Sobre el escenario, basta una demostración: un asistente responde, traduce, programa. Detrás hacen falta chips, servidores, cables y un suministro eléctrico que nunca falle. La competencia en inteligencia artificial también se juega en esta trastienda industrial. Las conferencias especializadas como RAISE Summit ofrecen un prisma para entender este desplazamiento del poder: inventar un modelo mejor no basta; también hay que poder entrenarlo, distribuirlo y financiar cada uso.
Con la vista puesta en septiembre de 2026, esta lectura ayuda a entender las decisiones tanto de las empresas como de los Estados. El análisis que sigue se basa en tendencias y acontecimientos públicos constatados antes de esa fecha; sus proyecciones son prospectivas. No constituye una crónica de los anuncios ni de las intervenciones de una edición de 2026 de la cumbre.
Los chips, primer peaje de la inteligencia artificial
En un centro de datos dedicado a la IA, el procesador gráfico, o GPU, se ha convertido en un recurso estratégico. Concebido originalmente para procesar imágenes, ejecuta en paralelo las operaciones matemáticas necesarias para las redes neuronales. Para entrenar un gran modelo, miles de aceleradores deben funcionar juntos. Su número importa, pero también importan su memoria, su interconexión y la fiabilidad del conjunto.
Por tanto, la posición de Nvidia no se sustenta únicamente en sus componentes. También se apoya en CUDA, su entorno de software, en las bibliotecas optimizadas y en los conocimientos acumulados por los desarrolladores. Cambiar de proveedor puede obligar a reescribir, probar y optimizar parte del software. Un chip disponible y más barato no constituye automáticamente una alternativa equivalente.
AMD, los aceleradores especializados y los chips diseñados por los grandes proveedores de servicios en la nube amplían las posibilidades. Google utiliza sus TPU desde hace varias generaciones; Amazon desarrolla, entre otros, Trainium e Inferentia. Estas soluciones pueden mejorar la rentabilidad de determinadas tareas. También acentúan un dilema: reducir la dependencia de un fabricante puede aumentar la dependencia de una plataforma.
Una cadena mundial, decisiones nacionales
La producción concentra varios cuellos de botella: fabricación avanzada, memoria de alto ancho de banda y ensamblaje sofisticado. TSMC ocupa un lugar central en este ecosistema, mientras que un puñado de fabricantes domina las memorias necesarias para los aceleradores. Hacer más pedidos no permite crear capacidad de forma instantánea: ampliar una fábrica y validar sus procesos lleva años.
Las restricciones estadounidenses a la exportación de chips avanzados a China, iniciadas en 2022 y reforzadas posteriormente, han demostrado que este acceso también depende de decisiones geopolíticas. Para un laboratorio, una normativa puede modificar los equipos accesibles y las alianzas posibles. La capacidad de cómputo es ya una cuestión de política industrial tanto como una partida del presupuesto informático.
La electricidad: el factor que la demostración olvida
Una vez comprados los servidores, todavía hay que suministrarles energía y disipar su calor. Un edificio disponible no garantiza una conexión eléctrica suficiente. Los operadores de la red deben integrar estas nuevas cargas, a veces frente a otras necesidades industriales. Los plazos del transformador o de la línea eléctrica pueden entonces resultar más restrictivos que los del software.
La Agencia Internacional de la Energía ya señalaba, en su informe Electricity 2024, un rápido aumento previsto de las necesidades de los centros de datos, la IA y las criptomonedas. Sin embargo, hay que distinguir estas categorías: no todo el consumo de un centro de datos es atribuible a la IA. Las comparaciones espectaculares suelen ocultar esta diferencia y las incertidumbres sobre los usos futuros.
La refrigeración añade una limitación local. Según las instalaciones, requiere agua, electricidad o ambas. Por tanto, el atractivo de una ubicación depende del clima, de la red, de los recursos hídricos y de la aceptación del proyecto. Una promesa de compra de electricidad renovable para cubrir el consumo anual no significa necesariamente que las máquinas se alimenten con electricidad libre de carbono a cada hora.
Para Francia, una matriz eléctrica ampliamente descarbonizada constituye una ventaja potencial. Pero esta ventaja no sustituye las conexiones, las inversiones ni los conocimientos operativos. De cara a 2026 y más allá, la competencia podría favorecer a los territorios capaces de ofrecer una capacidad realmente disponible, en lugar de un simple anuncio de futuros megavatios.
La nube vende capacidad de cómputo, pero también dependencia
Para una empresa emergente, alquilar GPU permite evitar una inversión inicial considerable. La nube también proporciona almacenamiento, red, seguridad y herramientas de despliegue. Esta sencillez explica su papel central. Sin embargo, otorga a los grandes operadores poder sobre las tarifas, las cuotas, las regiones disponibles y las condiciones de acceso a las nuevas máquinas.
Los acercamientos entre proveedores de servicios en la nube y laboratorios ilustran esta interdependencia: Microsoft con OpenAI, Amazon y Google con Anthropic. Sin prejuzgar cláusulas contractuales específicas, su lógica industrial es clara. Los laboratorios obtienen recursos y financiación; las plataformas atraen modelos, desarrolladores y clientes hacia sus infraestructuras.
La competencia se juega entonces en varios niveles a la vez. Una empresa puede ofrecer un modelo excelente y, al mismo tiempo, depender de un competidor para hacerlo funcionar. Los créditos para servicios en la nube facilitan su puesta en marcha, pero no garantizan una factura sostenible cuando aumenta el uso. Migrar implica trasladar datos y reconstruir integraciones.
La verdadera prueba económica empieza después del entrenamiento
El entrenamiento concentra la atención porque exige recursos espectaculares. Sin embargo, la inferencia —cada respuesta producida por un modelo— puede convertirse en la partida decisiva a gran escala. Dar servicio a un asistente poco utilizado cuesta relativamente poco. Ese mismo servicio, integrado en millones de interacciones cotidianas, cambia por completo la ecuación, sobre todo si cada solicitud desencadena varias operaciones.
Por eso los modelos más pequeños, la cuantización, el almacenamiento en caché y la elección del modelo según la tarea adquieren una importancia estratégica. Una herramienta de clasificación documental no siempre necesita el sistema más potente. La ventaja competitiva puede proceder de una arquitectura eficiente, capaz de mantener un nivel de calidad con menos cómputo.
Los modelos de pesos abiertos amplían las posibilidades de alojamiento y adaptación. No hacen que la infraestructura sea gratuita, y sus licencias difieren. No obstante, pueden reducir ciertas dependencias. Para un comprador, comparar únicamente el rendimiento anunciado sería insuficiente: hay que examinar el coste operativo, la latencia, la confidencialidad y la posibilidad de cambiar de proveedor.
La soberanía se mide por la capacidad de elegir
En los debates sobre la IA, poseer centros de datos nacionales se convierte fácilmente en un símbolo. La soberanía operativa es más exigente: ¿quién controla los equipos, el software, los accesos y el mantenimiento? ¿Dónde residen los datos? ¿Qué ocurre si un proveedor modifica sus precios o interrumpe un servicio?
¿Y ahora qué? La próxima fase podría premiar menos el mero tamaño de los modelos que el control de su coste total. Para las empresas, esto implica probar varios proveedores y medir cada uso. Para los poderes públicos, coordinar energía, industria y competencia. Entre bastidores de las conferencias, la pregunta decisiva seguirá siendo sencilla: ¿quién dispone de los medios materiales para transformar una promesa de IA en un servicio duradero?
