduciría costes y abriría posibilidades en dominios hoy limitados por el acceso a infraestructuras de cómputo muy caras. Pero queda pendiente la validación en entornos reales fuera del laboratorio. </p>
<p> En Xataka</p>
<p> La alianza ASML-Mistral desvela el plan B europeo: si no podemos fabricar chips, al menos controlaremos cómo se fabrican</p>
<p>El equipo ha liberado en GitHub el código de la versión de 7.000 millones de parámetros junto a un informe técnico detallado. También ofrece una interfaz web similar a ChatGPT para interactuar con el modelo, que según los autores está desplegado íntegramente en hardware nacional. El acceso, sin embargo, está limitado al chino, lo que complica su uso fuera de ese ecosistema. La propuesta es ambiciosa, pero su verdadero alcance dependerá de que la comunidad logre reproducir los resultados y realizar comparativas en entornos homogéneos que evalúen precisión, latencias y consumo energético en condiciones reales.Imágenes | Xataka con Gemini 2.5 | aboodi vesakaran En Xataka | OpenAI cree haber descubierto porqué las IAs alucinan: no saben decir “no lo sé”</p>
<p> &#8211; La noticia</p>
<p> China ya no se conforma con alejarse de NVIDIA. Su siguiente paso es el corazón de la IA con un sistema que rompe moldes </p>
<p> fue publicada originalmente en</p>
<p> Xataka </p>
<p> por<br />
 Javier Marquez</p>
<p> . </p>
<p>​ </p>
<p>​ </p>