Dishan Technology: chip IA 2nm para superar a NVIDIA

El nuevo actor que quiere sacudir el mercado de GPUs para IA

Dishan Technology acaba de verificar el prototipo de una GPU para IA fabricada en nodo de 2 nm, según informó el South China Morning Post (SCMP). Si ese número te parece relevante, lo es: NVIDIA fabrica actualmente sus chips de última generación en nodos de 3–4 nm. Un salto a 2 nm implicaría, sobre el papel, un chip más potente y eficiente que cualquier cosa disponible hoy en el mercado de IA.

El dato que importa para un founder que trabaja con infraestructura de IA: Dishan promete que su chip será un 40% más eficiente energéticamente que su predecesor, y —aquí viene lo verdaderamente disruptivo desde el punto de vista ecosistémico— será compatible con CUDA, la plataforma de computación paralela de NVIDIA sobre la que está construido el 90% del software de entrenamiento e inferencia de modelos de IA en el mundo.

¿Qué es CUDA y por qué su compatibilidad lo cambia todo?

CUDA (Compute Unified Device Architecture) es mucho más que una tecnología: es el foso que protege el negocio de NVIDIA. Cualquier empresa que ha entrenado modelos sobre GPUs de NVIDIA ha invertido miles de horas de ingeniería en código optimizado para CUDA. Migrar a otro hardware significa reescribir pipelines, reentrenar equipos y asumir meses de fricción operativa.

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

Si Dishan logra que su chip sea genuinamente compatible con CUDA, elimina el mayor obstáculo de adopción que han tenido todos los competidores chinos hasta ahora. No sería el primer intento: Cambricon Technologies lleva años construyendo su propio ecosistema de software alternativo tras recaudar 560 millones de dólares en agosto de 2025 en la Bolsa de Shanghái. Pero la compatibilidad directa con CUDA es otra liga: significa cero fricción para quien ya opera sobre infraestructura NVIDIA.

El muro que China todavía no ha derribado: la fabricación

El problema de Dishan —y de toda la ambición semiconductora china en nodos avanzados— se llama litografía EUV. Para fabricar chips en 2 nm se necesitan máquinas de litografía ultravioleta extrema que solo fabrica una empresa en el mundo: ASML, con sede en los Países Bajos. Desde 2023, EE.UU. ha presionado con éxito a Países Bajos, Japón y Corea para que bloqueen la exportación de estas máquinas a China.

El resultado es que SMIC, el mayor fabricante chino de chips, sigue atascado en nodos de 7 nm usando una técnica de multiple patterning con máquinas DUV (ultravioleta profundo), una solución más lenta y costosa. Sin acceso a EUV, saltar de 7 nm a 2 nm no es un problema de ingeniería: es un problema geopolítico.

Los fabricantes que sí podrían producir el chip de Dishan —TSMC, Samsung e Intel Foundry— tienen todas las razones del mundo para no hacerlo: sus relaciones con Washington son demasiado valiosas como para arriesgarse a sanciones por fabricar hardware para una empresa china en lista de restricciones.

China ya tiene tres jugadores serios antes de que llegue Dishan

La carrera no espera a Dishan. El ecosistema chino de chips para IA ya cuenta con tres actores que operan en producción real:

Huawei es el más avanzado. Su chip Ascend 950PR apunta directamente al rendimiento de la GPU H100 de NVIDIA. En 2025 ya lanzó los chips Ascend 910D y 910C, fabricados en 7 nm por SMIC, y tiene previsto lanzar el Ascend 950DT a finales de 2026, seguido de los modelos 960 y 970 en 2027 y 2028. Según proyecciones de analistas, los chips Huawei de próxima generación podrían alcanzar el 70–80% del rendimiento del H100 en tareas de entrenamiento.
Cambricon Technologies es la apuesta institucional más interesante. Con sus familias MLU y sus cuatro chips en desarrollo para entrenamiento e inferencia de IA, más su apuesta por construir una alternativa a CUDA, es la empresa que más amenaza el ecosistema de software de NVIDIA a largo plazo.
Moore Threads ha desarrollado las tarjetas MTT S4000 y MTT S3000, que compiten en el segmento medio-alto con soluciones de NVIDIA y AMD. EE.UU. la considera una amenaza lo suficientemente seria como para incluirla en su lista de restricciones de exportación.

Ante este panorama, Dishan Technology aparece como el jugador más ambicioso en papel, pero también el más incierto en ejecución. La empresa calcula que tardará uno o dos años adicionales en refinar su chip para producción a escala.

¿Cuándo podría China alcanzar realmente a NVIDIA?

La respuesta honesta: no antes de 2028, y más probablemente en 2030. El análisis de TrendForce y otros analistas del sector apunta a que China podría alcanzar paridad en rendimiento de hardware de IA hacia finales de esta década, pero con dos cuellos de botella que persisten:

Litografía: Sin acceso a EUV, alcanzar nodos por debajo de 5 nm de forma competitiva en costes y yield requiere avances propios que SMEE (el fabricante chino de máquinas de litografía) todavía no ha demostrado. SMIC apunta a producción estable en 5 nm para 2027.
Ecosistema de software: CUDA tiene más de 15 años de optimizaciones, librerías especializadas y miles de modelos entrenados. Construir un ecosistema equivalente lleva tiempo, independientemente del rendimiento del hardware.

¿Qué significa esto para tu startup?

Si operas una startup de IA o usas GPUs para entrenamiento o inferencia —ya sea en LATAM o en España—, este movimiento tiene implicaciones concretas en los próximos 18–36 meses:

Los precios de NVIDIA no van a bajar por presión competitiva china en el corto plazo. Mientras China no tenga producción a escala en nodos avanzados, NVIDIA mantiene su poder de fijación de precios. Las listas de espera para H100 y B200 seguirán siendo reales.
La compatibilidad CUDA prometida por Dishan es una señal que debes monitorizar. Si se confirma en prototipos funcionales, cambia el análisis de riesgo de diversificación de infraestructura. Apúntate a newsletters de SCMP Tech y SemiAnalysis para seguir la evolución.
Las alternativas actuales viables a NVIDIA están en AMD (MI300X) y, en menor medida, en hardware especializado de inferencia como Groq o Cerebras. Para la mayoría de startups hispanohablantes, la solución más inmediata es optimizar el uso de GPU (mejor batching, quantización de modelos) antes de buscar hardware alternativo.
Si tu startup tiene planes de expansión a China o necesitas operar con socios chinos, la aceleración del ecosistema local de chips tiene implicaciones regulatorias y de stack tecnológico que conviene mapear ahora, no en 2027.

El movimiento de Dishan Technology es importante no porque vaya a destronar a NVIDIA mañana —no lo hará—, sino porque confirma que China ha decidido jugar en la liga de los nodos más avanzados. El diseño ya existe. El obstáculo es la fabricación. Y ese obstáculo es, en buena medida, geopolítico. Lo que hace que su resolución dependa tanto de ingeniería como de diplomacia.