India ha decidido dejar de intentar competir contra gigantes como OpenAI o Google en la creación de los modelos de inteligencia artificial más grandes del mundo. En su lugar, el país apuesta por una estrategia mucho más pragmática: la optimización radical y la adaptación cultural. Un ejemplo claro de este cambio de rumbo es Varya, un nuevo modelo de generación de video presentado por Avataar AI (startup enfocada en herramientas visuales para comercio electrónico), que promete transformar el acceso a la tecnología en mercados emergentes.
La clave de Varya no está en su potencia bruta, sino en una técnica llamada destilación. En lugar de crear un modelo desde cero —una tarea costosa que requiere una infraestructura de procesamiento (GPU) casi inalcanzable para la mayoría—, Avataar AI tomó Wan 2.2, un modelo público desarrollado por Alibaba, y lo comprimió. El resultado es un motor de inteligencia artificial que ejecuta sus procesos en solo cuatro pasos, frente a los 50 que requiere el modelo original. Esto reduce los tiempos de generación de video en un factor de 10 y recorta los costos de manera drástica.
La eficiencia como ventaja competitiva
Los números hablan por sí solos. Mientras que otros competidores del sector, como Runway o Luma, cobran alrededor de USD 0,10 por segundo de video generado, Avataar AI fija un precio de apenas USD 0,005 por segundo. Estamos hablando de una diferencia de 20 veces en el costo. En términos operativos, mientras que el modelo estándar Wan 2.2 necesita 1.230 segundos para generar un clip de 5 segundos, Varya completa la tarea en apenas 45 segundos usando el mismo hardware de Nvidia.
Esta drástica reducción de costos es el motor necesario para democratizar el uso de la IA en India. Lo que pocos están viendo es que, en un país donde el video es el formato dominante para el comercio y el entretenimiento, la barrera de entrada no es la sofisticación técnica, sino la accesibilidad económica. Para que estudiantes, pequeñas empresas y creadores locales adopten estas herramientas, la tecnología debe ser barata y rápida. Sin esa eficiencia, la IA sigue siendo un lujo de laboratorio y no una herramienta de escalabilidad nacional.
Además, Varya ataca uno de los puntos más débiles de los modelos occidentales: el sesgo cultural. La mayoría de los generadores de imágenes y videos suelen fallar al representar festividades, vestimentas o arquitectura local, produciendo resultados genéricos o caricaturizados. Avataar AI entrenó su modelo con datos curados específicamente para reconocer los matices del contexto indio, un paso fundamental si el objetivo es que la tecnología se integre en la vida cotidiana de una población de más de 1.400 millones de personas.
El plan del gobierno indio: subsidios estratégicos
Este desarrollo no ocurre en el vacío. El gobierno indio lanzó la India AI Mission, una iniciativa de USD 1.200 millones diseñada para cerrar la brecha de infraestructura tecnológica. El programa seleccionó a 12 startups —entre ellas Avataar AI— para otorgarles acceso a capacidad de cómputo subsidiada a cambio de que liberen sus modelos al público. El objetivo es claro: crear un ecosistema nacional que priorice la aplicabilidad sobre la teoría.
La intención es ambiciosa. El gobierno indio busca atraer USD 200.000 millones en infraestructura de IA para 2028 y tiene planes para duplicar su capacidad de procesamiento de GPU en el corto plazo. Mi lectura es distinta a la de quienes critican la falta de modelos propios "fundacionales": India no necesita otro modelo que intente resolverlo todo. Necesita modelos especializados, baratos y culturalmente relevantes que conviertan la IA en un motor económico real para sus industrias locales.
Lo interesante acá es que este enfoque de "destilación" puede replicarse en otras geografías. Si una startup en Bangalore puede tomar un modelo abierto y optimizarlo para su mercado interno a una fracción del costo, ¿por qué otros países en América Latina o el Sudeste Asiático no harían lo mismo? La verdadera victoria en la carrera de la inteligencia artificial no será quién tenga el modelo más grande, sino quién logre poner la tecnología al servicio de las necesidades locales más urgentes.
