Eric Schmidt: el cuello de botella de la IA ya no es la energía, sino el capital

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.