Built over more than a decade, a 2.000 km-long experimental network is now online in China, linking 40 cities into one coordinated supercomputer that could reshape how artificial intelligence is trained and deployed worldwide.
El “cerebro mundial” de 2.000 km de China entra en funcionamiento
El sistema se llama Future Network Test Facility (FNTF). Sobre el papel, parece una red de investigación. En la práctica, se comporta como una máquina unificada.
Sus “neuronas” están en centros de datos repartidos por Pekín, Chengdu, Nankín, Urumchi y decenas de otras ciudades. En lugar de depender de la internet pública, estos emplazamientos están unidos por una columna vertebral óptica dedicada que se extiende a lo largo de más de 55.000 km.
Los enlaces ópticos darían una vuelta y media a la Tierra y, aun así, operan como un único ordenador lógico con una eficiencia casi de centro de datos.
Los ingenieros chinos lo describen como un superordenador distribuido más que como una red tradicional. En vez de enviar datos a través de una maraña impredecible de routers y operadores, el FNTF utiliza una “autopista de datos” controlada, con normas de tráfico estrictas y carriles reservados para tareas distintas.
Ese diseño permite al sistema ejecutar hasta 4.096 experimentos separados a la vez y soportar 128 redes distintas sobre la misma infraestructura física. Y, crucialmente, promete un tiempo fijo y predecible en la entrega de datos a lo largo de los 2.000 km.
Por qué las redes deterministas importan para la IA
La mayor parte del tráfico de internet actual viaja con un enfoque de “mejor esfuerzo”. Los paquetes llegan cuando pueden, no necesariamente cuando deberían. Para el vídeo en streaming, suele funcionar. Para el entrenamiento distribuido de IA, se convierte rápidamente en un cuello de botella caro.
En los grandes modelos de IA, miles de procesadores deben intercambiar constantemente parámetros y gradientes. Cualquier jitter (variación en la latencia) en la comunicación puede paralizar todo el proceso. El FNTF se ha construido para aplastar esa incertidumbre.
Cada paquete se programa como un tren en un horario: misma ruta, franja fija, ventana de llegada garantizada.
El responsable del proyecto, Liu Yunjie, miembro de la Academia China de Ingeniería, describe la red como una “autopista dedicada para datos” con reglas fijas. Esa previsibilidad recorta la demora en cada paso de aprendizaje en comparación con las redes convencionales de larga distancia.
Ahorrar meses en modelos gigantes de IA
La diferencia suena modesta a primera vista. Los ingenieros del proyecto estiman que una sola iteración de entrenamiento para un gran modelo de IA puede tardar unos 20 segundos más en una red normal de larga distancia que en el FNTF.
Para un experimento pequeño, eso no importa. Para sistemas punteros de IA que pueden requerir 500.000 iteraciones o más, la diferencia se vuelve dramática.
Recortar 20 segundos en cada ciclo a lo largo de 500.000 iteraciones libera aproximadamente cuatro meses de tiempo de reloj.
En una carrera armamentística de IA en la que laboratorios nacionales y gigantes tecnológicos persiguen cualquier ventaja marginal, ganar estaciones enteras de tiempo de cómputo extra con el mismo hardware parece un activo estratégico más que una curiosidad técnica.
Usos reales: de hospitales a fábricas
El Gobierno chino presenta el FNTF como algo más que una herramienta para entrenar chatbots. Los responsables enumeran aplicaciones concretas a corto plazo:
- Entrenamiento a escala nacional de modelos de lenguaje y visión usando datos procedentes de varias provincias
- Diagnóstico e imagen médica remotos, donde las exploraciones se procesan en centros de datos lejanos con respuesta casi en tiempo real
- Control coordinado de sistemas robóticos entre varias fábricas o centros logísticos
- Simulaciones científicas complejas repartidas entre varios clústeres de computación de alto rendimiento
Todo esto depende de una coordinación estrecha. Una línea de robots que se detenga unas decenas de milisegundos en el momento equivocado puede echar a perder series de producción. Un sistema de cirugía remota que sufra jitter podría poner en riesgo a los pacientes. Una red determinista reduce esos riesgos por diseño.
Una pieza central de la estrategia «Datos del Este, computación del Oeste»
El FNTF no existe en el vacío. Encaja en un programa nacional más amplio conocido en China como «Datos del Este, computación del Oeste». La lógica es simple: los centros de datos, intensivos en recursos, se ubican donde la energía es más barata y limpia, a menudo en provincias occidentales, mientras que los usuarios y las fuentes de datos se concentran en regiones costeras con gran demanda energética.
La columna vertebral ultrarrápida actúa como el director de orquesta de esta constelación de máquinas remotas. Los trabajos pueden programarse en lugares distantes sin que se perciban como tales desde el punto de vista del usuario.
La visión es centralizar la demanda en ciudades saturadas mientras se distribuye el cómputo allí donde la electricidad y el suelo son más abundantes.
Estrategicamente, esto también se alinea con la ambición de Pekín de reducir la dependencia de plataformas en la nube dominadas por Estados Unidos. Al tejer su propia infraestructura distribuida a gran escala, China pretende mantener los datos sensibles y las capacidades críticas de IA bajo control nacional.
Ganancias técnicas… y algunas grandes incógnitas
Investigadores chinos afirman que el FNTF alcanza alrededor del 98% de la eficiencia de un único centro de datos monolítico, pese a abarcar 40 ciudades. Si el rendimiento en condiciones reales se mantiene cerca de esa cifra, sería un logro notable en computación distribuida.
Mantener ese nivel, sin embargo, exige una coordinación casi perfecta en un despliegue enorme. El proyecto afronta varios retos continuos:
- Mantener enlaces ópticos estables y de baja latencia a lo largo de 55.000 km de fibra
- Equilibrar las cargas energéticas para evitar despilfarro y tensiones locales en las redes eléctricas
- Construir defensas cibernéticas para una red que, si se viera comprometida, afectaría a decenas de emplazamientos críticos a la vez
- Gestionar el consumo eléctrico total de una plataforma tan vasta y siempre activa
El uso de energía destaca como una preocupación clave. Entrenar un único modelo puntero de IA ya puede consumir tanta electricidad como una ciudad pequeña durante meses. Un tejido nacional para entrenamiento e inferencia corre el riesgo de multiplicar esa huella, a menos que se compense con energías renovables, refrigeración eficiente y una programación inteligente de cargas.
Una carrera global para construir “supercerebros” a través de fronteras
China puede haber encendido uno de los mayores sistemas distribuidos de IA hasta la fecha, pero no está sola en esta carrera. Gobiernos y empresas tecnológicas de Estados Unidos, Europa, Japón e India están construyendo sus propios tejidos de computación multisede.
Entre los proyectos emblemáticos actuales se incluyen:
| País / región | Proyecto | Objetivo principal | Características técnicas clave | Estado en 2025 |
|---|---|---|---|---|
| China | Future Network Test Facility (FNTF) | IA, telemedicina, industria conectada | Red óptica de 55.000 km, 40 ciudades, eficiencia casi de centro de datos | Activado (diciembre de 2025) |
| Estados Unidos | Federated Cloud AI Network | IA generativa y aprendizaje federado | Enlaces entre centros de datos con latencia inferior a 10 ms | Pruebas piloto |
| Unión Europea | GAIA-X | Soberanía de datos y nube europea | Interoperabilidad segura entre múltiples proveedores de nube | Despliegue progresivo |
| Japón | Fugaku Distributed Extension | Computación para investigación e industria | Extensión óptica del superordenador Fugaku mediante enlaces académicos e industriales | En desarrollo |
| India | PARAM Shakti Distributed Grid | IA para clima, salud y defensa | Clústeres nacionales unidos por una troncal de 200 Gb/s | Operativo desde 2024 |
La dirección es clara: la potencia bruta procede ahora tanto de una coordinación inteligente a distancia como de añadir chips en un único edificio gigantesco.
Conceptos clave detrás de la nueva red de China
Para quienes no son especialistas, conviene desglosar varias ideas que sustentan el FNTF.
Supercomputación distribuida frente al centro de datos tradicional
Un superordenador clásico concentra todos sus procesadores en un solo lugar, conectados con enlaces ultracortos y ultrarrápidos. El rendimiento es predecible, pero está limitado por el tamaño del edificio y por la capacidad de refrigeración y de suministro eléctrico.
Un superordenador distribuido, como el FNTF, reparte el procesamiento entre muchas ciudades. En lugar de basarse en la proximidad física, utiliza redes de alto rendimiento y software de planificación para que máquinas remotas se comporten como si estuvieran en una misma sala.
El equilibrio es delicado. La distancia introduce retrasos y posibles puntos de fallo. Se necesitan protocolos sofisticados y una planificación cuidadosa para mantener la ilusión de un sistema único.
Redes deterministas frente a redes de “mejor esfuerzo”
La mayoría de la gente usa redes en las que los paquetes de datos llegan “cuando pueden”. Eso se llama servicio de mejor esfuerzo. Funciona para navegar por la web y el correo electrónico, donde un pequeño retraso apenas importa.
Las redes deterministas buscan tiempos garantizados. Reservan ancho de banda, imponen patrones de tráfico y mantienen el jitter extremadamente bajo. Ese enfoque encaja con sistemas de control, trading de alta frecuencia, automatización industrial y, ahora, con los bucles de realimentación exigentes del entrenamiento masivo de IA.
Qué podría significar esto en la vida diaria
Si sistemas como el FNTF se extienden, la persona media quizá nunca oiga sus nombres, pero notará su presencia de formas más sutiles.
Los hospitales podrían enviar imágenes médicas pesadas a servicios de IA lejanos, recibir una segunda opinión casi al instante y, aun así, mantener los datos dentro de las fronteras nacionales. Las cadenas logísticas podrían operar flotas de robots coordinadas a miles de kilómetros como si compartieran un único controlador local. Los modelos meteorológicos y climáticos podrían procesar petabytes de datos de muchos laboratorios a la vez, ajustando las previsiones varias veces por hora.
Junto a esos beneficios existen riesgos. Un fallo técnico o un ciberataque a una troncal de esta escala no solo tumbaría un sitio web, sino que podría paralizar hospitales, fábricas y servicios gubernamentales al mismo tiempo. Cuanto más dependa la sociedad de unos pocos “cerebros” computacionales gigantes, más importan la resiliencia y la transparencia en cómo se construyen y operan.
Aun así, la tendencia está marcada. A medida que los chips se aceleran y los modelos se hacen más grandes, lo más interesante en IA puede desplazarse del procesador a la fibra que enlaza procesadores entre sí. El “cerebro mundial” de 2.000 km de China es una de las señales más claras hasta ahora de que la conectividad, y no solo el cómputo, define quién lidera en inteligencia artificial avanzada.
Comentarios
Aún no hay comentarios. ¡Sé el primero!
Dejar un comentario