En la conferencia Milken Global celebrada el 6 de mayo de 2026 en Beverly Hills, cinco directivos que cubren distintas capas de la cadena de suministro de la IA advirtieron que el crecimiento del sector está limitado por barreras físicas:
El 6 de mayo de 2026, durante la conferencia Milken Global en Beverly Hills, cinco directivos y fundadores cuyas empresas operan en distintos eslabones de la cadena de suministro de la inteligencia artificial se reunieron para explicar por qué el impulso del sector está encontrando límites físicos. En el diálogo se expusieron problemas concretos que afectan tanto a la oferta de infraestructura como a la disponibilidad de datos y a las decisiones de diseño algorítmico; los participantes coincidieron en que el avance de la IA no es solo una cuestión de software sino de recursos materiales y energéticos medibles y urgentes.
Los oradores congregados representaron empresas y roles que abarcan desde la maquinaria de fabricación hasta plataformas de nube, software de autonomía y nuevas aproximaciones científicas: Christophe Fouquet, consejero delegado de ASML; Francis deSouza, director de operaciones de Google Cloud; Qasar Younis, cofundador y consejero delegado de Applied Intuition; Dimitry Shevelenko, chief business officer de Perplexity; y Eve Bodnia, física cuántica y fundadora de Logical Intelligence. En la presentación se señaló que Applied Intuition fue descrita por los organizadores como una compañía de IA física valorada en 15.000 millones de dólares, y que ASML suministra las máquinas de litografía de ultravioleta extremo (EUV) necesarias para fabricar chips modernos.
Los ponentes señalaron cuellos de botella palpables en la producción de semiconductores. Fouquet habló de una “enorme aceleración” en la fabricación global de chips, pero advirtió que, pese a los esfuerzos de inversión, el mercado será "supply limited" durante los próximos dos, tres, quizá cinco años, lo que implica que los hiperescaladores no recibirán todas las unidades por las que pagan. Esa limitación temporal, dijo, no es un problema financiero menor: afecta la capacidad de desplegar nuevas generaciones de hardware y condiciona plazos de entrega y prioridades industriales a escala global.
La dimensión comercial y de demanda quedó ilustrada con cifras concretas aportadas por deSouza sobre Google Cloud: la unidad superó los 20.000 millones de dólares en ingresos en el último trimestre y registró un crecimiento del 63%. Además, señaló que la cartera comprometida de Google Cloud saltó de 250.000 millones a 460.000 millones de dólares en un solo trimestre. Según deSouza, ese volumen de demanda no solo tensiona la cadena de suministro de semiconductores, sino que obliga a soluciones de integración profunda entre hardware y software para maximizar el uso del cómputo disponible y atender contratos de gran escala.
Las limitaciones energéticas emergieron como una segunda restricción inmediata ligada a la proliferación de chips y centros de datos. DeSouza confirmó que Google estudia la posibilidad de centros de datos en órbita como respuesta para acceder a fuentes de energía diferentes y potencialmente más abundantes, pero advirtió sobre desafíos técnicos clave: en el espacio no existe convección, por lo que la disipación de calor se basa únicamente en la radiación, un mecanismo más lento y complejo que los sistemas de enfriamiento por aire o líquidos empleados en los centros terrestres actuales. Ese reto termodinámico convierte cualquier proyecto orbital en un esfuerzo de ingeniería de alto riesgo y coste.
Fouquet, por su parte, enfatizó el papel estratégico de ASML en la cadena de valor: las máquinas EUV que su empresa suministra son críticas para fabricar chips que sostienen los avances recientes en IA, y sin esas herramientas buena parte de la cadena se detendría. También destacó el coste energético y el capital necesarios para escalar la industria: la inversión que hoy se realiza responde a una necesidad estratégica, pero esa mayor demanda de computación conlleva un precio en consumo eléctrico y en estructura de gasto a largo plazo, lo que condiciona decisiones de ubicación y diseño de infraestructuras.
Para Qasar Younis, sin embargo, la limitación más decisiva no es el silicio sino los datos del mundo real. Applied Intuition construye sistemas de autonomía para coches, camiones, drones, equipos mineros y vehículos de defensa, y su argumento central fue que muchos datos útiles solo se obtienen enviando máquinas a operar en entornos físicos. “Hay que encontrarlo en el mundo real”, dijo, en referencia a escenarios, fallos y condiciones que la simulación sintética no reproduce completamente; por eso, sostuvo, la recolección de datos de campo y la instrumentación de vehículos reales siguen siendo indispensables para cerrar brechas de rendimiento y seguridad.
Eve Bodnia presentó una alternativa arquitectónica a los modelos de gran tamaño predominantes: los modelos basados en energía (EBM). Según ella, su mayor modelo alcanza 200 millones de parámetros, frente a los cientos de miles de millones que caracterizan a los grandes modelos de lenguaje, y ofrece ventajas de eficiencia y mantenimiento: corre miles de veces más rápido, puede actualizar su conocimiento conforme cambia la información y evita reentrenamientos completos costosos. Bodnia situó ese enfoque como una vía para reducir la dependencia de infraestructura masiva de entrenamiento y facilitar actualizaciones continuas sin repetir ciclos extensivos de consumo de energía y cómputo.
Los participantes esbozaron respuestas distintas pero complementarias a los cuellos de botella identificados: ampliar la capacidad de fabricación de chips, integrar verticalmente la pila de hardware y software para exprimir el cómputo disponible, priorizar la captura de datos físicos con vehículos y sensores reales, explorar posibilidades radicales como centros de datos orbitales para sortear limitaciones energéticas locales y experimentar con arquitecturas de IA alternativas como EBM.
Fuentes
Respuestas (0)
Aún no hay respuestas en este tema.
