Por qué los países en desarrollo deberían mirar a China para dar un salto hacia los mercados de los LLM

• La brecha de rendimiento entre los LLM se está reduciendo rápidamente.

• Las startups chinas de IA no pueden competir con los gigantes tecnológicos en capital financiero y capacidad de computación, por lo que deben centrarse en aplicaciones de IA en ámbitos donde cuentan con ventajas de datos únicas.

• La tendencia del mercado de IA de China es una referencia útil para los mercados emergentes, especialmente para aquellos con poca financiación y recursos informáticos en la carrera mundial de la IA.

TikTok quizá sea la red social en la que los usuarios de todo el mundo pasan más tiempo, pero pocos creadores de contenido de TikTok saben que ByteDance, la empresa matriz de TikTok, también posee otra aplicación móvil entre las diez más populares del mundo: CapCut, una aplicación de edición de vídeo. A finales de 2024, las descargas totales de CapCut ocupaba el cuarto puesto entre todas las aplicaciones móviles, solo por detrás de Facebook, Instagram y TikTok.

Aún menos personas saben que CapCut funciona ahora con inteligencia artificial (IA). El software de generación de contenido correspondiente, Dearmina, es comparable a Sora, de Open AI, que convierte texto en contenido de vídeo.

A finales de mayo, ByteDance sorprendió al mercado de la IA al lanzar sus propios modelos de lenguaje grandes (LLM), como Open AI. Fijó para su modelo principal, «Doubao», un precio muy inferior al de ofertas similares de sus rivales chinos de gran tecnología. La empresa afirma que Doubao LLM puede procesar 2 millones de caracteres chinos, equivalentes a 1,25 millones de tokens, por 1 RMB (0,14 $).

Coste de los LLM a finales de mayo de 2024.Image: SCMP

Otros pesos pesados de la tecnología china, como Alibaba y Tencent, no tardaron en seguirles con drásticas rebajas de precios. Algunos ofrecieron acceso gratuito a sus LLM menos potentes.

El modelo multimodal más avanzado de OpenAI, GPT-4o, presentado también esa semana, cuesta 5 $ por cada millón de tokens de entrada procesados. En IA, un token es una unidad fundamental de datos procesada por algoritmos. En los LLM chinos, un token suele equivaler a entre 1 y 1,8 caracteres chinos.

Esta guerra de precios en China y tendencias similares en Estados Unidos (donde modelos gratuitos y de código abierto, como Llama, de Meta, y Grok, de xAI, están presionando a Open AI para que baje los precios de sus modelos) muestran que la brecha de rendimiento entre los LLM se está reduciendo rápidamente.

Cuando los propios modelos fundacionales de LLM se convierten en productos básicos, distintas empresas pueden concebirlos como sistemas operativos o plataformas, y se abre una enorme oportunidad para desarrollar aplicaciones de IA que todavía no han surgido realmente en torno a esos modelos.

Por eso, en el mercado chino de IA, la mayoría de los actores se centra en las aplicaciones, es decir, en la «comercialización» de los LLM. En el caso de las aplicaciones de IA para tareas específicas de distintos sectores, el tamaño del modelo quizá no sea el único factor determinante del rendimiento.

Otros aspectos, como la arquitectura, los datos de entrenamiento y las técnicas de ajuste fino, pueden desempeñar un papel importante. La guerra de precios reduce los costes de los LLM para las startups y aumenta sus márgenes de beneficio.

Por supuesto, para muchas startups chinas de IA este cambio en el rumbo de la innovación también responde a la necesidad. Debido a las sanciones de Estados Unidos, es difícil acceder a los chips más avanzados, como las GPU de Nvidia.

Además, la desaceleración económica de China ha provocado un «invierno del capital riesgo» para las startups. No pueden competir con los gigantes tecnológicos en capital financiero y capacidad de computación. Por tanto, deben centrarse en aplicaciones de IA en ámbitos donde cuentan con ventajas únicas, como:

Recursos de datos existentes

Los datos diferencian los algoritmos y los modelos, y los datos propios proporcionan una ventaja competitiva sostenible en IA. En IA, la implementación de búsquedas de alta calidad, clasificación, previsión, personalización, detección de anomalías y muchos otros casos de uso depende de los datos. Por eso, no sorprende que CapCut, vinculada a TikTok y a las inigualables plataformas de vídeos cortos de ByteDance, sea un software de edición de vídeo superior.

La herramienta de IA de CapCut — Dreamina — cambió recientemente su nombre en chino por «Jimeng» y, en ese proceso, completó el lanzamiento integral de sus funciones de dibujo y edición de vídeo con IA. Al igual que Sora, de Open AI, permite a los usuarios convertir descripciones de texto en imágenes.

Además, Jimeng planea introducir una función de «creación de historias» que ampliará su oferta y permitirá a los usuarios crear relatos personalizados con tecnología de IA (esta próxima función todavía está en fase de pruebas). Esta función lleva claramente el ADN de los vídeos cortos de TikTok.

Invertir en bases sólidas de datos de clientes y en la selección y organización de datos para modelos específicos de cada negocio

La startup china FancyTech, ganadora del Premio a la Innovación 2024 de LVMH, es un buen ejemplo de ello: su plataforma utiliza IA generativa para producir vídeos a partir de modelos de productos en 3D.

Cuando los fundadores de FancyTech trabajaban en la plataforma de comercio electrónico Tmall (parte del grupo Alibaba), comprendieron los problemas de las marcas globales: quizá necesiten producir 100 vídeos para los 100 productos de su inventario, algo casi imposible de hacer con los métodos de producción tradicionales.

Ahora, la IA generativa ofrece una herramienta potente para resolver este problema; marcas como la tienda insignia de Hublot en Tmall ya incluyen varios vídeos creados con FancyTech.

Y lo que es más importante, todo el proceso de creación y distribución de vídeos publicitarios está totalmente automatizado, sin necesidad de control de calidad humano. ¿El secreto? FancyTech invirtió mucho en su equipo de etiquetado de datos para seleccionar y organizar conjuntos de datos de alta calidad con los que entrenar su aplicación de IA, que a su vez genera contenido de vídeo de alta calidad para las marcas.

Las empresas pueden mejorar sus aplicaciones de IA de tres maneras: mediante el aumento de recuperación, el ajuste fino con indicaciones y respuestas, y el preentrenamiento autosupervisado. La implementación ideal incorporaría las tres, pero eso supone una gran carga de etiquetado de datos.

Entender por qué lo pequeño es lo nuevo grande

Mientras los gigantes tecnológicos compiten por crear modelos de lenguaje cada vez más grandes, está surgiendo una tendencia sorprendente: modelos más pequeños, o modelos de lenguaje pequeños (SLM). Los SLM son más adecuados para aplicaciones específicas. Los modelos LLM cuentan con cientos de miles de millones de parámetros. Los SLM tienen unas decenas de miles de millones de parámetros. Si 2023 fue el año de los LLM, es probable que 2024 sea el año de los SLM.

Los SLM ofrecen un grado de adaptabilidad y capacidad de respuesta crucial para las aplicaciones en tiempo real. En tareas específicas, como responder preguntas sobre un dominio concreto, estos SLM compactos, eficientes y diseñados para ese fin podrían ofrecer un rendimiento superior en tres métricas clave: velocidad, coste y precisión. Si los LLM más grandes aspiran a ser doctores destacados de las mejores universidades, los SLM más pequeños se conforman con ser graduados de escuelas de formación profesional.

Los actores chinos de IA se están centrando en los SLM porque la era de «Internet de las cosas conectadas» (IoT) y la computación en el borde ha llegado sin hacer ruido (hay más cosas conectadas que personas conectadas). Su menor tamaño reduce la latencia al procesar solicitudes, lo que los hace ideales para la computación de IA en el borde para IoT, donde la velocidad es esencial. Ya hay varios robots de compañía con IA disponibles en sitios chinos de comercio electrónico, la mayoría por menos de 100 $.

En resumen, el mercado chino de IA está desarrollando un ecosistema híbrido de IAque permite a las empresas aprovechar las oportunidades que presenta la IA generativa, incluso cuando los recursos financieros y de computación son limitados, como ocurre en muchos casos.

Utilizan los LLM y aprovechan plenamente los modelos de código abierto, pero ponen más énfasis en las aplicaciones específicas y los SLM, que a menudo se ejecutan en las instalaciones (por ejemplo, en la agricultura inteligente) o en nubes privadas virtuales, porque son más pequeños y pueden entrenarse con datos muy exclusivos.

El resultado es una oleada de aplicaciones de IA que surgen en China y que afirman haber alcanzado el ajuste producto-mercado (PMF) en diversos sectores. A medida que China se centra en desarrollar infraestructura digital y destaca los datos como elemento fundamental de la economía, sus recursos de datos se estandarizan, organizan y consolidan aún más. Su política industrial ha pasado recientemente del «Internet+» de la década pasada a «datos x». Se prevé que la base general de datos de China haga de 2024-2025 el año de «implementar y escalar».

La tendencia del mercado de IA de China es una referencia útil para los mercados emergentes, especialmente para aquellos con poca financiación y recursos informáticos en la carrera mundial de la IA.

Apenas estamos llegando al punto en que existen arquitecturas listas para las empresas que permiten aprovechar de verdad la IA, así que los mercados emergentes tienen ahora la oportunidad de aprovechar sus recursos de datos existentes e invertir en infraestructura digital para aplicar la IA de forma creativa.

Al aprovechar sus datos propios y sus conocimientos especializados —recursos valiosos de los que carecen los modelos LLM—, los mercados emergentes pueden aprovechar el auge actual de la IA para dar un salto en su transformación digital.