La carrera global por los centros de datos de IA: ¿Se avecina una gran burbuja? El secreto mejor guardado de las verdaderas tasas de utilización de los gigantes de la IA: una imagen creativa sobre el tema, con IA: Xpert.Digital
Las gigafábricas estadounidenses frente a los chips secretos de China: la nueva carrera geopolítica por el poder de la IA
Alquilar en lugar de construir: Por qué Anthropic, el ganador secreto en IA, no posee sus propios centros de datos
Para 2026, el campo de batalla decisivo de la inteligencia artificial habrá cambiado drásticamente. Ya no se trata solo de qué modelo de lenguaje genera los textos más inteligentes, diseña las imágenes más creativas o escribe el código más libre de errores. La verdadera y mucho más implacable carrera se libra ahora en el mundo físico: en forma de gigantescos centros de datos, capacidad energética limitada y billones de dólares en inversiones en infraestructura. Gigantes tecnológicos como Microsoft, Google y Meta, así como empresas chinas emergentes, están invirtiendo sumas inimaginables en la construcción de las llamadas "gigafábricas de IA". El volumen de inversión global supera ahora la producción económica de naciones enteras. Pero tras bambalinas de esta batalla sin precedentes por los recursos, están surgiendo graves problemas estructurales. Mientras que las startups como Anthropic se ven obligadas a depender de modelos de alquiler flexibles, se está haciendo evidente un importante cuello de botella a nivel mundial, que no proviene principalmente de los tan publicitados chips de IA, sino del problema cotidiano del suministro eléctrico, los elevados costos de refrigeración y la falta de conexiones de red. En esta lucha titánica entre Estados Unidos y China, Europa corre el riesgo de quedarse definitivamente rezagada debido a las estrictas regulaciones y la escasez de capital. Sin embargo, la pregunta más acuciante es: ¿Es aquí donde se está construyendo la base física indispensable de la futura economía global, o se está inflando ante nuestros propios ojos la mayor y más costosa burbuja de inversión de nuestra década?
Relacionado con esto:
Cuando la capacidad de procesamiento se vuelve más importante que el propio modelo
Cualquiera que siga las noticias sobre inteligencia artificial en el verano de 2026 se da cuenta rápidamente de que la verdadera competencia ha cambiado radicalmente. El poder de mercado ya no se determina únicamente por qué modelo de lenguaje ofrece las respuestas más inteligentes, sino por la simple disponibilidad física de potencia informática, electricidad y capacidad de refrigeración. Los anuncios de OpenAI, Anthropic, Google, xAI, Meta y un número creciente de proveedores chinos como Alibaba, DeepSeek, Moonshot y Z.ai ahora se asemejan menos a lanzamientos de productos y más a informes de construcción de la industria pesada. Las cifras de gigavatios, los plazos de entrega de transformadores y las aplicaciones de conexión a la red se han convertido en las verdaderas métricas de la carrera por la IA, mientras que los propios modelos, por muy potentes que sean, aparecen cada vez más como software intercambiable sobre una base física escasa y costosa. Este cambio es económicamente significativo porque está reconfigurando el equilibrio de poder en todo el sector tecnológico y acaparando capital a una escala impensable hace tan solo unos años.
Por qué la capacidad ya no se puede medir en unidades
Un problema metodológico fundamental dificulta cualquier análisis serio de este campo. Quien intente determinar el número de "centros de datos de IA" por proveedor o modelo se topa rápidamente con una limitación que ni siquiera observadores de mercado especializados como Epoch AI o el Índice de Centros de Datos de IA pueden resolver. La razón reside en la naturaleza misma de la infraestructura. Un único centro de datos suele cumplir múltiples funciones simultáneamente, soportando cargas de entrenamiento para un modelo y cargas de inferencia para otro, siendo operado por un proveedor de hiperescala pero parcialmente arrendado a un competidor, y cambiando su asignación a medida que se firman nuevos contratos. Anthropic, por ejemplo, prácticamente no posee centros de entrenamiento propios, sino que arrienda capacidad de Amazon mediante sus chips Trainium, de Google mediante compromisos TPU a escala de gigavatios, de Microsoft, de proveedores especializados de neocloud como CoreWeave, Fluidstack y Nscale, e incluso de su competidor directo xAI, cuyo clúster Colossus en Memphis asigna capacidad a múltiples clientes simultáneamente. Es imposible determinar con exactitud cuántos centros de datos propios opera Anthropic, ya que su modelo de negocio se basa en el arrendamiento, no en la propiedad. Esta falta de claridad es común en prácticamente todo el sector y deja claro que las afirmaciones fiables deben basarse en cifras de megavatios y gigavatios, ubicaciones específicas y acuerdos contractuales documentados, no en cifras supuestamente precisas.
La dimensión de billones de dólares de la apuesta por infraestructura
La magnitud de la inversión que fluye hacia este sector ya no se puede comprender utilizando las categorías tradicionales de finanzas corporativas. Los analistas de mercado anticipan un volumen de inversión acumulado por parte de los principales proveedores de servicios en la nube en 2026 que oscila entre 630.000 y 830.000 millones de dólares. Si bien las cifras exactas varían según la metodología, todas las estimaciones comparten un mensaje subyacente común: esto representa un aumento de aproximadamente el 60 % en comparación con el año anterior. Goldman Sachs sitúa el gasto acumulado para el período comprendido entre 2026 y 2031 en alrededor de 7,6 billones de dólares, mientras que McKinsey había proyectado previamente una inversión necesaria de aproximadamente 5,2 billones de dólares para 2030 solo para centros de datos habilitados para IA. Estas sumas superan la producción económica de las naciones industrializadas de tamaño medio y plantean la cuestión fundamental de si los rendimientos esperados de los servicios de IA pueden justificar alguna vez este desembolso de capital. Amazon planea invertir alrededor de 220 mil millones de dólares en gastos de capital este año, Alphabet entre 180 y 200 mil millones, Microsoft entre 175 y 190 mil millones, y Meta entre 125 y 145 mil millones. Junto con Oracle, cuyas inversiones ascienden a entre 50 y 56 mil millones de dólares, esto dibuja un panorama en el que cinco empresas están financiando de hecho la base física global de la revolución de la IA, mientras que proveedores más pequeños como OpenAI y Anthropic siguen dependiendo de su infraestructura o de arrendadores especializados.
Las gigafábricas estadounidenses como declaración geopolítica
La materialización de esta ola de inversiones se hace más evidente en Estados Unidos, donde el proyecto Stargate de OpenAI, Oracle y SoftBank está creando una red de centros de datos. Su anuncio inicial de diez gigavatios y 500 mil millones de dólares ha resultado ser considerablemente más complejo en la práctica. El centro de Abilene, Texas, ya está operativo, mientras que otros en Michigan, Wisconsin, Ohio y Nuevo México se encuentran en construcción o en fase de planificación. Los analistas estiman que la capacidad planificada en Estados Unidos, actualmente realista, se sitúa en el rango de los pocos gigavatios de un solo dígito, significativamente por debajo del anuncio original. Paralelamente, Microsoft lanzó su propio clúster, diseñado como una única supercomputadora y basado en la arquitectura GB200, en su campus de Fairwater, Wisconsin, en junio de 2026, lo que subraya la independencia de la compañía respecto a relaciones con clientes individuales como su asociación con OpenAI. xAI, por su parte, ha construido una capacidad de alrededor de un gigavatio con su complejo Colossus en Memphis y Southaven, edificando varios edificios. La empresa no utiliza las instalaciones exclusivamente para sus propias pruebas de Grok, sino que también alquila capacidad de procesamiento a competidores como Anthropic y Google, lo que evidencia la estrecha interdependencia económica incluso entre laboratorios aparentemente rivales. Meta aumentó la capacidad prevista para su proyecto Hyperion en Luisiana a cinco gigavatios y un volumen de inversión de más de 50.000 millones de dólares en julio de 2026, aunque no se prevé que las primeras fases de expansión entren en vigor antes de 2028. Este desfase temporal es habitual en todo el sector, donde los anuncios suelen producirse años antes de la puesta en marcha real, y los inversores confían en la promesa de una capacidad futura.
La ruta paralela de China a través de chips nacionales
Mientras que el desarrollo estadounidense depende en gran medida del hardware de Nvidia, China está siguiendo un camino deliberadamente diferente, inicialmente forzado por las restricciones a la exportación de EE. UU., pero que desde entonces ha evolucionado hasta convertirse en una estrategia de política industrial independiente. Según informes de Bloomberg, Z.ai, antes conocida como Zhipu, lanzó parcialmente un campus de centro de datos de un gigavatio en julio de 2026, que opera exclusivamente con chips chinos, aunque su ubicación exacta permanece sin revelar. La compañía afirma que el modelo GLM-5.3-Flash entrenado allí se ejecutará en más de 100.000 chips de producción nacional para la inferencia, una cifra que aún no ha sido verificada de forma independiente. DeepSeek anunció en julio de 2026 planes para construir su propio centro de datos de un gigavatio en Ulanqab, Mongolia Interior, con una operación parcial prevista para finales de 2027 o principios de 2028, lo que pone de manifiesto su retraso con respecto a los proyectos estadounidenses. Moonshot AI, la empresa detrás de los modelos Kimi, optó por un enfoque más pragmático, firmando un contrato de arrendamiento con Alibaba Cloud en el verano de 2026 para aproximadamente 20.000 procesadores gráficos Nvidia. Esto demuestra que incluso los proveedores chinos, a pesar de las tensiones políticas, siguen accediendo a hardware occidental si encuentran una solución legal o logística. Los informes de investigación que afirman que Moonshot obtuvo acceso a la última generación de chips Blackwell de Nvidia a través de terceros países del sudeste asiático, en particular Tailandia, siguen siendo acusaciones sin confirmar, sin respaldo de pruebas fiables de la cadena de suministro ni declaraciones oficiales de las empresas involucradas. Alibaba opera actualmente 105 zonas de disponibilidad en 32 regiones del mundo y ha destinado 53.000 millones de dólares a la expansión de su infraestructura en la nube. El centro de supercomputación de Ulanqab es uno de los cinco denominados supercentros de datos y se utiliza tanto para su propio modelo Qwen como para clientes externos como Moonshot. Un ejemplo más concreto de esta escala es el supernodo Lingjun Zhenwu M890 en Ulanqab, que se lanzó comercialmente en agosto de 2026. Su arquitectura subyacente HPN 8.0 aumenta la escalabilidad de la interconexión de 16 a 64 GPU por nodo con un ancho de banda de 800 gigabytes por segundo, lo que teóricamente permite clústeres con hasta 130 000 GPU heterogéneas y el potencial de expansión a una red de malla con millones de mapas. Esto cualifica la instalación para entrenar e inferir modelos con hasta diez billones de parámetros. Por otro lado, el competidor chino Z.ai depende exclusivamente de aceleradores de producción nacional de Huawei, Cambricon y Moore Threads en su campus de gigavatios, que ha estado parcialmente operativo desde julio de 2026. Esto se debe a que la empresa ha estado en la lista de control de exportaciones de EE. UU. desde principios de 2025 y, por lo tanto, está completamente aislada del acceso al hardware de Nvidia. Según se informa, cada clúster individual en la instalación consta de más de 10.000 chips. Sin embargo, DeepSeek aún no ha tomado una decisión y se encuentra en una situación políticamente controvertida con respecto a la combinación de chips para su sitio planificado en Ulanqab. Esto se debe a la afirmación de un representante del gobierno estadounidense en febrero de 2026 de que la compañía había utilizado ilícitamente chips Nvidia Blackwell en una instalación en Mongolia Interior, una acusación que DeepSeek niega y que no se puede verificar de forma independiente. Como estimación aproximada del costo para un centro de datos de gigavatios con tecnología de aceleradores de última generación, el CEO de Nvidia, Jensen Huang, citó una cifra de aproximadamente 50 mil millones de dólares, una regla general que, sin embargo, no se basa en una cantidad de inversión específica confirmada por la propia DeepSeek. Un indicador indirecto interesante de la rentabilidad relativa de la infraestructura china lo proporcionan los precios de las API de los respectivos modelos: mientras que GLM 4.7 Flash de Z.ai, a unos 0,06 dólares por millón de tokens de entrada, y DeepSeek V4 Flash, a unos 0,09 dólares, se encuentran entre las ofertas más económicas del mercado, el código Kimi K2.7 de Moonshot, a unos 0,74 dólares, es significativamente más caro. Esto puede atribuirse en parte a la dependencia de GPU Nvidia arrendadas, ya que Moonshot no posee ninguna instalación propia a gran escala, sino que, según sus propias declaraciones, ha arrendado alrededor de 20 000 GPU a Alibaba Cloud.
El intento de Europa de lograr una posición independiente
La Unión Europea se encuentra en una posición estructuralmente más débil en esta carrera global, debido tanto a la menor solidez financiera de sus empresas tecnológicas nacionales como a una marcada reticencia regulatoria. La empresa francesa Mistral AI opera actualmente un centro cerca de París, mientras que un segundo centro en Suecia está en construcción, con el objetivo declarado de alcanzar una capacidad de 200 megavatios para 2027 y un gigavatio para 2030. Cabe destacar que, en julio de 2026, Microsoft firmó un contrato de arrendamiento plurianual para la capacidad de Mistral en Europa. Si bien no se reveló el monto exacto, Reuters informa que asciende a decenas de miles de millones de euros. Este acuerdo arroja luz sobre los límites de la pretensión de soberanía de Europa, ya que un inquilino clave de la supuesta infraestructura europea de IA no es otro que el gigante tecnológico estadounidense, cuyos procesadores gráficos todavía se fabrican mayoritariamente en Estados Unidos. En respuesta a esta dependencia estructural, la Comisión Europea puso en marcha en julio de 2026 un proceso para establecer siete denominadas gigafábricas de IA, para las que se han destinado aproximadamente 30.000 millones de euros en financiación pública y privada. Sin embargo, este proyecto se encuentra actualmente en la fase de creación de consorcios y aún no ha generado capacidad operativa. Al mismo tiempo, el marco regulatorio para los nuevos centros de datos en Europa se está volviendo cada vez más estricto, como demuestra el ejemplo de España, donde en agosto de 2026 se presentó un proyecto de ley que exigiría a las nuevas instalaciones con una capacidad superior a un megavatio demostrar que generan al menos un 80 % de electricidad renovable adicional por hora. Estos requisitos incrementan significativamente los costes de ubicación dentro de la Unión Europea y podrían provocar que una proporción cada vez mayor de la capacidad global de entrenamiento de IA se ubique permanentemente fuera del continente.
Una nueva dimensión de la transformación digital con 'IA Gestionada' (Inteligencia Artificial) - Plataforma y solución B2B | Xpert Consulting
Una nueva dimensión de la transformación digital con 'IA Gestionada' (Inteligencia Artificial) – Plataforma y solución B2B | Xpert Consulting - Imagen: Xpert.Digital
Aquí aprenderá cómo su empresa puede implementar soluciones de IA personalizadas de forma rápida, segura y sin grandes barreras de entrada.
Una plataforma de IA gestionada es su solución integral y sin preocupaciones para la inteligencia artificial. En lugar de lidiar con tecnología compleja, infraestructura costosa y largos procesos de desarrollo, recibirá una solución lista para usar y adaptada a sus necesidades de un socio especializado, a menudo en tan solo unos días.
Las principales ventajas de un vistazo:
⚡ Implementación rápida: De la idea a la aplicación lista para usar en días, no meses. Ofrecemos soluciones prácticas que generan valor añadido inmediato.
🔒 Máxima seguridad de datos: Tus datos confidenciales permanecen contigo. Garantizamos un procesamiento seguro y conforme a la normativa sin compartirlos con terceros.
💸 Sin riesgo financiero: Solo pagas por resultados. Se eliminan por completo las altas inversiones iniciales en hardware, software y personal.
🎯 Concéntrese en su negocio principal: Concéntrese en lo que mejor sabe hacer. Nos encargamos de toda la implementación técnica, la operación y el mantenimiento de su solución de IA.
📈 A prueba de futuro y escalable: Tu IA crece contigo. Garantizamos la optimización y la escalabilidad continuas, y adaptamos los modelos con flexibilidad a las nuevas necesidades.
Más información aquí:
Entre miles de millones en inversiones y exceso de capacidad: la nueva realidad de la infraestructura de IA
La electricidad como el verdadero cuello de botella de la década
Quienes reducen el debate público sobre la infraestructura de IA únicamente a las unidades de procesamiento gráfico (GPU) malinterpretan la verdadera dinámica del sector. Numerosos expertos y analistas señalan ahora que el factor limitante decisivo no es la disponibilidad de chips, sino la disponibilidad de electricidad y la infraestructura de red asociada. En junio de 2026, la autoridad reguladora estadounidense FERC emitió directivas destinadas a agilizar la conexión de las llamadas grandes cargas a la red eléctrica, lo que supone un reconocimiento directo de que los procesos de aprobación de conexión a la red existentes ya no son adecuados para los planes de expansión de los operadores de centros de datos. Simultáneamente, en julio de 2026, la Casa Blanca amplió el Compromiso de Protección del Consumidor, un compromiso político de los operadores de centros de datos para no trasladar los costes adicionales de la red generados por sus instalaciones a los clientes residenciales de electricidad. Esta medida política surgió como respuesta directa a la creciente resistencia pública al aumento de los precios de la electricidad en regiones con alta densidad de centros de datos y demuestra que la expansión de la infraestructura de IA se ha convertido desde hace tiempo en un tema políticamente sensible. El ejemplo de xAI, que recurrió temporalmente a turbinas de gas móviles en Memphis para garantizar el suministro eléctrico de sus instalaciones sin tener que esperar una conexión a la red convencional, ilustra la intensa presión temporal que se ha generado en la carrera por la capacidad de computación. Los analistas del centro de estudios BloombergNEF estiman que la capacidad global de centros de datos en construcción supera actualmente los 23 gigavatios, mientras que el volumen de inversión de los mayores operadores se acerca a los 750.000 millones de dólares en 2026. Estas cifras dejan claro que el verdadero cuello de botella en los próximos años no reside en la industria de los semiconductores, sino en el sector energético y sus procesos de obtención de permisos, incluidos los plazos de entrega de transformadores y otros componentes críticos de la red, que ahora pueden extenderse durante varios años.
Relacionado con esto:
El misterio que rodea el uso real de la capacidad
Una dimensión del debate que a menudo se pasa por alto se refiere a la utilización real de la capacidad construida en relación con la carga nominal conectada. Las cifras de gigavatios que circulan en los informes públicos generalmente describen la capacidad máxima instalada de un sitio, pero dicen poco sobre cuánta de esta capacidad se utiliza realmente para entrenamiento productivo o ejecuciones de inferencia y cuánta permanece sin usar como reserva o debido a cuellos de botella técnicos. Esta distinción es económicamente significativa porque impacta directamente en el retorno de la inversión real de estos proyectos multimillonarios. Un centro de datos que formalmente tiene un gigavatio de carga conectada pero que solo se utiliza en un 60 o 70 por ciento debido a problemas de refrigeración, optimización de software o simplemente falta de demanda, naturalmente generará un retorno significativamente menor que el sugerido en las presentaciones para inversores. Los datos fiables y verificados de forma independiente sobre la utilización real de sitios individuales son prácticamente inexistentes, ya que los operadores no divulgan esta información por razones de competencia. Esta falta de transparencia no solo dificulta la evaluación externa de las decisiones de inversión, sino que también alimenta el creciente escepticismo de algunos observadores del mercado que ven indicios de una reacción especulativa excesiva en los flujos de capital actuales, comparables a fases anteriores de inversión excesiva en infraestructura en la industria de las telecomunicaciones a principios de la década de 2000.
Anthropic como ejemplo paradigmático del enfoque de bajos activos
Para comprender la lógica económica de este sector, resulta particularmente revelador el caso de Anthropic, cuyo modelo de negocio se basa deliberadamente en una mínima propiedad física y una máxima flexibilidad contractual. En agosto de 2026, la empresa firmó un contrato con el proveedor británico de neocloud Nscale para obtener 460 megavatios de capacidad en Virginia Occidental, cuyo valor total, según informes de Bloomberg, se espera que alcance los 45.000 millones de dólares en un plazo de seis años. Al mismo tiempo, Anthropic mantiene acuerdos de capacidad paralelos con Amazon, cuyos chips Trainium de desarrollo propio se están convirtiendo cada vez más en una alternativa al hardware de Nvidia; con Google, cuyos compromisos de TPU también se sitúan en el rango de los gigavatios; y con otros proveedores especializados como Fluidstack e incluso con su propio competidor xAI, cuya instalación Colossus alquila capacidad a múltiples clientes simultáneamente. Esta estrategia permite a Anthropic financiar su crecimiento sin las enormes inversiones iniciales que empresas como Meta u OpenAI deben afrontar por su cuenta, pero al mismo tiempo traslada un riesgo significativo al arrendador y hace que la empresa dependa estructuralmente del poder de negociación y las decisiones de capacidad de terceros. Desde una perspectiva económica, este enfoque representa una apuesta a que los costes de la capacidad informática alquilada no aumentarán más rápido que los ingresos propios de la empresa a largo plazo; una suposición que dista mucho de ser cierta dada la actual escasez de chips de alto rendimiento y capacidad energética.
Descripción general del tamaño de los centros de datos de IA más importantes
Si bien, como se explicó anteriormente, no se puede especificar un número exacto y universalmente aceptado de centros de datos de IA por proveedor de modelos, existen aproximaciones fiables sobre el rendimiento, el volumen de inversión y el inventario de chips para los clústeres más grandes. Estas están documentadas por plataformas especializadas como Epoch AI y el Índice de Centros de Datos de IA, así como por datos de empresas y documentos regulatorios. El siguiente resumen presenta el orden de magnitud de las ubicaciones más importantes, distinguiendo siempre entre la capacidad operativa actual y la capacidad final proyectada.
| Operador / Modelo | Planta(s) central(es) | Rendimiento actual | Capacidad final prevista | Número de fichas (aproximadamente) | Volumen de inversión |
|---|---|---|---|---|---|
| Google / Géminis, Gemma | 44 ubicaciones rastreadas en 26 países | Aproximadamente 9,0 GW de capacidad total monitorizada, de los cuales aproximadamente el 75 por ciento está operativo | Está creciendo continuamente; no se ha fijado una fecha de finalización concreta | Dominado por TPU, incluyendo alrededor de 1 millón de TPU de Ironwood solo para el acuerdo con Anthropic | Las inversiones individuales por ubicación suelen oscilar entre los 12 y los 17 mil millones de dólares estadounidenses; por ejemplo, las oficinas de Google en New Albany representan alrededor de 17.200 millones de dólares estadounidenses |
| xAI / Grok | Colossus 1-3, Menfis y Southaven | Aproximadamente entre 1,0 y 1,4 GW de capacidad de TI; la cifra exacta varía según la fuente | aproximadamente 2 GW objetivo | Entre 555.000 y aproximadamente 1,02 millones de GPU, dependiendo de la fecha del recuento, predominantemente Nvidia GB200/GB300 | Aproximadamente entre 18.000 y 38.000 millones de dólares estadounidenses solo para hardware; según Epoch, los costes totales de capital ascienden actualmente a 35.800 millones de dólares estadounidenses, y se prevé que alcancen los 58.000 millones de dólares estadounidenses |
| Familia OpenAI/GPT (Stargate) | Abilene (Texas) y otras siete u ocho ubicaciones en Estados Unidos, además de los Emiratos Árabes Unidos | Aproximadamente 1,2 GW están operativos en la planta principal de Abilene, con un total de aproximadamente 7 GW en fase de planificación o construcción | El programa original tenía como objetivo una potencia nominal de 10 GW, aunque en realidad se prevé que alcance los 7 GW a finales de la década de 2020 | No se dispone públicamente del número total de chips; cada establecimiento cuenta con cientos de miles de chips equivalentes al H100 | Se han comprometido nominalmente 500.000 millones de dólares a lo largo de cuatro años, más un contrato de 300.000 millones de dólares con Oracle Cloud, lo que suma un total de más de 1,4 billones de dólares en compromisos nominales |
| Meta / Llama | Hiperión (Luisiana), Prometeo (Ohio) | Hyperion se encuentra actualmente en construcción, ninguna fase está completamente operativa, y está previsto que Prometheus entre en funcionamiento en 2026 | Hyperion alcanzará una potencia de 5 GW aproximadamente entre 2030 y 2032, con un paso intermedio de 1,5 GW para finales de 2027 | Se prevé que Hyperion cuente con aproximadamente 4,25 millones de equivalentes de H100 para 2028, con más de 1,3 millones de GPU en la imagen objetivo | Los costes de Hyperion aumentaron de unos 10.000 millones de dólares iniciales a más de 50.000 millones, y otras estimaciones alcanzan los 200.000 millones de dólares, incluyendo la infraestructura energética |
| Antrópico / Claude | No tiene campus propios, capacidad en Google (TPU), Amazon, Nscale, xAI, etc. | Ya se ha comprometido aproximadamente 1 GW de capacidad de TPU para 2026, con una expansión a entre 3,5 y 5 GW a partir de 2027 | Hasta 5 GW de capacidad de TPU según el acuerdo de Google a partir de abril de 2026 | hasta 1 millón de TPU (acuerdo con Google) | La inversión de Google en Anthropic asciende a 40.000 millones de dólares estadounidenses, con un contrato adicional de Nscale por aproximadamente 45.000 millones de dólares estadounidenses a lo largo de seis años para una capacidad de 460 MW |
| Microsoft / Phi (estructura troncal de Azure) | Fairwater, Wisconsin; Fairwater, Atlanta; y otras ubicaciones de Azure | La planta de Fairwater, Wisconsin, está operativa desde junio de 2026 y tiene una capacidad aproximada de 446.000 unidades equivalentes H100, según Epoch | Continúa creciendo con la expansión general de Azure | varios cientos de miles de GPU por ubicación | Gastos de capital a nivel de grupo de aproximadamente 175 a 190 mil millones de dólares estadounidenses solo para 2026 |
| Z.ai (familia GLM) | Un campus de gigavatios, cuya ubicación no se conoce públicamente | Aproximadamente 1 GW, parcialmente operativo desde julio de 2026, varios clústeres con más de 10.000 chips cada uno | no hay etapa de expansión publicada | Solo utiliza aceleradores chinos (Huawei Ascend, Cambricon, Moore Threads), sin hardware de Nvidia, ya que Z.ai figura en la lista de entidades estadounidenses desde principios de 2025 | No se ha especificado un monto de inversión oficial; los precios de la API, indirectamente favorables (GLM 4.7 Flash, alrededor de US$0,06 por millón de tokens de entrada), sirven como indicador de eficiencia |
| Búsqueda profunda | Campus proyectado en Ulanqab, Mongolia Interior | Aún en construcción, no se espera que entre en funcionamiento parcial hasta finales de 2027 o principios de 2028 | Capacidad objetivo de 1 GW | DeepSeek niega las controvertidas acusaciones estadounidenses sobre el uso ilegal de chips Nvidia Blackwell, que aún no se han determinado | No hay cifras confirmadas, pero según el director ejecutivo de Nvidia, una regla general aproximada en la industria es de unos 50.000 millones de dólares estadounidenses por gigavatio para hardware de gama alta |
| Alibaba / Qwen (incluyendo a Kimi como co-usuario) | Super DC Ulanqab con supernodo Lingjun Zhenwu M890 | Disponible comercialmente desde agosto de 2026, forma parte de cinco supercentros de datos de Alibaba en todo el país | La arquitectura HPN 8.0 es teóricamente escalable a hasta 130.000 GPU heterogéneas por clúster, y se ha anunciado la expansión de la malla al nivel de un millón de tarjetas | Escalabilidad de interconexión de 16 a 64 GPU por nodo, ancho de banda de 800 GB/s, adecuado para modelos con hasta 10 billones de parámetros | Forma parte del compromiso de inversión de 53.000 millones de dólares de toda la empresa para infraestructura en la nube; no se ha publicado ninguna cifra específica para cada campus |
| Inteligencia Artificial de alto impacto / Kimi | No se conoce que posea una planta a gran escala propia; capacidad de arrendamiento disponible en Alibaba Cloud | alrededor de 20.000 GPU Nvidia arrendadas | No hay plan de expansión publicado | Recomendación para el funcionamiento autónomo de Kimi K3: al menos 64 aceleradores y aproximadamente 1,6 terabytes de memoria GPU agregada por clúster de inferencia | No se conoce el monto de la inversión; los precios de la API son significativamente más altos que los de la competencia (el código Kimi K2.7 cuesta alrededor de US$0,74 por millón de tokens de entrada) |
Se recomienda precaución al interpretar estas cifras, ya que prácticamente todas las especificaciones relativas al rendimiento o la capacidad se cuantifican de forma diferente según la fuente. El ejemplo de Colossus ilustra claramente esta situación, donde los informes varían entre 300 000 y más de un millón de procesadores gráficos, y entre 500 megavatios y 1,4 gigavatios, dependiendo del tiempo y el método de conteo. Epoch AI, uno de los rastreadores con mayor transparencia metodológica, llega a una capacidad total de TI de aproximadamente 13,3 gigavatios y unos 14,6 millones de equivalentes H100 para su conjunto de datos completo de 86 centros de datos de IA en todo el mundo, distribuidos entre 18 propietarios diferentes. Como regla general para la intensidad de capital, Epoch AI calcula una inversión típica de entre 30 000 y 44 000 millones de dólares estadounidenses por gigavatio de capacidad de servidor, la mayor parte de la cual se destina al hardware propiamente dicho, y el resto cubre edificios, refrigeración y conectividad de red. Esta cifra ilustra por qué una sola planta de un gigavatio ya alcanza un volumen de inversión que supera el total del balance de grupos industriales medianos, y por qué la carrera por la capacidad informática se concentra cada vez más en unos pocos actores financieramente sólidos que tienen el acceso necesario al capital.
La regulación como segundo frente de competencia
Junto con la infraestructura física, la regulación se está convirtiendo cada vez más en un factor competitivo independiente, que influye significativamente en las decisiones estratégicas de los proveedores. En Estados Unidos, OpenAI lanzó inicialmente su modelo GPT-5.6 en las variantes Sol, Terra y Luna como una versión preliminar estrictamente limitada en junio de 2026, tras consultar con el gobierno estadounidense; una medida sin precedentes que demuestra la relación cada vez más estrecha entre los principales laboratorios de IA estadounidenses y los líderes políticos. Esta participación gubernamental en las decisiones de aprobación de productos comerciales de IA marca una clara ruptura con la práctica anterior de lanzamientos de modelos relativamente abiertos y puede interpretarse como una respuesta a las preocupaciones de seguridad relacionadas con las capacidades de los sistemas cada vez más potentes. En la Unión Europea, el llamado Paquete Ómnibus de IA entró en vigor en julio de 2026. Si bien pospone los plazos para el cumplimiento de regulaciones más estrictas para sistemas de IA de alto riesgo, deja sin cambios la arquitectura regulatoria fundamental de la legislación sobre IA. Este retraso es bien recibido por la industria, ya que proporciona tiempo adicional para la adaptación, pero criticado por las organizaciones de protección al consumidor porque pospone aún más la aplicación efectiva de importantes regulaciones de seguridad. Además, en agosto de 2026, el gobierno estadounidense emitió una orden ejecutiva relativa a los equipos de red extranjeros, cuya consecuencia práctica podría ser que los ya prolongados plazos de entrega de transformadores y otros componentes críticos de la red aumenten aún más, lo que a su vez probablemente ralentizará la expansión de la capacidad de nuevos centros de datos en Estados Unidos.
Los límites de la información disponible públicamente
A pesar del meticuloso detalle de los informes, cabe señalar que una parte significativa de las cifras públicas sobre centros de datos de IA se basa en fuentes anónimas, comunicados de empresas o sistemas de seguimiento con metodologías diversas, cuya composición no permite una comparación sencilla. El número exacto de edificios en el centro Colossus de xAI, la cantidad precisa de procesadores gráficos y si la instalación ha alcanzado realmente los dos gigavatios o una capacidad significativamente mayor se cuantifican de forma diferente según la fuente, sin posibilidad de verificación independiente. Lo mismo ocurre con la ubicación exacta del campus de gigavatios de Z.ai en China, cuya existencia ha sido reportada por varios medios de comunicación, pero cuya ubicación geográfica aún no se ha confirmado públicamente. Del mismo modo, la infraestructura de capacitación de proveedores más pequeños, pero comercialmente relevantes, como MiniMax de Shanghái, cuyas cifras financieras muestran un fuerte crecimiento de los ingresos junto con elevadas pérdidas y gastos en investigación, permanece fuera del alcance de cualquier evaluación pública fiable, ya que la empresa no divulga sus recursos de centros de datos. Esta sistemática falta de transparencia no es una coincidencia, sino que responde a la lógica competitiva de una industria en la que la propia infraestructura física se ha convertido en un secreto estratégico, comparable al secretismo que rodea las capacidades de producción industrial en otras industrias de alta tecnología.
Qué significa este desarrollo para los próximos años
Una revisión exhaustiva de la información disponible sugiere una evaluación matizada pero claramente justificable. El actual auge de la construcción de centros de datos de IA representa, sin duda, una de las mayores oleadas de inversión industrial de la historia económica reciente, superando en magnitud, en términos absolutos, las inversiones de ciclos tecnológicos anteriores, como la expansión de las redes de fibra óptica a finales de la década de 1990 o la electrificación de regiones enteras a principios del siglo XX. Al mismo tiempo, un análisis más detallado revela que una parte significativa de las cifras de capacidad comunicadas públicamente son más anuncios que datos reales, que la utilización real de las instalaciones construidas permanece oculta y que el verdadero factor limitante ya no es la disponibilidad de semiconductores, sino la disponibilidad de energía eléctrica y la capacidad de conexión a la red. Para Europa, este desarrollo supone un reto estructural, ya que el continente carece tanto de los recursos de capital de los hiperescaladores estadounidenses como del poder de inversión estatal de los proveedores chinos, al tiempo que acepta desventajas competitivas adicionales debido a regulaciones ambientales y energéticas más estrictas. Queda por ver si las enormes sumas de inversión previstas para los próximos años se justificarán con los correspondientes retornos económicos derivados de las aplicaciones de IA. La respuesta dependerá en gran medida de si la infraestructura construida se utiliza realmente de forma productiva o si algunas partes resultan ser capacidad excedente, cuya depreciación económica probablemente supondrá una carga para las empresas implicadas durante los próximos años.
📈🚀 De la visibilidad a la confianza 👀🤝 Tu camino escalable con Xpert.Digital
De la visibilidad a la confianza: Su camino escalable con Xpert.Digital - Imagen: Xpert.Digital
En el sector B2B industrial, las relaciones comerciales sostenibles rara vez surgen de la noche a la mañana. Se desarrollan paso a paso, a través de la visibilidad, la relevancia profesional, los puntos de contacto recurrentes y la creciente confianza. El modelo de 4 etapas de Xpert.Digital aborda precisamente esto: ofrece un camino estructurado que comienza con un punto de entrada manejable y puede evolucionar hacia una colaboración más profunda en el desarrollo de negocios si es necesario.
En lugar de basarse en promesas publicitarias grandilocuentes, este modelo prioriza la relación con el cliente. Las empresas comienzan con indicadores claros y fáciles de calcular, y luego deciden, según su propia experiencia, hasta dónde quieren ampliar la colaboración. Un factor clave para este proceso de construcción de confianza sin interrupciones: la plataforma evita por completo la publicidad molesta, por lo que el enfoque editorial se centra exclusivamente en la experiencia de las empresas.
Más información aquí:
Su socio global de marketing y desarrollo empresarial
☑️ Nuestro idioma comercial es el inglés o el alemán
☑️ NUEVO: ¡Correspondencia en tu idioma nativo!
Konrad Wolfenstein
Mi equipo y yo estaremos encantados de estar disponibles para usted como su asesor personal.
Puedes contactarme rellenando el formulario de contacto aquí wolfenstein@xpert.digital:o simplemente llamándome al +49 7348 4088 965. Mi dirección de correo electrónico es
Espero con ilusión nuestro proyecto conjunto.
