Eric Schmidt: el cuello de botella de la IA ya no es la energía, sino el capital
Eric Schmidt pasó de advertir que la electricidad sería el principal límite de la IA a afirmar que el verdadero cuello de botella ahora es el capital necesario para financiar la infraestructura. Construir capacidad de centros de datos para IA podría costar unos 50.000 millones de dólares por gigavatio, lo que implic...
Publicado porEditado con GPT-5.5Imágenes generadas con GPT Image 2
Eric Schmidt pasó de advertir que la electricidad sería el principal límite de la IA a afirmar que el verdadero cuello de botella ahora es el capital necesario para financiar la infraestructura.
Construir capacidad de centros de datos para IA podría costar unos 50.000 millones de dólares por gigavatio, lo que implicaría hasta 5 billones de dólares para 100 GW de infraestructura.
Schmidt considera que Estados Unidos y China están mejor posicionados para movilizar esa escala de inversión, mientras que Europa corre el riesgo de quedarse atrás sin una estrategia y financiación masiva.
La electricidad sigue siendo un desafío real, pero resolverlo implica construir nuevas plantas, redes y centros de datos, lo que convierte el financiamiento en el factor decisivo.
How has Eric Schmidt changed his view on what is really limiting AI development—from energy to capital—and what does that shift mean in pracBuilding the infrastructure for frontier AI may require trillions of dollars in data centers, chips, and power capacity.
Prompt de IA
Create a landscape editorial hero image for this Studio Global article: How has Eric Schmidt changed his view on what is really limiting AI development—from energy to capital—and what does that shift mean in prac. Article summary: Eric Schmidt’s argument appears to have shifted from “AI is mainly bottlenecked by electricity” to “AI is ultimately bottlenecked by who can finance enormous compute-and-power buildouts.” In practice, he is saying energy. Topic tags: general, general web, user generated. Reference image context from search candidates: Reference image 1: visual subject "Business News›Magazines›Panache›Former Google CEO Eric Schmidt warns of AI superintelligence outpacing Earth's energy limits: 'Chips will outrun power needs'. ##### The Economic Ti" source context "Former Google CEO Eric Schmidt warns of AI superintelligence outpacing Earth's energy limits: 'Chips will outrun pow
openai.com
La inteligencia artificial podría enfrentarse pronto a un límite menos tecnológico y más económico. Para Eric Schmidt, ex‑CEO de Google, el verdadero cuello de botella de la próxima fase de la IA ya no es solo la electricidad necesaria para ejecutarla, sino la enorme cantidad de capital que se requiere para construir toda la infraestructura que la sostiene.
Su planteamiento reciente no contradice sus advertencias anteriores sobre el consumo energético de la IA. Más bien cambia el foco: el mundo sí necesitará muchísima energía para alimentar sistemas de IA cada vez más potentes, pero la pregunta clave es quién puede pagar la infraestructura necesaria para producirla y utilizarla.
De un límite energético a un límite financiero
Durante 2025, Schmidt insistió repetidamente en que el mayor límite físico para la IA sería la electricidad. En sus palabras, el límite natural de la IA no eran los chips, sino la energía. También advirtió que solo Estados Unidos podría necesitar alrededor de 92 gigavatios adicionales de electricidad para sostener la expansión de la IA.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
¿Cuál es la respuesta corta a "Eric Schmidt: el cuello de botella de la IA ya no es la energía, sino el capital"?
Eric Schmidt pasó de advertir que la electricidad sería el principal límite de la IA a afirmar que el verdadero cuello de botella ahora es el capital necesario para financiar la infraestructura.
¿Cuáles son los puntos clave a validar primero?
Eric Schmidt pasó de advertir que la electricidad sería el principal límite de la IA a afirmar que el verdadero cuello de botella ahora es el capital necesario para financiar la infraestructura. Construir capacidad de centros de datos para IA podría costar unos 50.000 millones de dólares por gigavatio, lo que implicaría hasta 5 billones de dólares para 100 GW de infraestructura.
¿Qué debo hacer a continuación en la práctica?
Schmidt considera que Estados Unidos y China están mejor posicionados para movilizar esa escala de inversión, mientras que Europa corre el riesgo de quedarse atrás sin una estrategia y financiación masiva.
Para entender la magnitud: esa cifra equivale aproximadamente a construir decenas de nuevas centrales nucleares o enormes proyectos energéticos dedicados principalmente a centros de datos.
Más recientemente, Schmidt ha reformulado el problema. Según su análisis actual, el obstáculo real puede ser la capacidad de financiar toda la infraestructura que necesita la IA moderna. Como lo resumió: el límite de la IA “no es la energía… en realidad es el dinero”.
En otras palabras, la escasez de electricidad puede resolverse, pero solo si alguien está dispuesto a invertir en nuevas plantas, redes eléctricas y centros de datos a gran escala.
Cuánto cuesta construir la infraestructura de la IA
Las cifras que menciona Schmidt muestran lo monumental que puede ser esa inversión.
Una estimación que ha citado con frecuencia sitúa el coste en aproximadamente 50.000 millones de dólares por cada gigavatio de capacidad de centros de datos para IA.
Eso implica órdenes de magnitud gigantescos:
10 GW de infraestructura podrían costar cerca de 500.000 millones de dólares.
100 GW podrían requerir hasta 5 billones de dólares en inversión total.
Estos cálculos no se refieren únicamente a la generación de electricidad. Incluyen todo el ecosistema físico necesario para operar modelos de IA de frontera:
centros de datos a escala masiva
chips de alto rendimiento y redes especializadas
sistemas avanzados de refrigeración
plantas de energía y conexiones a la red
terreno, construcción e infraestructura eléctrica
Esto significa que escalar la IA se parece cada vez menos a desarrollar software y más a construir infraestructura industrial comparable a redes energéticas o telecomunicaciones nacionales.
Por qué Estados Unidos y China tienen ventaja
Si la carrera de la IA exige inversiones de varios billones de dólares, Schmidt cree que solo unos pocos actores pueden competir realmente.
En su análisis destacan dos: Estados Unidos y China.
Estados Unidos cuenta con varias ventajas estructurales:
gigantes del cloud y centros de datos
laboratorios líderes de IA avanzada
mercados de capital profundos (venture capital y bolsa)
grandes operadores de infraestructura digital
Ese ecosistema facilita movilizar inversiones privadas gigantescas, posiblemente complementadas por apoyo público.
China, por su parte, funciona con un modelo diferente pero también poderoso. Su política industrial permite coordinar financiación estatal, construcción de infraestructura y despliegue tecnológico a escala nacional.
El resultado es que ambos países, aunque con modelos distintos —uno impulsado por el mercado y otro más dirigido por el Estado—, pueden canalizar enormes flujos de capital hacia la infraestructura de IA.
El riesgo de que Europa quede rezagada
Schmidt ha advertido que Europa podría tener más dificultades para competir en este escenario.
En varias intervenciones ha señalado que el continente carece de una estrategia clara de IA y que, si no invierte mucho más en sus propios modelos y en infraestructura de cómputo, podría terminar dependiendo de sistemas desarrollados en otros lugares.
Incluso llegó a advertir que, sin una inversión significativa, Europa podría acabar utilizando modelos chinos.
Desde su perspectiva, el problema no se reduce a regulación o talento. También tiene que ver con factores estructurales:
mercados de capital fragmentados
menos empresas de cloud a hiperescala
costes energéticos más altos en algunas regiones
desarrollo de infraestructura más lento
Todo ello dificulta reunir el volumen de financiación necesario para proyectos de IA de escala global.
Cómo encajan el problema de la energía y el del capital
El nuevo argumento de Schmidt sobre el capital no reemplaza su advertencia anterior sobre la energía; más bien la explica.
La electricidad sigue siendo una limitación física importante: los sistemas de IA requerirán enormes cantidades de energía a medida que crezcan.
Pero resolver ese desafío implica construir centrales eléctricas, redes, campus gigantes de centros de datos y fábricas de chips. Financiar todo eso puede ser incluso más difícil que diseñar los algoritmos.
En este sentido, la tesis de Schmidt es que la carrera global por la IA podría decidirse no solo por quién tenga mejores modelos o chips, sino por quién pueda financiar y construir más rápido la gigantesca infraestructura industrial que la sostiene.
La nueva carrera por la infraestructura de la IA
Si estas proyecciones se cumplen, el desarrollo de la IA podría parecerse a otras grandes carreras tecnológicas del pasado, como la expansión ferroviaria, las redes de telecomunicaciones o incluso los programas espaciales.
El éxito no dependería únicamente del software, sino de la capacidad para coordinar varios sistemas al mismo tiempo:
mercados financieros
redes energéticas
suministro de semiconductores
construcción e infraestructura
Bajo esta lógica, el futuro de la inteligencia artificial podría definirse menos por avances teóricos y más por una pregunta mucho más tangible: quién puede financiar y construir el mayor despliegue industrial de la era digital.
timesofindia.indiatimes.comGoogle's ex-CEO Eric Schmidt says America is ill-equipped to address AI's 'biggest challenge'
economictimes.indiatimes.comFormer Google CEO Eric Schmidt warns of AI superintelligence outpacing Earth's energy limits: 'Chips will outrun power needs'
officechai.comThe Real Limit To AI Is Not Energy, But Cash
gentic.newsEric Schmidt Estimates $5 Trillion Needed for 100 GW AI Data ...