Por Canuto  

Durante años, la apuesta dominante en inteligencia artificial fue simple: comprar chips. Pero la conversación empieza a desplazarse hacia una limitación menos glamorosa y mucho más física: la falta de energía, red, cableado, fibra y permisos para encender los GPU que ya fueron adquiridos.
***

  • La demanda eléctrica de centros de datos en EE. UU. podría pasar de 80 gigavatios en 2026 a 150 en 2028, según cifras citadas en la conversación.
  • Empresas como Bloom Energy, Lumentum, Marvell y Nebius aparecen como beneficiarias potenciales de los nuevos cuellos de botella de la IA.
  • El problema ya no sería solo conseguir GPU, sino también energía en sitio, transmisión de datos, diseño eléctrico y capacidad operativa.

Durante casi tres años, buena parte del mercado trató el auge de la inteligencia artificial como una tesis de inversión directa y relativamente simple: comprar los fabricantes de chips que alimentarían la nueva ola de modelos. Esa narrativa convirtió a Nvidia en la empresa más valiosa del planeta y dejó enormes ganancias para inversionistas que apostaron temprano por el hardware de cómputo.

Sin embargo, el debate empieza a cambiar. El foco ya no está solo en qué modelo es más inteligente ni en cuántos GPU puede adquirir una compañía, sino en algo más básico: cómo encenderlos, conectarlos y mantenerlos funcionando a escala.

En el episodio AI Is Running Out of Power, del canal Limitless Podcast, los conductores sostienen que el siguiente gran cuello de botella de la IA no es la demanda de chips, sino la infraestructura física que los rodea.

Esa capa incluye energía, red eléctrica, cableado, transformadores, fibra óptica, disipación térmica y centros de datos capaces de alojar sistemas cada vez más densos. El punto central es que pueden existir miles de millones de dólares en GPU instalados, pero sin electricidad suficiente y sin la red adecuada ese capital queda inmovilizado.

Para un lector nuevo en el tema, conviene resumirlo así: un modelo de IA puede parecer software puro, pero en realidad depende de electrones atravesando chips, luz corriendo por fibra y calor saliendo de racks de servidores. En otras palabras, la inteligencia artificial también es una historia industrial.

La energía pasa al centro del negocio de la IA

Según las cifras citadas en la conversación, la demanda energética de centros de datos en Estados Unidos podría duplicarse, pasando de 80 gigavatios en 2026 a 150 gigavatios en 2028. Ese salto no es menor, porque un gigavatio equivale aproximadamente a un gran reactor nuclear o a suficiente energía para abastecer entre 750.000 y 1.000.000 de hogares estadounidenses.

Los conductores explican además una distinción básica que ayuda a entender la magnitud del problema. Un watt mide la tasa a la que se consume electricidad, mientras un watt-hora representa la cantidad total utilizada.

Ese aumento esperado en la demanda choca con una infraestructura que no fue construida pensando en centros de datos dedicados a IA generativa. En consecuencia, el dinero que primero se concentró en GPU, luego en semiconductores asociados y más tarde en memoria, estaría empezando a fluir hacia el cuello de botella final: la energía.

Uno de los elementos más llamativos de la tesis es que el presupuesto históricamente asignado a potencia e infraestructura apenas rondaba 10% del gasto total de un laboratorio de IA o de un nuevo centro de datos. La ironía, dicen, es que hoy esa parte menor del presupuesto representa casi 100% del bloqueo operativo.

El problema no sería que la IA haya perdido impulso, sino que la capacidad para desplegarla está limitada por tiempos de espera. De acuerdo con lo expuesto en el programa, si una gran empresa quiere levantar un centro de datos en Estados Unidos, el plazo para conseguir la energía necesaria puede llegar a cinco años.

Ese retraso no depende solo de generar electricidad. También intervienen los tiempos para obtener cableado, diseñar transformadores a medida, fabricarlos, transportarlos e instalarlos.

La presión se agrava porque los nuevos chips elevan aún más los requerimientos físicos. Los racks para Vera Rubin, la nueva arquitectura mencionada en el episodio, superarían los 100 kilowatts por rack, cerca de 10 veces por encima de lo que muchos centros de datos habían preparado anteriormente.

Por eso, incluso si un inversionista cree que el ciclo de entusiasmo por la IA está madurando, la conversación sobre energía seguiría vigente. Antes de los grandes modelos de lenguaje ya existían tensiones en la red, y la IA solo las amplificó.

Bloom Energy y la urgencia de llevar electricidad en 90 días

Dentro de esa capa energética, una de las compañías destacadas en la conversación es Bloom Energy. Su propuesta consiste en usar sistemas modulares de generación en sitio para que ciertos centros de datos dependan menos de la red tradicional y puedan obtener suministro más cerca del punto de consumo.

El atractivo comercial de Bloom Energy, según la explicación del programa, está en el tiempo. Mientras el camino convencional para energizar un centro de datos puede tomar alrededor de cinco años, la empresa promete reducir ese plazo a unos 90 días.

La solución descrita en el episodio se basa en celdas de combustible modulares que pueden instalarse rápidamente en sitio. Los conductores también comparan esa oferta con el mercado de turbinas de gas, donde los tiempos de espera para nuevos equipos ya se extenderían hasta 2029.

Eso deja a Bloom Energy en una posición intermedia entre opciones inmediatas y tecnologías de largo plazo. La energía nuclear o los pequeños reactores modulares son presentados como alternativas prometedoras, pero con despliegues masivos que probablemente no llegarían antes de 2030 debido a licencias y regulación.

En ese contexto, la empresa gana atractivo porque ofrece una respuesta para “hoy”, no para la próxima década. Esa urgencia importa mucho cuando los GPU ya fueron comprados y cada día sin operación representa capital inmovilizado.

Los datos financieros citados en el episodio muestran un crecimiento acelerado. En el primer trimestre de 2026, sus ingresos habrían alcanzado USD $750 millones, un aumento interanual de 130%, con aproximadamente USD $70 millones de ganancia.

También se menciona que Oracle estaría impulsando un centro de datos de 2,4 gigavatios principalmente con tecnología de Bloom Energy. Aun así, los propios conductores reconocen una salvedad importante: la compañía todavía debe demostrar capacidad plena de manufactura y entrega a gran escala.

Esa combinación de narrativa potente y riesgo operativo explica por qué el mercado la observa con atención. La tesis alcista no necesariamente afirma que su solución sea el estado final de la infraestructura de IA, pero sí que puede convertirse en un puente crítico mientras llegan otras fuentes energéticas.

Del cobre a la luz: el nuevo cuello de botella en transmisión de datos

La energía no es el único límite físico que aparece cuando miles de GPU deben trabajar juntos. Los modelos de IA más avanzados requieren mover cantidades de datos masivas entre chips durante el entrenamiento y la inferencia.

En la conversación se recuerda que la industria pasó de hablar de miles de millones de parámetros a billones y luego a decenas de billones. Ese crecimiento hace que los pesos de los modelos y la comunicación entre aceleradores demanden volúmenes de tráfico descritos como petabytes de información.

Tradicionalmente, esa interconexión se apoya en cobre. El material tiene propiedades muy valiosas para transmitir datos con rapidez, pero empieza a mostrar límites cuando la cantidad de información y la distancia entre chips crecen al mismo tiempo.

Los conductores explican que el cobre funciona mejor a distancias cortas. El problema es que los clústeres de IA siguen creciendo y ya no resulta físicamente viable acomodar todos los GPU lo bastante cerca entre sí como para mantener ese esquema sin penalizaciones.

A mayor distancia y mayor volumen de transferencia, aumenta el calor y se vuelve más costoso enfriar el sistema. Allí surge la apuesta por la fotónica, es decir, mover datos mediante luz a través de fibra óptica.

En esta parte del análisis aparece Lumentum, compañía enfocada en transmisores y receptores ópticos. La tesis es que, si el cobre deja de ser ideal para centros de datos cada vez más extensos, el paso hacia comunicaciones ópticas podría acelerarse de forma similar a lo que ocurrió con otros componentes del stack de IA.

El programa sostiene que el costo energético por bit favorece decisivamente a la luz cuando se escala el sistema. También subraya que nada viaja más rápido que la luz, por lo que la cuestión pasa a ser cuánta capacidad puede introducirse en esos enlaces ópticos.

Como referencia de tracción, se cita que Lumentum habría pasado de vender cerca de 20 millones de unidades el año pasado a 60 millones este año. A la vez, se mencionan otros actores del ecosistema como Corning, que fabrica fibras ópticas de vidrio y también habría captado inversiones de Nvidia.

Los conductores incluso especulan con un futuro en el que la fibra no solo sirva para mover datos, sino también para ciertas formas de almacenamiento ultrarrápido. Esa parte se presenta más como una frontera experimental que como un negocio inmediato, pero ilustra la profundidad del cambio técnico en marcha.

Marvell, diseño eléctrico y el valor oculto dentro del chip

Otro punto menos visible para el público general es cómo se distribuye la energía dentro de los chips y entre ellos. Nvidia, recuerdan los conductores, es una empresa de diseño de chips, no de fabricación, ya que esa fase productiva recae en firmas como TSMC.

Dentro de ese proceso, diseñar el flujo de potencia es crucial. No se trata solo de tener silicio avanzado, sino de determinar cómo se reparte la energía, dónde se consume y cómo se optimiza el comportamiento del sistema bajo cargas extremas.

Allí entra Marvell, que ganó protagonismo luego de que Jensen Huang la alabara públicamente en Computex. Según el relato del podcast, el CEO de Nvidia llegó a describirla como la próxima empresa de un billón de dólares.

Tras esos comentarios, la acción de Marvell habría subido 76% y la compañía logró entrar al S&P 500. El episodio también sostiene que Jensen Huang mantiene una inversión de alrededor de USD $2.000 millones en la firma.

Más allá del efecto mercado de una declaración de ese calibre, la tesis industrial es que Marvell se beneficia porque muchas compañías que intentan diversificar su dependencia de Nvidia necesitan igualmente capacidades avanzadas para diseñar la distribución energética de sus chips. Según la conversación, Broadcom y otros actores de IA usarían sus servicios.

Ese detalle es importante porque muestra que el stack de la IA no se agota en una sola marca dominante. Incluso cuando las empresas buscan alternativas, aparecen proveedores de segunda capa cuya relevancia crece precisamente por esa fragmentación.

Nebius, los neoclouds y el negocio de alquilar cómputo listo para usar

La última capa abordada en el episodio es el alquiler de capacidad computacional. No todas las empresas pueden destinar cientos de miles de millones de dólares al despliegue de infraestructura, por lo que surge un espacio para operadores que construyen, administran y arriendan centros de datos especializados.

En este segmento aparecen los llamados neoclouds, como CoreWeave, Crusoe o Nebius. Su propuesta consiste en encargarse de la operación integral del centro de datos, desde el montaje y la red hasta la coordinación del hardware y el software que conecta los GPU.

Sobre Nebius, los conductores afirman que hace algo muy similar a otros neoclouds, pero con fuerte escala y una ejecución destacada. Su ingreso del primer trimestre habría crecido cerca de 700% interanual, hasta aproximadamente USD $400 millones.

También se recuerda que Nebius surgió de los activos remanentes de Yandex, antigua referencia tecnológica en Rusia. Ese antecedente es relevante porque sugiere experiencia previa en manejo de datos, servidores y disponibilidad de servicios.

La compañía contaría además con respaldo directo de Nvidia, que según la conversación habría invertido unos USD $2.000 millones en su capital. A eso se sumarían contratos atribuidos a Microsoft por USD $20.000 millones y a Meta por USD $27.000 millones.

El backlog mencionado para 2027 a 2031 rondaría USD $50.000 millones. Esa cifra se conecta con otra idea central del episodio: la vida útil económica de los GPU podría estar extendiéndose, ya que equipos de hace tres o cuatro años incluso generarían hoy más valor por hora que en el momento de su compra.

Si esa dinámica se mantiene, los modelos tradicionales de depreciación quedarían bajo presión. Eso elevaría la valoración de compañías que poseen inventario operativo de GPU, energía asegurada, terrenos, permisos y centros de datos ya desplegados.

Otro incentivo para usar neoclouds sería contable y financiero. En lugar de concentrar todo el gasto como capex inmediato, grandes clientes podrían convertir parte de ese acceso a cómputo en un gasto distribuido durante años, reduciendo presión sobre flujo de caja y sobre la lectura trimestral del mercado.

Finalmente, el episodio remarca un punto poco glamoroso pero decisivo: los permisos. Para muchas compañías, la ventaja competitiva no solo está en el hardware, sino en haber avanzado antes en licencias, regulación y trámites para conectar energía y habilitar nuevas instalaciones.

En síntesis, la tesis del programa es que el boom de la IA está entrando en una fase donde la escasez ya no se limita a los chips. La nueva batalla se libra en la red eléctrica, la fibra, el diseño de potencia, los centros de datos y la capacidad de sortear la burocracia a tiempo.

Para los mercados, eso implica que el “comercio de IA” podría ensancharse mucho más allá de Nvidia. Para la industria, implica algo más elemental: sin energía, sin interconexión y sin infraestructura física, no hay inteligencia artificial que escale.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados