Capital de TokensEscribimos una frase en ChatGPT, Claude, Gemini o cualquier otro modelo y, unos segundos después, aparece una respuesta.
La experiencia parece casi inmaterial.
Un cuadro de texto.
Una nube.
Una respuesta.
Pero esa interfaz esconde algo enorme.
Detrás de cada consulta existe una cadena física que empieza mucho antes del centro de datos: diseño de chips, fábricas de semiconductores, máquinas de litografía, memoria de alto ancho de banda, redes eléctricas, transformadores, cobre, agua, acero, terreno, logística y miles de millones de dólares en inversión.
La mejor forma de entender la inteligencia artificial moderna no es verla únicamente como software.
Es verla como una máquina industrial distribuida por medio planeta.
El error de mirar sólo al modelo
Cuando hablamos de IA solemos pensar en la capa visible:
ChatGPT
Claude
Gemini
GrokPero un modelo, en términos físicos, es básicamente una gran colección de parámetros almacenados y ejecutados sobre hardware.
Por sí solo no hace nada.
Para producir una respuesta necesita una pila completa de infraestructura.
Podemos representarla así:
modelo
↓
aceleradores / GPUs
↓
fabricación de semiconductores
↓
litografía avanzada
↓
memoria HBM
↓
servidores y redes
↓
centro de datos
↓
electricidad + agua + materiales + sueloLa interfaz que vemos es apenas el último milímetro de una cadena muchísimo más larga.
Piso 1: el modelo
El modelo es el cerebro lógico del sistema.
Contiene miles de millones —y en algunos casos muchos más— de parámetros ajustados durante el entrenamiento.
Cuando hacemos una consulta, esos parámetros deben cargarse y procesarse para producir el siguiente token, y después el siguiente, y así sucesivamente.
La inteligencia aparente ocurre porque una cantidad gigantesca de operaciones matemáticas se ejecuta con enorme rapidez.
Eso nos lleva inmediatamente a la siguiente capa.
Piso 2: los chips
Los modelos modernos dependen de aceleradores especializados capaces de realizar operaciones matriciales a gran escala.
Nvidia domina buena parte del imaginario de esta capa porque sus GPUs y su ecosistema de software se han convertido en piezas centrales del boom de IA.
Pero Nvidia, AMD y otros diseñadores no fabrican por sí solos la mayor parte de esos chips avanzados.
Diseñar y fabricar son industrias distintas.
El diseñador define la arquitectura.
La fundición convierte ese diseño en silicio.
Y aquí aparece una de las concentraciones industriales más importantes del planeta.
Piso 3: TSMC y la fabricación avanzada
TSMC es la mayor fundición de semiconductores por contrato del mundo y una pieza crítica para los procesadores avanzados usados en IA.
Buena parte de la capacidad de fabricación de vanguardia sigue concentrada en Taiwán, aunque TSMC está expandiendo agresivamente su huella internacional, incluida una inversión masiva en Arizona.
Esto convierte la geografía en una variable tecnológica.
Una revolución que parece digital depende de fábricas extremadamente difíciles de construir, operar y replicar.
No basta con tener el diseño de un chip.
Hay que poder fabricarlo con tolerancias de escala atómica y hacerlo con un rendimiento económicamente viable.
Piso 4: ASML, la máquina que fabrica la máquina
La dependencia se vuelve todavía más sorprendente cuando bajamos otra capa.
Los chips más avanzados necesitan litografía de ultravioleta extremo, o EUV.
ASML afirma en su informe anual de 2025 que es actualmente el único fabricante mundial de sistemas de litografía EUV.
Eso significa que una parte fundamental de la industria de IA pasa por una empresa neerlandesa que construye algunas de las máquinas industriales más complejas jamás producidas.
Es difícil exagerar la importancia de esta capa.
La cadena queda así:
modelo de IA
↓
GPU / acelerador
↓
TSMC u otra fundición avanzada
↓
ASML EUVUna industria global valorada en billones depende, en algunos puntos, de proveedores extraordinariamente concentrados.
Piso 5: la memoria HBM
Un acelerador puede hacer una cantidad enorme de cálculos por segundo, pero necesita recibir datos a una velocidad comparable.
Si la memoria no alimenta al procesador suficientemente rápido, el chip pasa parte de su tiempo esperando.
Por eso la High Bandwidth Memory, o HBM, se ha convertido en una pieza esencial de los sistemas de IA.
En lugar de tratar la memoria como un componente periférico convencional, HBM apila chips verticalmente y los conecta mediante interfaces de enorme ancho de banda.
La idea conceptual es sencilla:
GPU muy rápida
+
memoria demasiado lenta
=
GPU esperando
GPU muy rápida
+
HBM
=
flujo de datos mucho mayorPero fabricar memoria apilada avanzada es difícil, consume capacidad industrial y añade otra cadena de suministro crítica al sistema.
La IA no necesita sólo mejores procesadores.
Necesita que todo el ecosistema alrededor del procesador avance al mismo ritmo.
Piso 6: el centro de datos
Después hay que reunir miles o decenas de miles de estos componentes en un solo lugar.
Un centro de datos de IA no es simplemente una sala con servidores.
Es una instalación industrial con:
- alimentación eléctrica de alta capacidad;
- sistemas de refrigeración;
- redes de alta velocidad;
- almacenamiento;
- redundancia;
- seguridad física;
- transformadores;
- generadores o sistemas de respaldo;
- conexiones de fibra;
- enormes cantidades de capital inmovilizado.
Los racks de IA modernos concentran cada vez más potencia en menos espacio.
Y ese aumento de densidad energética convierte al centro de datos en un problema eléctrico y térmico tanto como informático.
Piso 7: electrones, cobre, agua y acero
En el último piso desaparece cualquier ilusión de que estamos hablando únicamente de software.
Para que un modelo responda necesitamos electricidad.
Para transportar esa electricidad necesitamos redes, subestaciones, transformadores y cobre.
Para construir instalaciones necesitamos acero, hormigón, suelo y mano de obra.
Para refrigerarlas necesitamos sistemas térmicos que, según el diseño y la región, pueden involucrar cantidades importantes de agua o soluciones alternativas de enfriamiento.
La IA termina tocando industrias que hace pocos años parecían muy alejadas del software:
semiconductores
energía
minería
construcción
logística
utilities
nuclear
redes eléctricasÉsa es una de las transformaciones económicas más interesantes del boom actual.
La nube vuelve a tener peso
Durante dos décadas, la narrativa dominante en tecnología fue la desmaterialización.
Una startup podía crear enorme valor con:
pocas personas
código
cloud
software distribuido globalmenteInstagram se convirtió en el ejemplo clásico de una empresa diminuta capaz de alcanzar una valoración gigantesca.
La IA no elimina ese modelo, pero añade algo nuevo.
Ahora la frontera competitiva también se mide en:
gigavatios
fabs
capacidad de memoria
racks
transformadores
hectáreas
permisos
capitalEl software vuelve a necesitar industria pesada.
El cuello de botella energético ya es visible
La Agencia Internacional de la Energía calcula que los centros de datos consumieron alrededor de 485 TWh de electricidad en 2025 y que podrían acercarse a 950 TWh en 2030.
Es prácticamente duplicar el consumo en cinco años.
La IEA señala además que los centros de datos centrados en IA crecen mucho más rápido que el conjunto y que su consumo eléctrico podría triplicarse durante ese periodo.
En Estados Unidos, los centros de datos podrían explicar cerca de la mitad del crecimiento de la demanda eléctrica hasta 2030.
Esto cambia por completo la discusión.
El problema ya no es únicamente:
¿Podemos fabricar suficientes GPUs?
También es:
¿Podemos conectar suficientes megavatios a tiempo?
Las redes eléctricas se construyen mucho más lentamente que el software.
Transformadores, líneas de transmisión, turbinas, permisos y nuevas plantas tienen ciclos de años.
Un modelo puede mejorar en meses.
Una red eléctrica no.
Cuando Microsoft necesita una central nuclear
Un ejemplo resume perfectamente este cambio.
Microsoft firmó con Constellation un acuerdo de compra de energía a 20 años que respalda el reinicio de Three Mile Island Unit 1, ahora rebautizada como Crane Clean Energy Center.
La unidad había cerrado en 2019 por razones económicas.
El nuevo proyecto busca devolver alrededor de 835 MW de capacidad a la red para apoyar, entre otras cosas, las necesidades eléctricas asociadas a centros de datos.
Hace una década, una noticia sobre software y una noticia sobre reactivar una planta nuclear vivían en mundos distintos.
Hoy pueden formar parte de la misma estrategia tecnológica.
La IA convierte la eficiencia en una carrera sistémica
Hay una consecuencia importante.
No basta con hacer más potente una sola pieza.
Si mejoramos únicamente la GPU, puede aparecer un cuello de botella en memoria.
Si mejoramos GPU y memoria, puede faltar capacidad de empaquetado avanzado.
Si tenemos los servidores, puede faltar energía.
Si tenemos energía contratada, puede faltar una conexión a la red.
Si tenemos la red, puede tardar el transformador.
La máquina completa funciona a la velocidad de sus restricciones.
modelo
↓
compute
↓
memoria
↓
red
↓
energía
↓
infraestructuraLa competencia de IA se convierte así en una carrera por optimizar todo el sistema.
Ésta es probablemente la parte más importante del cambio
Pensar la IA como software lleva a imaginar que su progreso depende casi exclusivamente de mejores algoritmos.
Pensarla como infraestructura revela otra realidad.
El avance depende de que muchas industrias distintas consigan escalar simultáneamente:
- modelos más eficientes;
- chips más rápidos;
- mejores nodos de fabricación;
- litografía más avanzada;
- más HBM;
- empaquetado más sofisticado;
- redes de interconexión más rápidas;
- centros de datos más densos;
- más generación eléctrica;
- más transmisión;
- mejores sistemas de refrigeración.
Es una coordinación industrial extraordinaria.
La gran paradoja de la inteligencia artificial
La IA parece cada vez más abstracta.
Hablamos con una máquina mediante lenguaje natural.
No vemos servidores.
No vemos chips.
No vemos cables.
No vemos minas.
Pero cuanto más “mágica” parece la interfaz, más física se vuelve la infraestructura que la sostiene.
La inteligencia artificial moderna es simultáneamente dos cosas:
la interfaz más abstracta de la computación
+
una de las infraestructuras más materiales de la historia tecnológicaÉsa es la paradoja.
Y quizá sea la mejor forma de entender lo que está ocurriendo.
La IA no vive simplemente en la nube.
La nube está hecha de fábricas, máquinas, silicio, memoria, hormigón, agua, cobre y electrones.
Cuando escribimos un prompt, tocamos —indirectamente— toda esa máquina.