Quien controle gigavatios, HBM y silicio avanzado liderará la IA en 2031

La obsesión por los parámetros y las leyes de escalado ha distraído a la industria de una verdad incómoda: la inteligencia artificial ya no choca contra límites algorítmicos, sino contra la termodinámica y la cadena de suministro. La proyección de la Agencia Internacional de la Energía es taxativa: el consumo de los centros de datos se duplicará hacia 2030, superando los 900 teravatios-hora. Detrás de esa cifra late un trilema indivisible —electricidad firme, semiconductores de vanguardia y memoria de alto ancho de banda— donde cada cuello de botella amplifica a los otros dos.

La pared de la memoria: mover datos cuesta más que pensar

El cuello de botella más profundo no es aritmético, es físico. Acceder a la DRAM fuera del chip consume tres órdenes de magnitud más energía que una operación de coma flotante dentro del silicio. En la práctica, las GPU pasan ciclos ociosas esperando que la caché de claves y valores (KV cache) viaje por el bus de memoria. Mientras la industria comprime esa caché con atención latente o multi-consulta, la demanda de ancho de banda (HBM) crece exponencialmente: duplicar la ventana de contexto cuadruplica la memoria necesaria.

La escasez de HBM, dominada en un 90 % por Samsung y SK Hynix en Corea del Sur, se extenderá al menos hasta 2027. Añadir flash más rápido (HBF) sin rediseñar la gestión de caché empeora la latencia y el throughput; la velocidad bruta no sustituye a la arquitectura correcta.

Energía: el gigavatio como nueva moneda de reserva

Un solo rack de IA consume lo equivalente a 65 hogares. La capacidad mundial dedicada a IA alcanzó 30 gigavatios a finales de 2025; Estados Unidos sumará 1,9 GW solo en 2026, más que la capacidad total de IA de cualquier otro país, y alcanzará 26,4 GW en 2031. Japón destina 135.000 millones de dólares, pero en Tokio la espera por una conexión de alta tensión ronda la década. La geografía del poder computacional se reescribe alrededor de subestaciones, transformadores y turbinas de gas. La eficiencia energética por operación cae, pero la aparición de agentes, vídeo y razonamiento complejo dispara el consumo total. Quien no asegure gigavatios firmes y redundantes no escala, por muchos chips que compre.

Silicio: el fin de la GPU única y el auge del ecosistema híbrido

Nvidia mantiene el 70-75 % del mercado de aceleradores, pero la diversificación es real: TPU Ironwood de Google, Trainium3 de AWS a 3 nm, Cerebras, Groq, d-Matrix. Ninguna arquitectura gana en todo. Las GPU siguen siendo el estándar flexible para entrenamiento; los ASIC de dominio específico dominan inferencia masiva estable; el cómputo en memoria (PIM) emerge como complemento heterogéneo crítico. La lección para el comprador corporativo: no hay sucesor único, hay que diseñar cargas de trabajo para un mosaico de silicio.

Capital y geopolítica: barreras de entrada geológicas

En 2025, el CapEx combinado de los cinco hiperescaladores superó los 400.000 millones de dólares; Stargate anuncia 500.000 millones. Corea del Sur construye un clúster de 3 GW por 35.000 millones. Europa responde con 20.000 millones para gigafactorías, pero Alemania opera apenas 530 MW para IA y arriesga convertirse en colonia de datos. Los controles de exportación estadounidenses convierten el acceso a chips en variable geopolítica; China compensa con eficiencia algorítmica (DeepSeek) y código abierto, pero su escala de cómputo sigue siendo incomparablemente menor. La memoria HBM, los permisos eléctricos y el capital paciente son ahora las verdaderas barreras de entrada.

Implicación para el ejecutivo latinoamericano

Latinoamérica importa capacidad de cómputo. Cada modelo que desplegamos corre en infraestructura ajena, sujeta a cuotas, latencia transoceánica y decisiones regulatorias extranjeras. La nube dejó de ser commodity para convertirse en infraestructura estratégica con plazos de construcción de años. Las opciones pasan por: asegurar contratos de largo plazo con proveedores que garanticen soberanía de datos y suministro energético renovable; invertir en centros de datos de borde con refrigeración líquida y conexión firme; y presionar por marcos regulatorios que atraigan inversión en infraestructura de IA nacional. La alternativa es aceptar el rol de consumidor cautivo.

Hasta 2031, el límite de la IA no es la inteligencia, es la infraestructura que la sostiene. La pregunta para el directorio no es qué modelo comprar, sino sobre qué cimientos físicos se apoyará la estrategia de la próxima década.