El 30 de julio, un equipo de investigación publicaba en arXiv el marco AgenticCANN, un sistema de evolución agéntica aumentada con conocimiento para la generación automatizada de operadores Ascend C, el lenguaje de programación de las NPU de Huawei. El documento, identificado como arXiv:2607.26661, presentaba consecuencias estratégicas potencialmente profundas. Es la primera vez que se aborda esta tarea, y su implicación es directa: si los grandes modelos de lenguaje pueden programar el hardware chino de forma autónoma, la dependencia de China del software de NVIDIA —el verdadero foso de CUDA— podría estar llegando a su fin. No es una guerra de chips; es una guerra por el talento de programación, y la automatización acaba de cambiar las reglas.

El problema que nadie había resuelto: programar Ascend C

La optimización de operadores Ascend C es crítica para el rendimiento de inferencia en las NPU de Huawei, pero exige un conocimiento profundo del hardware subyacente. El ecosistema que rodea a este lenguaje es joven: cuenta con menos documentación, menos ejemplos y una base de ingenieros muy inferior a la de CUDA, cuyo modelo de programación acumula dos décadas de bibliotecas, herramientas y una comunidad global de desarrolladores. Esa asimetría ha sido el talón de Aquiles de la estrategia de soberanía tecnológica china: fabricar chips avanzados es una cosa; programarlos con eficiencia, otra muy distinta.

Los grandes modelos de lenguaje ya habían demostrado potencial en la generación automatizada de kernels CUDA. Pero Ascend C plantea desafíos únicos que, según el propio resumen del trabajo, permanecían inexplorados. AgenticCANN no es una adaptación menor de técnicas existentes: es el primer sistema que aborda la generación automatizada de operadores para este lenguaje.

AgenticCANN: evolución agéntica para un ecosistema joven

El enfoque combina dos elementos. El primero es la evolución agéntica: agentes autónomos que iteran y mejoran soluciones de forma incremental. El segundo es el aumento de conocimiento: el sistema aprende de la estructura específica del hardware y de los patrones de optimización ya validados. De este modo, el conocimiento profundo de las NPU de Huawei, que tradicionalmente exigía años de experiencia, puede extraerse, codificarse y aplicarse de manera automática.

De la escasez de ingenieros a la abundancia de agentes

El contexto geopolítico es esencial para calibrar el alcance de este avance. Estados Unidos ha restringido la exportación de chips avanzados a China y también ha limitado el acceso a herramientas de diseño y, de facto, a la formación de una comunidad de desarrolladores en torno a ecosistemas alternativos. NVIDIA ha construido su dominio no solo sobre el hardware, sino sobre CUDA: un monopolio de software que convierte cualquier alternativa en una apuesta arriesgada para los ingenieros. Si un programador chino debe elegir entre CUDA, con su vasta documentación y sus bibliotecas, y Ascend C, con un ecosistema incipiente, la decisión racional a corto plazo suele ser CUDA.

AgenticCANN ataca directamente esa barrera. Si los grandes modelos de lenguaje pueden generar operadores Ascend C optimizados de forma autónoma, la necesidad de una gran comunidad de desarrolladores especializados se reduce drásticamente. No se trata de eliminar a los ingenieros, sino de multiplicar su productividad: un sistema agéntico puede iterar múltiples variantes, evaluar su rendimiento y seleccionar las mejores en una fracción del tiempo que necesitaría un equipo humano.

La pieza que faltaba en el tablero de la soberanía digital

Durante años, el debate sobre la soberanía tecnológica china se ha centrado en la fabricación de chips. Pero fabricar un chip es solo el primer paso: sin un ecosistema de software maduro, el hardware es una promesa incumplida. La dependencia de CUDA ha sido una dependencia silenciosa pero decisiva; incluso con chips propios, la falta de herramientas de programación consolidadas ha limitado su adopción en aplicaciones de inteligencia artificial.

El momento tampoco es casual. ByteDance proyecta ingresos anualizados de inteligencia artificial, según SCMP, lo que la sitúa a la cabeza de China en la monetización de esta tecnología. Kimi K3, el modelo de Moonshot AI, ya está disponible para empresas a través de Fireworks AI en Microsoft Foundry, lo que da a los clientes de Azure una ruta gestionada para ejecutarlo mediante API compatibles con OpenAI. Y la Unión Europea ha lanzado una convocatoria para establecer hasta siete gigafactorías de inteligencia artificial, con financiación pública. En este escenario, la capacidad de programar hardware propio de forma automatizada no es una ventaja marginal: es la condición para que la inteligencia artificial china no dependa de la infraestructura de sus adversarios.

La automatización como nueva frontera de la competencia

AgenticCANN sugiere que China está en condiciones de lograr algo que parecía imposible: saltarse la barrera del software. Si la generación automática de kernels funciona para Ascend C, el ecosistema de cómputo chino podría hacer frente a CUDA no compitiendo en los mismos términos, sino cambiando el terreno de juego. No hará falta una comunidad de desarrolladores del tamaño de la de NVIDIA; harán falta mejores agentes de inteligencia artificial capaces de programar el hardware propio.

Quedan preguntas abiertas. El documento es reciente —publicado hace apenas horas— y aún no ha pasado el escrutinio de la comunidad científica. No se conocen benchmarks independientes que comparen el rendimiento de los operadores generados por AgenticCANN con las optimizaciones manuales. Pero la dirección es inequívoca: la automatización de la programación de hardware es la próxima frontera de la competencia tecnológica global. Mientras Occidente debate la regulación de los modelos de inteligencia artificial, China utiliza esos mismos modelos para eliminar su mayor debilidad estructural. La pregunta ya no es quién fabrica los mejores chips, sino quién puede programarlos sin depender de ejércitos de ingenieros. Si este trabajo se confirma, la respuesta podría cambiar el equilibrio de poder tecnológico.