China explora otro tipo de hardware para la IA
En agosto de 2025, la Universidad de Zhejiang presentó Darwin Monkey, una computadora formada por 960 chips especializados capaz de simular más de dos mil millones de neuronas artificiales.
El anuncio llamó la atención en un momento en que buena parte del sector de la IA se centraba en GPU cada vez más potentes y en la infraestructura de cómputo que requieren los grandes modelos de lenguaje.
Pero Darwin Monkey no se diseñó simplemente para competir con los servidores de IA convencionales.
Surgió de la investigación en computación neuromórfica, un enfoque que toma prestados determinados principios de los sistemas neuronales biológicos.
En la computación de IA convencional, los procesadores realizan enormes cantidades de cálculos numéricos. En cambio, algunos sistemas inspirados en el cerebro usan neuronas artificiales que se comunican mediante señales breves llamadas spikes (impulsos).
Los investigadores estudian si estos enfoques distintos pueden mejorar ciertos tipos de computación, sobre todo cuando importan el consumo de energía, la rapidez de respuesta o los recursos de hardware.
La Universidad de Zhejiang no está sola en este trabajo. La Universidad Tsinghua y otras instituciones chinas también han desarrollado procesadores experimentales y chips de detección que abordan el cómputo de IA de otra manera.
En conjunto, sus investigaciones revelan otra dirección en el desarrollo de la IA en China, centrada en el hardware que sustenta los sistemas inteligentes y no solo en los modelos que se ejecutan sobre él.
Universidad de Zhejiang: de Darwin3 a Darwin Monkey
Darwin Monkey forma parte de Darwin, un programa de investigación de la Universidad de Zhejiang con más trayectoria.
En 2024, investigadores de la Universidad de Zhejiang y de Zhejiang Lab publicaron Darwin3, un chip diseñado para simular redes de neuronas artificiales.
El chip admite un gran número de neuronas simuladas e incluye mecanismos de comunicación y de aprendizaje dentro de esas redes.
Un año después, la universidad presentó Darwin Monkey, que conecta 960 chips Darwin3 repartidos en 15 servidores.
Según la institución, el sistema resultante puede simular aproximadamente 2.25 mil millones de neuronas y más de 200 mil millones de conexiones, con un consumo típico de unos 2000 vatios.
Las cifras describen la escala de la plataforma de investigación. No significan que Darwin Monkey tenga la inteligencia de un cerebro humano, y el consumo declarado no demuestra por sí solo una ventaja frente a las GPU.
Cómo lo usan los investigadores
La Universidad de Zhejiang informa de que usa Darwin Monkey para simular redes neuronales que representan aspectos de los sistemas nerviosos de varios animales, entre ellos gusanos, peces cebra, ratones y macacos.
Este trabajo puede ayudar a los científicos a investigar cómo se comportan las grandes redes de neuronas.
La universidad también informa de que ejecutó una implementación inspirada en el cerebro de un modelo de lenguaje relacionado con DeepSeek.
Esto es especialmente relevante porque muestra que los investigadores exploran si su arquitectura puede soportar cargas de trabajo de IA más allá de las simulaciones de neurociencia.
El rendimiento de esas demostraciones no se ha comprobado de forma independiente frente a sistemas convencionales equivalentes.
Aun así, Darwin Monkey representa un logro de ingeniería considerable: conectar cientos de chips especializados en una plataforma funcional para investigar formas alternativas de computación.
Fuentes: Universidad de Zhejiang, 2025 | Serie Darwin de la Universidad de Zhejiang, 2026 | Investigación sobre Darwin3, 2024
Texto alternativo accesible para esta figura
Un diagrama en tres pasos. A la izquierda, un chip Darwin3. En el centro, 960 chips conectados en 15 servidores. A la derecha, las cifras declaradas por la institución: 2.25 mil millones de neuronas simuladas y unos 2000 vatios de consumo típico del sistema. El diagrama es esquemático, no un plano de cableado.
Universidad Tsinghua: de una bicicleta autónoma a la visión inteligente
Mientras la Universidad de Zhejiang se ha concentrado en grandes sistemas de computación inspirados en el cerebro, investigadores de la Universidad Tsinghua han explorado cómo diseños de chips alternativos pueden servir a máquinas que interactúan con su entorno.
Tianjic: una bicicleta con IA
En 2019, investigadores de Tsinghua presentaron Tianjic, un chip diseñado para admitir distintos tipos de cómputo con redes neuronales.
Para demostrarlo, construyeron una bicicleta autónoma capaz de mantener el equilibrio, reconocer objetos, seguir objetivos, responder a comandos de voz y esquivar obstáculos.
Estas actividades requieren funciones de IA distintas.
El experimento mostró que Tianjic podía admitir varias de ellas dentro de un único sistema físico.
Fue una demostración de investigación, no una prueba de inteligencia artificial general ni un sustituto comercial de los procesadores convencionales.
Su aportación fue integrar distintos métodos de IA en una sola arquitectura experimental.
Texto alternativo accesible para esta figura
Dibujo de una bicicleta con un chip de IA en el centro, vinculado a cinco funciones mostradas en la investigación de 2019: equilibrio, reconocimiento de objetos, seguimiento de objetivos, comandos de voz y evasión de obstáculos.
Tianmouc: otro enfoque de la percepción visual
En 2024, otro equipo de investigación de Tsinghua presentó Tianmouc, un chip inspirado en algunos aspectos de la visión biológica.
Los investigadores abordaban un problema práctico.
Un vehículo en movimiento necesita información detallada sobre su entorno, pero también debe reaccionar rápido cuando algo cambia.
Procesar continuamente grandes cantidades de información visual exige recursos de cómputo y transmisión de datos.
Tianmouc usa dos vías complementarias. Una capta información visual detallada y la otra responde con rapidez a los cambios en una escena.
Los investigadores informaron de altas velocidades de detección, un mejor manejo de condiciones de iluminación difíciles y una menor transmisión de datos en sus experimentos.
También probaron el chip en un sistema experimental de percepción para vehículos.
Sin embargo, las ventajas declaradas recibieron críticas científicas.
En junio de 2025, investigadores independientes publicaron un comentario técnico en Nature que cuestionaba aspectos de la novedad de Tianmouc y de sus comparaciones de rendimiento con los sensores de visión existentes.
La crítica no demuestra que el chip no funcionara. Significa que las afirmaciones de superioridad requieren más pruebas.
Tianmouc sigue siendo un ejemplo útil de la investigación china en hardware especializado para IA, sobre todo para máquinas que deben interpretar entornos que cambian rápidamente.
Investigación original: Nature, 2024 | Comentario técnico independiente, 2025
Texto alternativo accesible para esta figura
Dos paneles de la misma calle. El de la izquierda muestra la escena detallada. El de la derecha resalta solo lo que cambia y se mueve. Es una explicación conceptual, no la salida real del sensor Tianmouc.
Nueva investigación hacia un aprendizaje más eficiente
Los investigadores chinos también estudian cómo el hardware inspirado en el cerebro puede aprender y adaptarse.
En marzo de 2026, investigadores vinculados al Laboratorio Pengcheng, la Universidad de Pekín e instituciones colaboradoras publicaron una arquitectura de cómputo diseñada para entrenar redes neuronales de impulsos (spiking neural networks).
El equipo probó su diseño con hardware configurable, no con un procesador comercial terminado.
Sus experimentos demostraron el entrenamiento en 20 núcleos de procesamiento y un esquema de aprendizaje colaborativo con cinco participantes.
Los investigadores informaron de ventajas de rendimiento y de uso de memoria en determinadas comparaciones experimentales.
Estos resultados no demuestran que la arquitectura sea en general superior a las GPU, pero sí muestran que continúa la investigación para hacer más prácticos los sistemas inspirados en el cerebro.
Una posible aplicación es la IA que funciona en dispositivos con recursos de cómputo limitados y que no siempre pueden depender de un centro de datos remoto.
La investigación sigue siendo experimental, y sus ventajas más amplias requieren una evaluación adicional.
Fuente: Nature Communications, 2026
Qué podrían cambiar estos chips en la forma de construir sistemas de IA
Los proyectos chinos analizados aquí abordan problemas distintos.
Darwin Monkey investiga simulaciones neuronales a gran escala y determinadas cargas de trabajo de IA. Tianjic explora la combinación de distintos métodos de cómputo. Tianmouc se centra en la percepción visual, mientras que la investigación más reciente de Pengcheng examina el aprendizaje eficiente.
Por tanto, sus logros no pueden compararse mediante una única especificación.
Un sistema con miles de millones de neuronas simuladas no es necesariamente más capaz que otro diseñado para procesar información visual con rapidez.
Del mismo modo, un procesador que consume menos energía en un experimento puede no ofrecer ninguna ventaja en otro tipo de cálculo.
La iniciativa internacional NeuroBench, publicada en Nature Communications en 2025, subraya la necesidad de comparar los sistemas neuromórficos con tareas, requisitos de precisión y mediciones de energía equivalentes.
Ese sigue siendo un reto importante en este campo.
Las pruebas analizadas aquí acreditan prototipos de investigación y sistemas experimentales chinos que funcionan, pero no un despliegue comercial generalizado ni una superioridad general frente a los procesadores de IA convencionales.
Las GPU seguirán siendo relevantes para este artículo porque ofrecen un punto de referencia conocido, no porque los proyectos chinos hayan demostrado que pueden sustituirlas.
Fuente: NeuroBench, Nature Communications, 2025
La aportación de China a la computación alternativa para IA
Las instituciones de investigación de China exploran varios enfoques de computación más allá de las arquitecturas que suelen asociarse a la IA moderna.
La Universidad de Zhejiang ha desarrollado chips especializados y los ha conectado en una gran plataforma experimental.
La Universidad Tsinghua ha demostrado procesadores que combinan funciones de IA y sensores que tratan la información visual de otra manera.
Investigaciones más recientes buscan formas de que los sistemas inspirados en el cerebro aprendan de manera eficiente.
Los resultados siguen siendo en gran medida experimentales, y su valor comercial aún está por demostrar.
Pero vale la pena entender esta dirección.
Gran parte del desarrollo actual de la IA se centra en mejorar los modelos con más datos y más recursos de cómputo. La investigación en hardware inspirado en el cerebro plantea otra pregunta: si ciertas tareas podrían realizarse con más eficacia cambiando, desde la base, la forma en que se procesa la información.
Para aplicaciones con sensores, robótica y dispositivos que funcionan con energía limitada, eso podría llegar a ser valioso con el tiempo.
China no ha demostrado un sucesor universal de la GPU. Sus investigadores están desarrollando y probando enfoques de computación alternativos que podrían resultar útiles para aplicaciones de IA concretas.
Su importancia práctica dependerá de lo bien que funcionen esos sistemas fuera del laboratorio de investigación.
Fuentes y lecturas adicionales
- Universidad de Zhejiang, anuncio de Darwin Monkey, 2025
- Universidad de Zhejiang, serie Darwin y especificaciones de Darwin Monkey, 2026
- Darwin3: A Large-Scale Neuromorphic Chip with a Novel ISA and On-Chip Learning, 2024
- Towards Artificial General Intelligence with Hybrid Tianjic Chip Architecture, Nature, 2019
- A Vision Chip with Complementary Pathways for Open-World Sensing, Nature, 2024
- Dynamic Range and Precision of Hybrid Vision Sensors, Nature, 2025
- A Highly Energy-Efficient Multi-Core Neuromorphic Architecture for Training Deep Spiking Neural Networks, Nature Communications, 2026
- The NeuroBench framework for benchmarking neuromorphic computing algorithms and systems, Nature Communications, 2025