El nervio de la guerra: cómputo, chips y centros de datos

Su dominio no se debe solo al silicio: se apoya también en CUDA, la capa de software que todo el ecosistema de la IA emplea para programar sus chips, un «foso» competitivo difícil de franquear. En el CES de enero de 2026, NVIDIA detalló su nueva generación Vera Rubin (sucesora de la arquitectura Blackwell): cada GPU Rubin entrega alrededor de 50 petaFLOP en precisión FP4, incorpora memoria ultrarrápida HBM4 y se ensambla en armarios «NVL72» que reúnen 72 GPU y 36 procesadores Vera. La generación siguiente, «Feynman», ya está anunciada.

¿Cómo se entrenan neuronas vivas? El procedimiento no tiene nada que ver con el entrenamiento de una IA en silicio: ni retropropagación ni descenso de gradiente (capítulo 2). Las neuronas se cultivan sobre una rejilla de electrodos que les sirve a la vez de sentido y de músculo, capaz de estimularlas y de leer su actividad. Para Pong, la posición de la bola se traduce en estimulaciones eléctricas; luego, según devuelvan las neuronas la actividad correcta (la paleta intercepta la bola) o no, se les envía a su vez una señal o bien regular y previsible, o bien un ruido caótico. Según el principio llamado de energía libre (formulado por el neurocientífico Karl Friston), una red de neuronas busca minimizar la imprevisibilidad de lo que percibe: los cultivos se reorganizan, pues, espontáneamente para huir del caos, es decir, para jugar mejor, y lo logran en unos minutos. No se programa nada: se moldea un entorno, y el tejido se adapta a él por sí mismo.

Se imponen entonces dos grandes reservas. Primero la madurez: estos sistemas son muy lentos, minúsculos en capacidad, y los cultivos solo sobreviven unos meses; varios neurocientíficos de primer nivel juzgan prematura, e incluso abocada al fracaso, la idea de rivalizar así con el silicio.

El vértigo ético. La segunda reserva es más profunda (capítulo 23). El horizonte que algunos asumen es reemplazar algún día, para hacer IA, las neuronas artificiales (simples números en una matriz) por auténticas neuronas biológicas, mucho más sobrias en energía. Pero ese horizonte abre un abismo: a medida que estos cultivos crecieran, ¿podrían desarrollar una forma de conciencia, o incluso de sufrimiento? Hoy nadie sabe definir ni medir la conciencia de un sistema así, y es precisamente esa imprecisión la que inquieta (cuando se empleó la palabra «sintiencia» a propósito de Pong, decenas de investigadores publicaron una refutación). De ello se derivan tres preguntas concretas. El consentimiento, primero: estas neuronas provienen de células de donantes humanos, que no han aceptado necesariamente convertirse en un ordenador pensante. El estatus moral, después: si un cultivo así pudiera sentir algo, ¿tendríamos derecho a explotarlo y a apagarlo? Cortar la corriente de un servidor es anodino; desconectar un tejido cerebral potencialmente sensible ya no lo sería. El encuadre, por último: a falta de consenso científico, hay investigadores que reclaman desde ya salvaguardas inspiradas en los comités de ética de la investigación animal. En esta fase, la computación biológica es, pues, menos una alternativa creíble a los chips que un campo de investigación fascinante e incómodo, que conviene seguir con tanta prudencia como curiosidad.

• ASML (Países Bajos) ostenta un monopolio mundial sobre las máquinas de fotolitografía de ultravioleta extremo (EUV), las únicas capaces de grabar los circuitos más finos. Sin ASML, no hay chips de vanguardia.
• TSMC (Taiwán) fabrica alrededor del 90 % de los chips más avanzados del mundo (grabados a 3 nanómetros y más allá) y posee dos tercios del mercado mundial de la fundición. Su concentración geográfica en Taiwán la convierte en un punto neurálgico de la economía mundial.
• NVIDIA (Estados Unidos) diseña las GPU pero no las fabrica ella misma (modelo llamado «fabless»): confía su grabado a TSMC.

A escala mundial, la potencia dedicada a los centros de datos alcanzaría unos 132 GW en 2026, y se estima que en torno a 10 GW de nueva capacidad de cómputo de IA (es decir, de 13 a 15 millones de aceleradores) se añadirán solo en ese año.

La secuencia de 2025-2026 ilustra una partida de ajedrez agitada. Tras la derogación, en 2025, del marco reglamentario heredado de la administración anterior (que creó un periodo de menor control durante el cual cientos de miles de chips habrían transitado por terceros países), la administración estadounidense endureció las reglas a finales de mayo de 2026: toda venta de aceleradores avanzados (gamas Blackwell y Rubin de NVIDIA, MI350x de AMD) a una filial extranjera de una empresa china requiere ahora una licencia. En paralelo, el culebrón del chip H200 (autorizado, luego bloqueado tan pronto por Washington como por Pekín, que empuja hacia la autosuficiencia) llevó a NVIDIA a reasignar sus capacidades en TSMC hacia la nueva generación Vera Rubin. Más recientemente, a mediados de 2026, la presión estadounidense se trasladó más arriba en la cadena, sobre ASML misma, sospechosa para Washington de haber dejado llegar a China una máquina de vanguardia.

---

Para recordar (capítulo 8)

• La IA es ante todo una cuestión de cómputo: los modelos se entrenan en decenas de miles de GPU, y la inferencia (cada consulta) domina la factura a lo largo del tiempo.
• NVIDIA domina gracias a sus chips (generación Vera Rubin en 2026) y sobre todo a su software CUDA; Google (TPU), AMD y los gigantes de la nube desarrollan alternativas.
• La cadena de valor está ultraconcentrada: ASML (máquinas EUV, Países Bajos), TSMC (fabricación, Taiwán, ~90 % de los chips de vanguardia), NVIDIA (diseño, modelo «fabless»).
• Los megacentros de datos se cifran en gigavatios (Stargate 10 GW, Colossus, Hyperion); el capex mundial supera los 400 000 millones de dólares al año.
• Una pista de frontera consiste en colocar centros de datos en órbita (energía solar casi continua, enfriamiento por radiación): primeros demostradores en 2025 (una GPU H100 en órbita, el proyecto Suncatcher de Google), pero con obstáculos mayores (coste de lanzamiento, calor, radiaciones).
• Una pista aún más radical, la computación biológica (calcular con neuronas vivas, o «wetware»), se inspira en la eficiencia del cerebro (unos 20 W) pero sigue siendo lenta, minúscula y cargada de cuestiones éticas.
• La «guerra de los chips» sinoestadounidense, basada en una «estrategia de los puntos de estrangulamiento», fragmenta el mundo en dos bloques tecnológicos.

Frente a esta dependencia de unos pocos gigantes y de sus inmensos centros de datos, una alternativa cobra fuerza: hacer funcionar la IA en casa, con modelos abiertos. Es el objeto del capítulo 9.

---