Carrera tecnológica global: China acelera con una IA que procesa imágenes sin convertirlas en texto, desafiando el dominio estadounidense.
SenseTime, gigante chino de inteligencia artificial especializado en reconocimiento facial, ha lanzado SenseNova U1, un modelo de código abierto que genera e interpreta imágenes con una velocidad sin precedentes. Según la empresa, este avance podría devolverle el liderazgo perdido en la competencia local frente a rivales como DeepSeek y MiniMax, mientras se posiciona como un contrapeso a los desarrollos occidentales.
La innovación radical de U1 radica en su capacidad para «leer» imágenes directamente, sin depender de una traducción previa a texto. Esto no solo optimiza el procesamiento, sino que reduce drásticamente los requisitos de potencia computacional. «El razonamiento del modelo ya no está limitado al texto: ahora puede operar con imágenes de forma nativa», explicó Dahua Lin, cofundadora y científica jefa de SenseTime, en declaraciones a WIRED. Lin, quien también ejerce como profesora de ingeniería en la Universidad China de Hong Kong, subrayó que esta aproximación permitirá a los robots comprender el mundo físico con mayor precisión, un salto cualitativo para aplicaciones como la automatización industrial o la robótica autónoma.
Independencia tecnológica: compatible con chips chinos
SenseNova U1 rompe barreras geopolíticas: funciona con chips desarrollados en China, eludiendo las restricciones impuestas por EE.UU. a la exportación de semiconductores avanzados. «Diez fabricantes locales, incluyendo a Cambricon y Biren Technology, ya han adaptado sus diseños para garantizar compatibilidad con nuestro modelo», reveló Lin. Esta adaptabilidad es crucial en un contexto donde empresas chinas enfrentan embargos a tecnologías clave, como los chips de Nvidia esenciales para entrenar IA.
A pesar de este avance, Lin admitió que SenseTime «podría requerir los chips más potentes del mercado» para mantener el ritmo de innovación. La empresa liberó U1 de forma gratuita en plataformas como Hugging Face y GitHub, una estrategia que refleja el creciente compromiso de China con el software de código abierto. Este movimiento no solo acelera la colaboración global, sino que también mitiga el impacto de las sanciones estadounidenses, que desde 2019 prohíben a empresas como SenseTime acceder a tecnologías críticas por presuntas violaciones de derechos humanos en Xinjiang —acusaciones que la compañía ha negado rotundamente.
SenseTime: del reconocimiento facial a la IA multimodal
Fundada en 2014, SenseTime se consolidó como líder en visión por computadora, con aplicaciones que van desde la conducción autónoma hasta sistemas de seguridad. Sin embargo, el auge de modelos como ChatGPT —centrados en el procesamiento de lenguaje— la relegó frente a nuevas startups chinas. «Hoy, el factor decisivo no es si un modelo es abierto o cerrado, sino la velocidad de iteración», afirmó Lin, justificando la apuesta por el código abierto como una herramienta para recibir feedback rápido de la comunidad científica.
La estrategia de apertura también le permite a SenseTime eludir barreras geopolíticas y seguir colaborando con investigadores internacionales. Las sanciones estadounidenses, que incluyen prohibiciones de inversión y transferencia tecnológica, han aislado parcialmente a la empresa. Sin embargo, Lin insiste en que «la innovación no tiene fronteras», y que modelos como U1 son prueba de ello.
Según el informe técnico de SenseTime, SenseNova U1 supera en calidad de imagen a todos los modelos de código abierto actuales, equiparándose a soluciones cerradas como Qwen (Alibaba) y Seedream (ByteDance). Aunque aún no iguala el rendimiento de GPT-Image-2.0 —lanzado por una empresa occidental hace apenas una semana—, su ventaja competitiva es clara: velocidad. El modelo se basa en la arquitectura NEO-Unify, presentada por SenseTime a principios de 2024, que optimiza la eficiencia sin sacrificar precisión.
Adina Yakefu, investigadora de IA en Hugging Face, destacó que «este enfoque es ambicioso, pero enfrenta desafíos prácticos». No obstante, celebró la decisión de liberar el código, lo que permitirá a la comunidad global «explorar y mejorar el modelo en escenarios reales». Otra ventaja clave es su ligereza: U1 puede ejecutarse en computadoras personales e incluso smartphones, ampliando su potencial de aplicación.
Robots que «ven» como humanos: el futuro de U1
Lin visualiza un impacto transformador en la robótica. «Cuando un robot analiza un entorno visual, debe procesar información caótica: desde objetos dispersos hasta interfaces complejas», explicó. La capacidad de U1 para interpretar imágenes de forma nativa —sin depender de descripciones textuales— podría reducir errores y acelerar la toma de decisiones en entornos dinámicos, como fábricas o hospitales. «Imagina un robot que identifique al instante qué botón presionar en una máquina o cómo navegar una habitación desordenada: eso es lo que habilita nuestra tecnología», añadió.
China está invirtiendo fuertemente en robots humanoides, y aunque SenseTime no fabrica hardware, colabora estrechamente con ACE Robotics, una startup cofundada por otro de sus socios. Además, la empresa desarrolla modelos especializados en comprensión geoespacial, capaces de simular entornos reales con alta precisión. ¿Podría este avance redefinir la autonomía de los robots en la próxima década?
