Por Canuto  

Jensen Huang, CEO de Nvidia, sostuvo que la IA no debe verse solo como software, sino como una nueva infraestructura industrial que requerirá enormes cantidades de energía, chips, centros de datos y mano de obra calificada. Su tesis busca responder al temor de que la IA destruirá empleos, al afirmar que también abrirá nuevas oportunidades. 

***

  • Jensen Huang describió la IA como una pila de cinco capas: energía, chips, infraestructura, modelos y aplicaciones.
  • El CEO de Nvidia dijo que las fábricas de IA requerirán electricistas, fontaneros, acereros, técnicos de red y más.
  • Busca responder al temor de que la IA destruirá empleos al afirmar que también abrirá nuevas oportunidades. 
  • Según Huang, todavía deben construirse billones de dólares en infraestructura para sostener la expansión de la IA.

 

Jensen Huang, fundador y CEO de Nvidia, afirmó que el trabajo necesario para sostener las llamadas fábricas de inteligencia artificial (IA) es “enorme”, en un momento en que crece la discusión sobre el efecto de esta tecnología sobre el empleo. Su planteamiento apunta en dirección opuesta a la narrativa más extendida sobre automatización y despidos.

Para Huang, la IA no es simplemente una aplicación novedosa ni un solo modelo de software. En una publicación de blog, el ejecutivo la describió como infraestructura esencial, comparable con la electricidad y el internet, porque funciona con hardware real, energía real y una economía física que transforma materias primas en inteligencia a escala.

Esa idea es central para entender por qué Nvidia insiste en que la expansión del sector no dependerá solo de avances en algoritmos. También requerirá construcción industrial, suministro eléctrico constante, redes especializadas, enfriamiento, terrenos, acero y trabajadores técnicos capaces de levantar y operar centros de datos de nueva generación.

El comentario llega además en un contexto de creciente ansiedad en los mercados por el posible desplazamiento laboral asociado a la IA. En semanas recientes, la conversación pública se ha intensificado tras despidos en empresas tecnológicas y advertencias de líderes del sector sobre el posible reemplazo de tareas de oficina.

La IA como una pila de cinco capas

En su explicación, Huang resumió la infraestructura de la IA como un “pastel de cinco capas”. En la base ubicó la energía, seguida por los chips, la infraestructura física, los modelos y, por último, las aplicaciones, que es donde termina capturándose el valor económico.

El ejecutivo explicó que la energía es el primer principio de toda esta arquitectura. A su juicio, la inteligencia generada en tiempo real requiere energía generada en tiempo real, porque cada ficha producida depende del movimiento de electrones, de la gestión del calor y de la conversión de energía en capacidad de cómputo.

En ese marco, Huang sostuvo que no existe una capa de abstracción por debajo de la energía. Por ello la definió como la restricción vinculante sobre cuánta inteligencia puede producir un sistema de IA, una idea que también tiene implicaciones geopolíticas y macroeconómicas cuando el suministro energético se vuelve incierto.

Por encima de la energía aparecen los chips, descritos como procesadores diseñados para convertir electricidad en computación eficiente a gran escala. Según Huang, las cargas de trabajo de IA necesitan enorme paralelismo, memoria de alta capacidad e interconexiones rápidas, por lo que el avance en esta capa determina qué tan rápido puede escalar la IA y qué tan asequible se vuelve.

La tercera capa es la infraestructura. Allí se incluyen la tierra, la entrega de energía, el enfriamiento, la construcción, las redes y los sistemas que coordinan decenas de miles de procesadores dentro de una misma máquina. Huang afirmó que esos sistemas no están diseñados para almacenar información, sino para fabricar inteligencia.

Después vienen los modelos, que según su descripción pueden comprender lenguaje, biología, química, física, finanzas, medicina y el mundo físico. El fundador de Nvidia remarcó que los modelos de lenguaje son solo una categoría y que parte del trabajo más transformador se está dando en IA de proteínas, química, simulación física, robótica y sistemas autónomos.

La última capa corresponde a las aplicaciones. En esa categoría mencionó plataformas de descubrimiento de fármacos, robótica industrial, copilotos legales y vehículos autónomos. Para ilustrarlo, explicó que un automóvil autónomo es una aplicación de IA encarnada en una máquina, mientras que un robot humanoide es una aplicación de IA encarnada en un cuerpo.

Billones por construir y una demanda laboral que crece

Uno de los puntos más destacados de su argumento fue la escala del desarrollo pendiente. Huang dijo que la industria ya ha avanzado “unos pocos cientos de miles de millones de dólares”, pero insistió en que todavía deben construirse billones de dólares en infraestructura para sostener la siguiente etapa de expansión.

En su visión, esta dinámica se perfila como “el mayor desarrollo de infraestructura en la historia humana”. La afirmación no se limita a la venta de chips ni a centros de datos convencionales. Apunta a una cadena industrial mucho más amplia, desde plantas eléctricas y redes hasta instalaciones de refrigeración y grandes complejos de cómputo especializados.

Ese crecimiento, añadió, necesita una fuerza laboral numerosa y escasa a la vez. Las fábricas de IA requerirán electricistas, fontaneros, instaladores de tuberías, trabajadores del acero, técnicos de red, instaladores y operadores, todos ellos en funciones calificadas y bien remuneradas.

Huang enfatizó que participar en esta transformación no exige necesariamente un doctorado en ciencias de la computación, desmontando así la idea de que el auge de la IA beneficiará solo a ingenieros de software o científicos de datos, dejando fuera a otros perfiles técnicos.

La tesis es importante porque desplaza parte del debate sobre empleo hacia la economía física de la IA. Si cada nueva capa de aplicaciones exige más capacidad de cómputo, entonces también incrementa la necesidad de infraestructura eléctrica, personal de instalación, mantenimiento y operación diaria.

De acuerdo con la cobertura de CoinDesk, Huang planteó esta lectura como una respuesta directa a la narrativa de que la IA destruirá empleos de manera neta. Su mensaje fue que la tecnología elevará productividad, ampliará capacidad y, como consecuencia, abrirá nuevas contrataciones en varios niveles de la economía.

Radiología, productividad y más capacidad

Para defender esa idea, Huang utilizó el ejemplo de la radiología. Señaló que la IA ya ayuda a leer escáneres, pero aun así la demanda de radiólogos continúa aumentando, lo que demuestra que automatizar tareas no siempre reduce la necesidad de profesionales humanos.

Su razonamiento parte de una distinción entre tarea y propósito. Según explicó, el propósito de un radiólogo es cuidar de los pacientes, mientras que leer escáneres es solo una tarea dentro de ese proceso. Cuando la IA asume más trabajo rutinario, el especialista puede dedicar más tiempo al juicio clínico, la comunicación y la atención.

En ese escenario, los hospitales se vuelven más productivos, atienden a más personas y terminan contratando más personal. Huang resumió esa lógica en una frase breve: “La productividad crea capacidad. La capacidad crea crecimiento”. Para él, esa secuencia no es una paradoja, sino una consecuencia natural de una mejor asignación del trabajo.

El argumento también intenta ofrecer un marco más amplio para evaluar la automatización. No toda mejora de eficiencia se traduce en menor empleo. En algunos sectores, puede expandir la demanda total de servicios, elevar el volumen de atención y generar nuevas necesidades de supervisión, operación e integración tecnológica.

Energía, código abierto y el negocio de Nvidia

Otro aspecto clave de la visión de Huang es que el límite real para el crecimiento de la IA no está solo en los modelos ni en la demanda empresarial, sino en la energía disponible. Si la inteligencia se genera en tiempo real, entonces el suministro eléctrico se convierte en una condición material para escalar el sector.

Eso tiene implicaciones para mercados, cadenas de suministro e incluso conflictos internacionales. Si la energía es la restricción vinculante, cualquier alteración en su disponibilidad puede actuar como cuello de botella directo sobre la velocidad de expansión de la IA, más allá del efecto macroeconómico general.

Huang también reconoció el papel de los modelos de código abierto. Citó el caso de DeepSeek-R1 como ejemplo de cómo la disponibilidad libre de modelos de razonamiento sólidos puede acelerar la adopción en la capa de aplicaciones e incrementar la demanda de entrenamiento, infraestructura, chips y energía en las capas inferiores.

Desde esa perspectiva, el código abierto no debilita el negocio de Nvidia. Al contrario, puede expandirlo al multiplicar los casos de uso y empujar más inversión en toda la pila tecnológica. La lógica es simple: si más desarrolladores y empresas adoptan IA, entonces también se necesitará más hardware y más capacidad operativa.

En conjunto, la tesis del CEO de Nvidia presenta a la inteligencia artificial como un ciclo industrial completo, y no solo como una revolución del software. La discusión sobre empleos, por tanto, no se limita a oficinas y programadores. También involucra redes eléctricas, construcción, manufactura, salud, robótica y cadenas globales de infraestructura.

La visión de Huang no niega que la IA reconfigure tareas y presione ciertos puestos. Pero sí sostiene que su despliegue, por la escala física que exige, puede crear una nueva demanda de trabajo técnico y profesional. En esa lectura, el auge de la IA sería menos una historia de sustitución total y más una de reorganización productiva a gran escala.

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

 


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