Construir un centro de datos de inteligencia artificial de un gigavatio cuesta hoy alrededor de 100.000 millones de dólares. No es un error tipográfico.
Hace apenas unos años, levantar esa misma instalación suponía entre cuatro y cinco mil millones. El mismo gigavatio, veinte veces más barato. Algo ha cambiado de forma radical en la carrera por la IA, y no tiene que ver con los modelos ni con los chips.
De los modelos a los megavatios: cómo cambió la carrera de la IA
Durante años, la competencia en inteligencia artificial giró en torno a una pregunta: ¿quién tiene el mejor modelo? Hoy esa pregunta ha pasado a un segundo plano. Lo que determina quién lidera la carrera es otra cosa: quién puede garantizar gigavatios de cómputo fiable a escala.
El cambio no es gradual ni sutil. El salto de 4.000-5.000 millones de dólares por gigavatio a los 100.000 millones actuales representa una multiplicación por veinte en pocos años. No lo explica la inflación ni el encarecimiento puntual de materiales. Refleja una transformación estructural en lo que significa, en la práctica, construir infraestructura de IA de frontera.
El hardware —GPUs y servidores— representa aproximadamente el 60% del coste total. Pero el resto, la infraestructura que permite que esos chips funcionen, ha crecido hasta volverse igual de determinante.
Qué hay dentro de un centro de datos de 100.000 millones de dólares
Un centro de datos de un gigavatio no es una nave llena de servidores. El coste total abarca terreno, edificios y obra civil, aunque la parte más exigente corresponde a la infraestructura energética y de cómputo.
La infraestructura de potencia incluye subestaciones, transformadores y cableado de alta tensión. La escasez de cobre ya es un problema real que afecta a plazos y presupuestos. Se suman los sistemas de refrigeración avanzada —imprescindibles cuando la densidad de cómputo alcanza estos niveles— y las redes internas de alta velocidad que conectan miles de aceleradores entre sí. Cada capa añade complejidad. Cada capa añade gasto.
El resultado es que solo un puñado de actores puede afrontar proyectos de varios gigavatios. Los hiperscalers —Microsoft junto a OpenAI, Google, Amazon y Meta— están en esa posición. Fuera de ese grupo, las opciones se reducen drásticamente.
La energía manda: los centros de datos siguen a la electricidad, no al revés
El cambio más profundo es este: la disponibilidad de potencia eléctrica, y no la proximidad a clientes o la concentración de talento, determina dónde se construyen los nuevos centros de datos. La lógica de localización ha dado un giro completo.
Esto coloca en una posición estratégica privilegiada a actores que hasta hace poco operaban en sectores muy distintos. Las eléctricas, los productores independientes de energía, los operadores nucleares y los propietarios de plantas de gas se han convertido en piezas clave del ecosistema de la IA —no porque hayan transformado su negocio, sino porque el negocio de la IA ha llegado hasta ellos.
Hay un caso especialmente llamativo: los antiguos mineros de criptomonedas. Sus instalaciones, diseñadas para consumir grandes cantidades de electricidad de forma continua, encajan con precisión en las necesidades de los nuevos centros de datos. Una infraestructura que muchos daban por obsoleta resulta tener una ventaja inesperada. La escasez de gigavatios disponibles actúa hoy como barrera de entrada más efectiva que cualquier patente tecnológica o secreto de modelo.
Los nuevos actores que se cuelan entre los gigantes
Frente a los hiperscalers, ha emergido una categoría de proveedores que compite con una lógica distinta. Los llamados neoclouds —empresas como CoreWeave, Nebius o Lambda— se especializan exclusivamente en cómputo de IA, evitando la sobrecarga operativa de las grandes plataformas generalistas.
El resultado es notable: pueden ofrecer precios entre un 60% y un 85% más bajos sobre el mismo silicio de Nvidia. No porque accedan a chips distintos, sino porque su estructura es más eficiente y su foco, más estrecho. Demuestran que la especialización puede competir con el músculo financiero de las grandes tecnológicas, al menos en determinados segmentos.
Lo que viene ahora es una carrera por asegurar gigavatios antes de que lo hagan los competidores. Quién firme los contratos energéticos, quién construya las subestaciones, quién tenga acceso garantizado a potencia fiable durante la próxima década: esos factores dibujarán el mapa de poder en la inteligencia artificial. Los chips importan. Los modelos importan. Pero sin gigavatios, ninguno de los dos llega a funcionar.