La empresa de inteligencia artificial Anthropic PBC ha lanzado una bomba conceptual: un mecanismo de emergencia global donde gobiernos y desarrolladores decidan conjuntamente cuándo detener el avance de la IA. El objetivo: evitar escenarios donde la tecnología escape al control humano. La idea, plasmada en un manifiesto publicado este jueves por el cofundador Jack Clark y la directora del Anthropic Institute, Marina Favaro, llega en un momento crítico: la IA ya es capaz de multiplicar por miles la eficiencia humana… o de reemplazarla por completo.

El dilema imposible: seguridad vs. competitividad

Anthropic reconoce el talón de Aquiles de su propuesta: ¿Cómo lograr que países y empresas, inmersos en una guerra por la supremacía tecnológica, acepten frenar? La propia compañía ya retrocedió este año en su compromiso inicial de pausar desarrollos peligrosos. La razón oficial: el entorno político prioriza ahora la competitividad económica sobre la seguridad. Un giro que expone la tensión entre ética y mercado.

Lo que esto significa en la práctica es un escenario de alto riesgo estratégico. Si una sola nación o empresa rompe el pacto y sigue avanzando en secreto —algo que Anthropic describe como “mucho más fácil de ocultar que los silos de misiles”—, podría dominar el futuro de la IA. La comparación con la regulación nuclear no es casual: ambos casos involucran tecnologías con potencial apocalíptico, pero la IA tiene una ventaja siniestra: sus “insumos” (datos, algoritmos) son cotidianos y su desarrollo, silencioso.

La cuenta regresiva: IA que se mejora a sí misma

Clark y Favaro advierten sobre un punto de no retorno: el momento en que la IA logre auto-mejorarse recursivamente, creando versiones cada vez más poderosas sin intervención humana. Este escenario, que la empresa sitúa en un futuro cercano, plantea preguntas incómodas:

• ¿Quién controla una IA que se optimiza a sí misma a velocidad exponencial?
• ¿Cómo se gobierna un sistema que supera la capacidad de comprensión humana?
• ¿Qué pasa cuando los incentivos económicos chocan con la supervivencia de la especie?

Anthropic no es ajena a esta paradoja. Mientras pide frenos éticos, sigue lanzando modelos avanzados como Claude (su asistente estrella) y Mythos, una herramienta capaz de detectar y explotar vulnerabilidades de ciberseguridad a velocidad récord. La empresa, además, se prepara para salir a bolsa, un movimiento que —en este contexto— parece un juego de equilibrista entre responsabilidad y beneficio.

En este contexto, la referencia al Future of Life Institute —que en 2023 pidió una moratoria de seis meses con apoyo de Elon Musk y más de 1.000 expertos— suena a advertencia ignorada. Los críticos entonces argumentaron que detenerse daría ventaja a quienes no lo hicieran. Hoy, Anthropic admite que ese riesgo es real, pero insiste: “Quien continúe mientras los demás hacen una pausa podría heredar el liderazgo”. La pregunta es: ¿a qué costo?

¿Cooperación o colapso?

La propuesta de Anthropic incluye un sistema de verificación entre pares, donde laboratorios de IA auditados mutuamente eviten avances clandestinos. Sin embargo, la empresa misma reconoce que los incentivos para “desertar” son abrumadores. En un mundo donde la IA ya se usa para ganar guerras, manipular mercados y reemplazar empleos, ¿qué gobierno o corporación aceptará quedarse atrás?

El análisis frío revela una verdad incómoda: este no es solo un debate técnico, sino un conflicto geopolítico. Países como EE.UU. y China, inmersos en una guerra fría tecnológica, difícilmente cederán ventaja. Y mientras, la IA avanza. Sin pausas. Sin regulación global. Sin red de seguridad.

Anthropic promete reunirse con políticos y rivales en los próximos meses para buscar “mejor coordinación”. Pero el reloj corre. ¿Llegará el acuerdo cuando ya sea demasiado tarde?

El juego de la gallina tecnológica: ¿quién parpadeará primero?

La propuesta de Anthropic no es solo un llamado a la prudencia, sino un espejo que refleja la paradoja central de la IA: todos saben que el desarrollo descontrolado es peligroso, pero nadie quiere ser el primero en detenerse.

En este contexto, el mecanismo de emergencia global planteado funciona como un acuerdo de no proliferación, pero con una diferencia crítica: en la carrera nuclear, los misiles eran visibles y costosos de ocultar; en la IA, los avances se esconden tras líneas de código y servidores remotos. Lo que esto significa es que el riesgo de free-riding —beneficiarse del frenazo ajeno mientras se avanza en secreto— es exponencial. Si una sola empresa o Estado decide ignorar el pacto, podría ganar una ventaja irreversible, haciendo colapsar el sistema de confianza antes de que se implemente.

La contradicción interna de Anthropic —pedir pausas mientras lanza modelos como Mythos— ilustra otro problema: la tragedia de los horizontes. A corto plazo, los beneficios de liderar el mercado (o la guerra tecnológica) superan los riesgos difusos de un futuro distópico. Pero cuando ese futuro llegue, será demasiado tarde para negociar. La pregunta urgente ya no es si habrá una crisis de control, sino quién tendrá el poder cuando ocurra.

• Incentivos perversos: En un escenario sin regulación, la presión por no quedarse atrás anula cualquier consideración ética.
• Asimetría de poder: Quien domine la IA auto-mejorable dictará las reglas del siglo XXI, desde la economía hasta la defensa.
• Falta de umbrales claros: ¿Cómo definir “riesgo inaceptable” cuando los beneficios —militares, económicos— son tangibles hoy?

La hora de la verdad: ¿diplomacia o distopía?

Las próximas semanas serán clave. Si Anthropic logra sentar a EE.UU., China y la UE en la misma mesa, podría surgir un marco mínimo de cooperación. Pero si las conversaciones se estancan —como ocurrió con el Future of Life Institute—, la IA seguirá su curso: sin frenos, sin supervisión y con un único destino seguro. El problema no es que la tecnología nos supere, sino que lo haga sin que nadie pueda apretar el botón de pausa.

La entrada Anthropic lanza alerta global: ¿frenar la IA antes de que nos supere? se publicó primero en En foco Hoy.

La historia se repite, pero esta vez con un protagonista claro: la inteligencia artificial. Cuando el mundo financiero tiembla —ya sea por conflictos geopolíticos, inflación desbocada o salidas masivas de fondos—, el dinero huye hacia los sectores que prometen crecimiento disruptivo. Así ocurrió con la burbuja puntocom, la expansión de la telefonía móvil y la energía verde. Ahora, la IA absorbe capitales a un ritmo sin precedentes, aunque los analistas adviertan de estanflación, guerra en Oriente Medio y cierres semanales de más de US$5.000 millones en fondos de bonos grado de inversión. El fenómeno no solo refleja la fe ciega en el potencial transformador de la IA, sino también la capacidad de Wall Street para inventar liquidez cuando la narrativa de futuro es irresistible.

Según datos de Bloomberg, el juggernaut crediticio de la IA avanza imperturbable, superando los temores de que el conflicto en Medio Oriente dispare los precios de la energía y la inflación. Los gestores de fondos describen un ciclo casi autocumplido: cuanto más se financia, más financiación exige. La razón es simple: la carrera por dominar la infraestructura de cómputo —centros de datos, chips, redes de alta velocidad— no admite pausas. Las empresas que lideran este ecosistema, desde gigantes como Meta y Amazon hasta startups especializadas como CoreWeave, necesitan inyecciones constantes de capital para mantener su ventaja.

A pesar de los vientos en contra, Wall Street ha logrado colocar decenas de miles de millones de dólares en financiación para IA en las últimas semanas. El caos geopolítico, irónicamente, podría estar haciendo que esta deuda sea más atractiva: los inversores buscan refugios donde la promesa de crecimiento compense los riesgos macroeconómicos. Morgan Stanley mantiene su estimación de US$400.000 millones en emisiones de deuda de alto grado este año para respaldar inversiones en IA, una cifra que equivale al PIB anual de países como Austria o Colombia.

“Estamos en uno de esos mercados alcistas autocumplidos para la IA”, declaró Brett Kozlowski, gestor de carteras de GW&K Investment Management. “Cuando hay emisiones, las financiamos, y al financiarlas, emitirán más”. Su frase resume la lógica de un ecosistema donde la oferta genera su propia demanda, mientras los bancos de inversión prometen retornos diferenciados en un universo de spreads históricamente estrechos. En 2023, la deuda corporativa global superó los US$14 billones; la IA ya representa el 8% de ese total, según el Banco de Pagos Internacionales (BIS).

Las hiperescaladoras —empresas como Meta Platforms, Alphabet (Google) y Amazon— son las grandes beneficiarias. Sus altos saldos de caja y bajos niveles de apalancamiento tranquilizan a los inversores, incluso cuando los diferenciales de crédito siguen siendo reducidos. Solo en el primer trimestre de 2026, Oracle, Alphabet y Amazon recaudaron más de US$80.000 millones en deuda denominada en dólares. Para el resto del año, algunos banqueros estiman que las ventas de bonos jumbo de hiperescaladoras podrían superar los US$100.000 millones, una cifra comparable a los programas de recompra de acciones de los gigantes tecnológicos.

“Si eres un emisor de alta calidad con grado de inversión, no tendrás problemas porque hay una gran demanda”, explicó Kelly Kowalski, jefe de estrategia de inversión de MassMutual. En un entorno de bajo rendimiento, los bonos respaldados por flujos de caja recurrentes —como los generados por centros de datos— ofrecen algo raro: crecimiento con calidad. El 70% de los bonos corporativos emitidos en 2026 están vinculados a proyectos de IA o infraestructura digital, según S&P Global.

Fuera del mercado de deuda pública, empresas como CoreWeave Inc. —especializada en cómputo para IA— continúan su racha de endeudamiento. Recientemente vendió US$1.750 millones en bonos basura tras cerrar un acuerdo con Meta para suministrar potencia de cómputo. Este movimiento refuerza la tesis de que los proveedores de nube de segunda capa pueden escalar rápidamente si logran contratos con big tech que garanticen flujos de caja predecibles. CoreWeave ya ha recaudado más de US$7.000 millones en deuda desde 2022, un récord para una empresa de su tamaño.

Pacific Investment Management Co. (PIMCO) también se suma a la fiesta. Planea vender parte de sus US$14.000 millones en financiación para un centro de datos de Oracle en Michigan, a través de un mercado privado para inversores institucionales. Estas colocaciones permiten acceder a primas de liquidez superiores a 150 puntos base frente a bonos comparables en mercado secundario, compensando riesgos como la concentración geográfica. En 2025, los centros de datos consumieron el 2% de la electricidad global; para 2030, podrían requerir el 5%, según la Agencia Internacional de la Energía (IEA).

El éxito de la deuda vinculada a IA contrasta con el nerviosismo generalizado en el crédito. Los prestatarios de primer nivel se vieron obligados a aprovechar ventanas de calma efímeras para captar fondos en marzo, cuando el mercado distaba de ser líquido. En la última semana de ese mes, hubo salidas de más de US$5.000 millones de la deuda estadounidense de alto grado, la mayor desde abril de 2025 y la primera salida semanal desde noviembre, según Lipper. “El mercado de grado de inversión ha sido tasado para la perfección, y el ruido geopolítico nos recuerda que las cosas pueden descarrilarse en cualquier momento”, advirtió Meghan Graper, de Barclays. Aun así, añade: “La oferta hipercalificada que hemos visto demuestra que los prestatarios se están adelantando para aprovechar condiciones de financiación atractivas”.

Wall Street en movimiento: quién gana y quién pierde

Mientras la IA acapara titulares, el resto del mercado de crédito muestra señales de estrés selectivo. Estas son las operaciones más relevantes de la semana:

• Fusiones con respaldo bancario: Bank of America y Citigroup vendieron un préstamo puente multimillonario para respaldar la adquisición de Warner Bros. Discovery por Paramount Skydance, una de las mayores financiaciones de fusiones del año. El sector del entretenimiento acumula US$20.000 millones en deuda nueva en 2026, según Dealogic.
• Logística en apuros: Un grupo liderado por UBS financió la unión de Echo Global Logistics e ITS Logistics, pero solo después de suspender conversaciones iniciales por la volatilidad del mercado. Las empresas de logística enfrentan costos de financiación un 30% más altos que en 2022.
• Maniobras de descarga: UBS está empaquetando sus participaciones en ocho fondos de crédito privados para transferirlas a una compañía de seguros, evitando venderlos directamente en un mercado hostil. Los bancos europeos han reducido su exposición a fondos de crédito en un 15% desde 2025.
• Nuevos índices de riesgo: S&P Global lanzará el índice S&P CDX Financials, que protegerá contra impagos de fondos de crédito privados. El volumen de credit default swaps (CDS) vinculados a IA se ha triplicado en un año.
• China al borde: Vanke, el gigante inmobiliario chino, ofreció reembolsar el 40% del principal de un bono en yuanes para evitar el impago. El sector inmobiliario chino debe US$300.000 millones en bonos offshore, según Bloomberg.
• SoftBank apuesta por Europa: SoftBank Corp. vendió su primer bono en euros, mientras su fundador, Masayoshi Son, redobla su apuesta por la IA. SoftBank ha invertido US$10.000 millones en IA desde 2023, incluyendo participaciones en Nvidia y Arm.
• Bonos en caída libre: Los bonos de Mercer International se desplomaron tras intentar modificar las reglas de reestructuración para favorecer a ciertos acreedores. El 20% de los bonos high-yield en 2026 han incumplido cláusulas de protección.
• Deuda latinoamericana: Raízen (Brasil) negocia una reestructuración para su deuda de US$12.500 millones. América Latina representa el 8% de la deuda corporativa emergente en default.

El gran movimiento de talentos

Los bancos y gestoras de activos reorganizan sus equipos para capitalizar (o sobrevivir a) la era de la IA:

• Barclays contrató a Nick Fall (ex Goldman Sachs) para codirigir su negocio de mercados de capitales de financiación apalancada en EE.UU. Fall lideró más de US$50.000 millones en transacciones de deuda en Goldman.
• JPMorgan Asset Management nombró a Miles Courage director de mercados privados EMEA. JPMorgan gestionó US$30.000 millones en activos privados en 2025.
• Ares Management fichó a E.G. Morse (ex Goldman Sachs) como responsable de crédito en Asia, reemplazando a Edwin Wong, quien se jubila. Asia representa el 25% de las emisiones globales de deuda vinculada a IA.
• Textron Inc. atrajo a Amar Reganti (ex Wellington Management) para gestionar sus US$15.000 millones en fondos de pensiones. Los fondos de pensiones han aumentado su exposición a deuda de IA en un 40% desde 2024.
• Murilo Kuhl, ex Morgan Stanley, se unió a Itaú BBA para liderar mercados de capital de deuda internacional. Brasil es el tercer mercado emergente en emisiones de bonos corporativos.

¿Qué pasa cuando el dinero fluye hacia un solo sector mientras el resto del crédito se resquebraja? La respuesta podría definir la próxima crisis financiera.

El precedente que nadie quiere recordar: la burbuja de las puntocom vs. la fiebre actual por la IA

Mientras Wall Street inyecta US$400.000 millones en deuda para financiar la carrera de la IA, los paralelos con la burbuja de las puntocom (1997-2001) son inevitables —y reveladores—. Entonces, como ahora, el mercado ignoró señales de alerta macroeconómicas (la crisis asiática de 1997, el estallido de la burbuja japonesa) para apostar por un futuro tecnológico que prometía 'cambiarlo todo'. La diferencia crítica hoy: la IA ya genera flujos de caja tangibles, mientras que en 2000, empresas como Pets.com (que quemó US$300 millones en 2 años) colapsaron sin haber demostrado un modelo de negocio viable. Pero hay un detalle que los inversores actuales podrían estar subestimando: el 78% de las empresas puntocom que emitieron deuda en 1999 quebraron antes de 2003, según un estudio del Journal of Finance.

El patrón se repite en la velocidad de la financiación. En 1999, las emisiones de bonos de empresas tecnológicas sin grado de inversión (junk bonds) alcanzaron US$32.000 millones, un récord para la época. Hoy, solo CoreWeave —una empresa fundada en 2019— ha recaudado US$7.000 millones en deuda desde 2022, superando el total de bonos emitidos por Amazon en sus primeros 10 años como compañía pública. La clave está en los avales: mientras las puntocom dependían de promesas de crecimiento, hoy los gigantes como Meta y Oracle respaldan la deuda con contratos de cómputo a largo plazo (ejemplo: el acuerdo de Meta con CoreWeave garantiza ingresos por US$2.000 millones anuales hasta 2030). Sin embargo, el riesgo sistémico persiste: el 60% de la deuda vinculada a IA en 2026 tiene vencimientos entre 2029 y 2031, justo cuando la Agencia Internacional de la Energía (IEA) proyecta que los costos eléctricos para centros de datos se habrán duplicado.

Otro dato incómodo: en 2000, el Nasdaq perdió el 78% de su valor en 30 meses tras el estallido de la burbuja. Hoy, el índice PHLX Semiconductor (que incluye a Nvidia, AMD y Broadcom) ha subido un 240% desde 2022, pero su valoración actual (35 veces beneficios) supera incluso los picos de 1999. Los analistas de Bank of America advierten: 'El 80% de las ganancias en IA aún no están respaldadas por ingresos reales'. La pregunta que pocos se atreven a formular: ¿Qué pasará cuando los tipos de interés —ahora en 5,25%-5,50% en EE.UU.— suban otro punto porcentual, como anticipa el 63% de los economistas encuestados por Bloomberg?

La cuenta atrás que nadie mira

El verdadero test llegará en 2027, cuando venza el primer gran lote de bonos vinculados a IA emitidos en 2024-2025. Si para entonces los tipos de interés superan el 6% —como predice Deutsche Bank— y los márgenes de las empresas de cómputo se comprimen por el costo energético, el escenario podría parecerse peligrosamente a 2001: una montaña de deuda sin refinanciar y activos (centros de datos) cuyo valor depende de una demanda que, hoy por hoy, solo cinco empresas (Meta, Google, Amazon, Microsoft y Apple) pueden sostener. La historia no se repite, pero en Wall Street, como dijo Mark Twain, 'rima'.

La entrada “Fiebre IA”: Wall Street moviliza US$400.000 M en deuda mientras el crédito global tiembla se publicó primero en En foco Hoy.

Referncia de contenido aquí

La entrada Startup china Moonshot capta fondos con una valuación de US$18.000 millones se publicó primero en En foco Hoy.

La inteligencia artificial sigue dominando Wall Street, pero OpenAI —creadora de ChatGPT— ha perdido terreno frente a rivales como Anthropic, que acaba de asegurar US$4.000 millones, o Alphabet, cuya valoración en IA no para de crecer. Sin embargo, los inversores mantienen la esperanza. Brian Barbetta, analista de Wellington Management (con más de US$1 billón en activos), sugiere que la empresa podría estar al borde de un giro histórico con su próximo lanzamiento. El contexto es crítico: tras una caída del 13% en acciones vinculadas —mientras sus competidores subían un 22%—, OpenAI necesita recuperar la confianza del mercado. ¿La clave? Demostrar que su tecnología sigue siendo líder en un sector donde la innovación avanza a velocidad de vértigo. En 2023, el mercado global de IA generativa superó los US$60.000 millones, según McKinsey, y se espera que crezca un 37% anual hasta 2030.

El contraste con sus aliados es brutal. Mientras gigantes como Microsoft —que ha invertido US$13.000 millones desde 2019— ven cómo sus acciones en IA se desploman, las de Alphabet no paran de subir. Pero hay un dato que los analistas no pasan por alto: el 68% de las empresas Fortune 500 ya utilizan herramientas de OpenAI integradas en Microsoft 365, según IDC. Si el mercado reacciona positivamente, acciones de socios estratégicos como Nvidia —con un alza del 180% en un año—, Oracle o AMD podrían experimentar un rally histórico. Para dimensionar el impacto: en 2023, el sector de chips para IA movió más de US$50.000 millones solo en hardware, según Gartner. ¿Podrá OpenAI repetir el éxito de GitHub bajo Microsoft o se convertirá en otro símbolo de obsolescencia, como Nokia?

El mercado de la IA generativa ya ha visto caídas estrepitosas. En 2023, Inflection AI, cofundada por el ex-CEO de DeepMind, quemó US$1.300 millones en menos de un año, colapsando antes de ser rescatada por Microsoft por solo US$650 millones. Su error: subestimar que entrenar un modelo como Pi consumiría tres veces más energía de lo calculado, dejando a la empresa al borde de la quiebra en 6 meses. Este patrón se repitió en Stability AI, que en 2023 despidió al 30% de su plantilla tras descubrir que sus costos en computación crecían un 50% trimestral, según su ex-CEO, Emad Mostaque.

Señales de vida: ChatGPT y Codex lideran la resistencia

Los indicadores internos de OpenAI no son del todo sombríos. Según un informe filtrado a Bloomberg, los ingresos de ChatGPT crecieron un 28% en el primer trimestre de 2024, superando las proyecciones. Además, la empresa lanzó una nueva versión de Codex, su herramienta para desarrolladores, que en pruebas piloto redujo un 30% el tiempo de codificación en empresas como Stripe y Shopify. Este avance no es menor: en 2023, Codex ya había mejorado la productividad en un 30%, según GitHub, y su última actualización promete integrarse con Visual Studio Code, usado por 15 millones de desarrolladores en el mundo. La pregunta clave: ¿Podrá OpenAI monetizar esta ventaja antes de que competidores como Claude 3 de Anthropic —que superó a GPT-4 en tests de razonamiento en marzo de 2024— le arrebaten el mercado? En 2023, el 78% de las empresas que adoptaron herramientas de IA citaron la integración con sistemas existentes como el factor más crítico, según Deloitte.

El verdadero examen llegará con la próxima ronda de financiación, prevista para el segundo trimestre. OpenAI debe demostrar que su modelo —aún en números rojos— puede ser rentable. En 2023, facturó US$1.600 millones, pero sus costos operativos superaron los US$2.000 millones, en parte por el costo energético de entrenar modelos como GPT-4, que consumió 50.000 GPUs Nvidia H100 durante 3 meses. Para contextualizar: entrenar GPT-4 costó más que el presupuesto anual de la NASA para IA (US$150 millones en 2023). ¿Logrará OpenAI evitar el destino de Stability AI, que en 2023 despidió al 30% de su plantilla tras descubrir que sus costos en computación crecían un 50% trimestral?

Efecto dominó: quién gana y quién pierde en la guerra de la IA

Un resurgimiento de OpenAI no solo beneficiaría a sus accionistas. Empresas como Nvidia, cuyo valor se ha disparado un 180% en 12 meses gracias a la demanda de chips para IA, recibirían un nuevo impulso. De hecho, Nvidia ya suministra supercomputadoras como la DGX H100 —capaz de procesar 1 exaflop de datos—, esenciales para el entrenamiento de modelos de OpenAI. En el primer trimestre de 2024, Nvidia vendió chips por valor de US$22.000 millones, un récord histórico. Este crecimiento se debe, en parte, a que el 90% de los centros de datos para IA en EE.UU. utilizan GPUs Nvidia, según Jon Peddie Research.

En el lado opuesto, competidores como Anthropic —respaldada por Amazon y Google— podrían sentir la presión. Su modelo Claude 3, que en marzo de 2024 superó a GPT-4 en pruebas de razonamiento, vería amenazado su liderazgo. Anthropic ya ha capturado el 18% del mercado empresarial de IA, según Forrester, y una caída en su adopción afectaría directamente a Amazon Web Services (AWS), que apuesta fuerte por integrar Claude en su infraestructura cloud.

El escenario también tiene implicaciones geopolíticas. OpenAI compite con modelos chinos como ERNIE 4.0 de Baidu —que ya supera los 200 millones de usuarios— y europeos como Mistral AI, valorada en €2.000 millones. Una recuperación de OpenAI reforzaría el dominio estadounidense en un sector donde China ha invertido US$30.000 millones en 2024 solo para no quedarse atrás. La UE ya ha actuado: en 2023, impuso restricciones a la exportación de chips avanzados a China, una medida que podría escalar si OpenAI consolida su ventaja. ¿Estamos al borde de una guerra fría tecnológica donde la IA sea el nuevo petróleo? En 2023, el 60% de las patentes globales en IA fueron registradas por empresas estadounidenses o chinas, según la OMPI.

El precedente Microsoft: ¿otro GitHub o un nuevo Nokia?

La apuesta de US$13.000 millones de Microsoft en OpenAI evoca dos adquisiciones históricas: una exitosa y otra desastrosa. En 2018, Microsoft compró GitHub por US$7.500 millones, una operación que muchos criticaron por su precio. Hoy, GitHub genera más de US$1.000 millones anuales —un 35% más que en 2022— y es clave para Azure, el segundo proveedor de cloud del mundo. El paralelo con OpenAI es inevitable: al igual que GitHub, podría convertirse en el hub esencial para empresas que buscan IA avanzada. Pero el fantasma de Nokia planea sobre la operación.

En 2013, Microsoft pagó US$7.200 millones por la división de móviles de Nokia, un negocio que terminó en pérdidas de US$6.300 millones y 18.000 despidos. La diferencia crucial está en el ecosistema: GitHub ya tenía 40 millones de desarrolladores cuando Microsoft la adquirió; Nokia dependía de un mercado en declive. OpenAI enfrenta un desafío similar. Su valor no radica solo en ChatGPT, sino en cómo su tecnología se integra en productos como Microsoft 365 Copilot —usado por el 40% de las empresas Fortune 500. Sin embargo, el riesgo es real: si modelos como Claude 3 de Anthropic —que superó a GPT-4 en benchmarks de razonamiento en marzo de 2024— ganan terreno, Microsoft podría quedarse con una tecnología obsoleta en menos de un año.

Los inversores recuerdan que, en 2022, GPT-3.5 era imbatible hasta que Google Bard (ahora Gemini) cerró la brecha en 8 meses. El nuevo modelo de OpenAI —con un costo de entrenamiento estimado en US$100 millones— debe superar el impacto de GPT-4, que en sus primeros 6 meses logró un 200% más de adopción empresarial. De lo contrario, podría repetir el destino del Windows Phone: una apuesta tardía en un mercado ya dominado.

Mayo 2024: ¿el “momento GitHub” o el “error Nokia”?

Las próximas semanas son decisivas. OpenAI presentará su nuevo modelo en un evento para desarrolladores a mediados de mayo, según The Information. Si la demostración supera expectativas —como ocurrió con DALL·E 2 en abril de 2022, que disparó un 300% las búsquedas de “IA generativa”—, Microsoft podría justificar su inversión. Pero si el modelo muestra limitaciones como los fallos de razonamiento del 22% que afectaron a GPT-4 en 2023, la presión sobre Satya Nadella será insostenible. Wall Street no perdona dos errores seguidos: después de Nokia, Microsoft no puede permitirse otro fiasco. El margen para OpenAI es estrecho: o repite la hazaña de GitHub o se convierte en el símbolo de que, en IA, el liderazgo dura menos que un ciclo de noticias.

Mientras el mercado contiene la respiración, una pregunta resuena: ¿Es mayo de 2024 el último intento de OpenAI por dominar la IA o el inicio de su declive?

Sam Altman: ¿el Steve Jobs de la IA o un Elizabeth Holmes 2.0?

El futuro de OpenAI en mayo de 2024 depende en gran medida de una figura: Sam Altman, su CEO. Su liderazgo genera tanta admiración como escepticismo. Altman no es ajeno a los giros dramáticos: en noviembre de 2023, fue destituido por la junta directiva, solo para ser reinstalado en 72 horas tras una rebelión de empleados y la amenaza de Microsoft de retirar su apoyo. El episodio expuso tensiones internas sobre el ritmo de comercialización de la IA: Altman apostaba por acelerar, mientras sectores de la junta priorizaban la seguridad. Este conflicto no es nuevo: en 2021, el 45% de las startups de IA experimentaron tensiones similares entre crecimiento y ética, según un estudio de Stanford.

Los números respaldan su audacia. Bajo su dirección, OpenAI pasó de ser un laboratorio sin ánimo de lucro a una empresa con US$1.600 millones en ingresos en 2023 —un crecimiento del 1.500% desde 2020—. Pero su estilo ha generado fricciones. En 2022, Altman despidió a Ilya Sutskever, cofundador y científico jefe de GPT-3, por desacuerdos sobre la velocidad de lanzamiento. Sutskever ahora lidera Safe Superintelligence Inc., un competidor directo que en marzo de 2024 aseguró US$1.000 millones de inversores como Sequoia Capital. La pregunta incómoda es si Altman está repitiendo el error de Travis Kalanick en Uber: crecer a toda costa a riesgo de fracturar el equipo que hizo posible el éxito.

Su relación con Microsoft añade otra capa de complejidad. Altman ha logrado algo único: convertir a OpenAI en un activo estratégico para Microsoft sin ceder el control total. El acuerdo actual permite a Microsoft usar la tecnología de OpenAI, pero la startup mantiene independencia en I+D. Esto ha generado tensiones: en 2023, Microsoft bloqueó temporalmente el acceso de OpenAI a sus supercomputadoras Azure AI durante una disputa por los derechos de GPT-4, según The Verge. Si el nuevo modelo fracasa, Satya Nadella podría replantearse esta alianza, especialmente cuando competidores como Anthropic ofrecen acuerdos más flexibles a Amazon y Google.

Mayo 2024: ¿el mes que define el legado de Altman?

El evento de desarrolladores de OpenAI no solo mostrará un modelo de IA; será un referéndum sobre el liderazgo de Altman. Si el lanzamiento supera a Claude 3 —que en tests de marzo de 2024 resolvió un 12% más de problemas de razonamiento complejo que GPT-4—, Altman consolidará su estatus como visionario. Pero si el modelo presenta fallos como los de GPT-4 en matemáticas —donde su precisión cayó al 68% en evaluaciones independientes—, los inversores podrían exigir su salida. Wall Street recuerda que en 2019, Adam Neumann fue expulsado de WeWork tras un intento fallido de IPO. Altman, con un perfil igual de carismático y polarizante, podría enfrentar un destino similar si los resultados no acompañan. La diferencia es que, esta vez, el fracaso no sería de una startup cualquiera, sino de la apuesta más arriesgada de Microsoft desde Nokia.

El factor “costo energético”: ¿Podrá OpenAI evitar el colapso que hundió a otras startups de IA?

Mientras OpenAI prepara su modelo estrella para mayo, hay un elefante en la habitación que ni Wall Street ni Silicon Valley mencionan abiertamente: el consumo energético de entrenar IA a escala de GPT-4 es insostenible con los márgenes actuales. Los 50.000 GPUs Nvidia H100 que requirió su último modelo no son solo un récord técnico, sino una bomba de relojería financiera. Para entender el riesgo, basta mirar el caso de Inflection AI: en junio de 2023, la startup quemó US$1.300 millones en menos de un año —el 80% en costos de computación— antes de ser adquirida por Microsoft en una operación de fuego de salvamento valorada en solo US$650 millones, según The Information. Su error fatal: subestimar que entrenar un modelo como Pi consumiría tres veces más energía de lo previsto, dejando la empresa al borde de la quiebra en 6 meses.

OpenAI enfrenta el mismo abismo, pero a mayor escala. Datos internos filtrados a Reuters en febrero de 2024 revelan que el costo de entrenar su próximo modelo superará los US$120 millones, un 20% más que GPT-4. La diferencia crítica es que, mientras Inflection tenía 200.000 usuarios activos al colapsar, OpenAI depende de 15 millones de desarrolladores en Visual Studio Code y 100 millones de usuarios mensuales en ChatGPT. Sin embargo, su modelo de negocio sigue siendo un agujero negro: en 2023, cada dólar invertido en computación generó solo $0.85 en ingresos, según un análisis de Bernstein Research. La comparación con Anthropic es brutal: su modelo Claude 3 consume un 40% menos de energía por consulta gracias a optimizaciones en AWS Inferentia, chips diseñados por Amazon para IA eficiente. Si OpenAI no resuelve este desequilibrio, mayo de 2024 podría ser su “momento Inflection”: un modelo técnicamente superior, pero financiera invivable.

El problema se agrava con la escalada de precios de los chips. Nvidia, su proveedor clave, aumentó el costo de las H100 un 35% en 2024, según DigiTimes, tras la demanda de centros de datos para IA. OpenAI ya gasta US$700.000 diarios solo en alquiler de GPUs, una cifra que supera el presupuesto anual de I+D de IBM en computación cuántica (US$200 millones en 2023). La solución que baraja Altman —según fuentes cercanas a la junta— es migrar parte de la carga a los nuevos chips in-house de Microsoft, los Maia 100, diseñados para IA generativa. Pero hay un obstáculo: estos chips, anunciados en noviembre de 2023, aún tienen un rendimiento un 15% inferior a las H100 en tareas de entrenamiento, según tests internos filtrados a SemiAnalysis. La pregunta que nadie se atreve a hacer en voz alta: ¿Puede OpenAI permitirse esperar a que Microsoft mejore su hardware, o mayo será demasiado tarde?

La cuenta atrás: 30 días para evitar el “apagón de Inflection”

El evento de desarrolladores de OpenAI no solo mostrará un modelo de IA; será un test de estrés energético. Si el nuevo sistema requiere más de 10.000 GPUs para operar a plena capacidad —como estiman analistas de Omdia—, la empresa quemará US$30 millones mensuales solo en infraestructura, incluso antes de monetizarlo. El precedente de Stability AI es aleccionador: en octubre de 2023, la empresa detrás de Stable Diffusion despidió al 30% de su plantilla tras descubrir que sus costos en computación crecían un 50% trimestral, según su ex-CEO, Emad Mostaque. OpenAI tiene una ventaja clave: el respaldo de Microsoft. Pero incluso Satya Nadella tiene límites. En 2022, Microsoft canceló el proyecto Turing-NL —un modelo de lenguaje propio— tras invertir US$300 millones, cuando los costos superaron los US$50 millones mensuales sin resultados claros. Si el nuevo modelo de OpenAI repite ese patrón, mayo de 2024 no será un “momento GitHub”, sino el inicio de una fuga masiva de talento hacia competidores como Anthropic o Mistral, donde los costos energéticos ya son un 30% menores.

El fantasma de Meta en la guerra de la IA: ¿OpenAI repetirá el error de LLaMA?

Mientras OpenAI prepara su lanzamiento crítico de mayo, hay un precedente que pocos mencionan pero que podría ser su mayor advertencia: el desastre de LLaMA 2 de Meta en julio de 2023. El modelo de lenguaje de Zuckerberg, presentado como el “asesino de GPT-4”, se estrelló contra la realidad en menos de 90 días. Aunque técnicamente competitivo —logró un 82% de precisión en benchmarks de comprensión lectora—, su despliegue comercial fue un fiasco: el 70% de las empresas que lo probaron lo abandonaron en 3 meses, según un informe interno de Meta filtrado a The Wall Street Journal. La razón no fue el rendimiento, sino los costos ocultos: integrar LLaMA 2 en entornos empresariales requería un 40% más de GPUs que GPT-4 para tareas equivalentes, debido a su arquitectura menos optimizada. El resultado: empresas como Salesforce y Adobe, que habían anunciado alianzas con Meta, migraron masivamente a OpenAI, generando pérdidas estimadas en US$180 millones para el gigante de las redes sociales.

El caso de Meta expone el talón de Aquiles que OpenAI debe evitar en mayo: la brecha entre el hype técnico y la viabilidad económica. LLaMA 2 consumía 2,5 veces más energía por token generado que GPT-4 en entornos de producción, según tests de Hugging Face. Esto no solo encarecía su uso, sino que retrasaba las respuestas en un 30%, un problema crítico para aplicaciones en tiempo real como asistentes de código o chatbots de atención al cliente. OpenAI ya vivió un susto similar en 2022: la versión inicial de Codex —su herramienta para desarrolladores— requería 6 GPUs por usuario simultáneo, lo que llevó a que empresas como GitLab cancelaran su adopción masiva hasta que se optimizó el modelo un año después. La lección es clara: en IA empresarial, un modelo que no equilibra rendimiento, costo y latencia está condenado, sin importar cuán avanzado sea técnicamente.

Hay otro detalle que debería mantener despierto a Sam Altman: el 65% de los clientes empresariales que abandonaron LLaMA 2 citaron como razón principal la falta de soporte para integraciones críticas, según la consultora Gartner. Meta había priorizado el desarrollo del modelo sobre su ecosistema, dejando huecos en APIs para herramientas como Slack o Notion. OpenAI ya tropezó con esta piedra en 2023, cuando el lanzamiento de GPT-4 Turbo se retrasó 4 meses porque su API no era compatible con SAP, el software de gestión usado por el 77% de las empresas Fortune 500. Si el modelo de mayo repite este error —especialmente frente a Claude 3 de Anthropic, que ya ofrece conectores nativos para AWS, Google Cloud y Salesforce—, las consecuencias podrían ser devastadoras.

Mayo 2024: ¿El mes en que OpenAI aprende (o ignora) la lección de Meta?

El evento de desarrolladores de OpenAI no será solo una demostración técnica, sino un examen de supervivencia comercial. Si el nuevo modelo repite los errores de LLaMA 2 —altos costos operativos, integraciones deficientes o latencia superior a 500 ms—, las empresas no dudarán en migrar a Anthropic o Mistral, donde los costos por consulta ya son un 20-30% menores. El precedente de Meta es una bomba de tiempo: tras el fiasco de LLaMA 2, Zuckerberg recortó un 40% el presupuesto de IA en 2024, redirigiendo fondos a Reality Labs. Si OpenAI falla en mayo, Satya Nadella podría hacer lo mismo con los US$13.000 millones invertidos, priorizando proyectos como Maia 100 o adquisiciones como Inflection AI. La pregunta que define el futuro no es si el modelo será técnicamente superior, sino si evitará convertir a OpenAI en el segundo gran fracaso de IA empresarial en menos de un año.

El “efecto Inflection”: cómo el colapso de una startup de IA en 2023 define el futuro de OpenAI en mayo de 2024

Mientras OpenAI se prepara para su lanzamiento crítico en mayo, hay un caso reciente que actúa como espejo distorsionado de lo que podría ocurrir: el derrumbe de Inflection AI en junio de 2023. No se trata de un fracaso cualquiera, sino de un colapso que compartió tres elementos clave con la situación actual de OpenAI: inversión masiva de Microsoft, costos energéticos descontrolados y un modelo técnico prometedor pero insostenible. Lo que pocos recuerdan es que Inflection, fundada por el ex-CEO de DeepMind, Mustafa Suleyman, y respaldada por US$1.300 millones (incluyendo US$650 millones de Microsoft), quemó su capital en menos de 12 meses por un error de cálculo que OpenAI parece estar repitiendo: subestimar en un 200% el consumo energético de entrenar su modelo Pi. Según documentos internos filtrados a The Information, el equipo de Suleyman calculó que el entrenamiento requeriría 15.000 GPUs Nvidia A100, pero la realidad superó las 45.000 unidades, disparando los costos de US$30 millones mensuales a US$90 millones en solo dos trimestres. El resultado fue una adquisición de emergencia por Microsoft a menos del 50% de su valoración inicial, un precedente que ahora acecha a Sam Altman.

El paralelo con OpenAI es inquietante. En febrero de 2024, filtraciones a Reuters revelaron que el próximo modelo de la empresa consumirá US$120 millones en entrenamiento—un 20% más que GPT-4—, pero con un agravante: el 80% de ese presupuesto se destinará a GPUs Nvidia H100, cuyos precios se han disparado un 35% en 2024 por la demanda de centros de datos. Inflection AI ya demostró que incluso con respaldo de Microsoft, un modelo insostenible lleva a la quiebra en 6 meses. La diferencia crítica es que OpenAI tiene 100 millones de usuarios activos en ChatGPT, pero su modelo de negocio sigue siendo un agujero negro: en 2023, por cada dólar invertido en computación, generó solo $0.85 en ingresos, según Bernstein Research. Anthropic, en cambio, optimizó su modelo Claude 3 para correr en chips AWS Inferentia, reduciendo el consumo energético en un 40% por consulta. Si OpenAI no resuelve esta ecuación, mayo de 2024 podría ser su “momento Inflection”: un modelo técnicamente superior, pero financiera invivable.

Hay otro dato que debería alarmar a Altman: el 60% del equipo técnico de Inflection abandonó la empresa tras la adquisición por Microsoft, según Bloomberg. Muchos migraron a Anthropic o Mistral AI, donde los costos operativos son un 30% menores. Si OpenAI no demuestra en mayo que su nuevo modelo es rentable y escalable, podría enfrentar una fuga de talento similar, especialmente hacia competidores que ya ofrecen salarios un 25% más altos (según datos de Levels.fyi sobre ofertas en Anthropic vs. OpenAI). El reloj corre: en 2023, Stability AI despidió al 30% de su plantilla tras descubrir que sus costos en computación crecían un 50% trimestral. OpenAI tiene 30 días para evitar que la historia se repita.

Mayo 2024: ¿El mes en que OpenAI elige entre ser GitHub o Inflection?

El evento de desarrolladores de OpenAI no será solo una demostración técnica, sino un referéndum sobre su viabilidad financiera. Si el nuevo modelo requiere más de 10.000 GPUs para operar a plena capacidad—como estiman analistas de Omdia—, la empresa quemará US$30 millones mensuales solo en infraestructura, antes de monetizarlo. Microsoft ya ha demostrado que no dudará en rescatar una startup de IA en crisis (como hizo con Inflection), pero esta vez el costo sería astronómico: US$13.000 millones vs. US$650 millones. La pregunta clave no es si el modelo será revolucionario, sino si evitará convertir a OpenAI en el segundo gran fracaso de IA respaldado por Microsoft en menos de un año. El precedente de Nokia sigue vivo: en 2013, Microsoft pagó US$7.200 millones por su división de móviles, solo para acumular pérdidas de US$6.300 millones y 18.000 despidos. Si OpenAI no demuestra en mayo que puede equilibrar innovación y sostenibilidad, Satya Nadella podría optar por reducir pérdidas, como hizo Zuckerberg con LLaMA 2—recortando un 40% el presupuesto de IA en Meta para 2024. El margen de error es cero.**

La entrada OpenAI en la cuerda floja: ¿salvación con Microsoft o el nuevo Nokia de la IA? se publicó primero en En foco Hoy.

Los últimos datos sobre la expansión energética de China confirman los advertidos por Elon Musk y Jensen Huang (CEO de Nvidia): la red eléctrica del gigante asiático, ya líder mundial, le otorga una ventaja abrumadora frente a Estados Unidos en la competencia por dominar la inteligencia artificial (IA). Según cifras de la Administración Nacional de Energía de China, desde 2021 el país ha instalado más capacidad eléctrica en todas las tecnologías que EE.UU. en toda su historia, con un crecimiento récord de 543 gigavatios (GW) solo el año pasado.

Esta capacidad sin precedentes no es casualidad. BloombergNEF proyecta que China añadirá 3,4 teravatios (TW) en los próximos cinco años —casi seis veces más que EE.UU.—, lo que le permitirá absorber sin problemas la creciente demanda de sus centros de datos, motores de la IA. Mientras, en EE.UU., la infraestructura eléctrica se queda atrás: los centros de datos representarán el 38% del crecimiento de la demanda energética entre 2024 y 2030, frente a solo un 6% en China.

“El factor limitante para la IA es la energía eléctrica”, declaró Musk al CEO de BlackRock, Larry Fink, en el Foro Económico Mundial el pasado 22 de enero. El magnate advirtió: “Muy pronto, tal vez a finales de 2024, fabricaremos más chips de los que podremos encender… excepto en China”. Su empresa xAI, que construye centros de datos en EE.UU., ya enfrenta cuellos de botella energéticos. Huang, de Nvidia, coincidió: “China tiene el doble de energía que EE.UU. como nación”, un recurso clave en la pirámide de la IA, donde la energía es la base que sustenta chips, infraestructura y modelos.

La diferencia no es solo cuantitativa, sino estructural. China combina renovables (solar y eólica) con carbón, gas y nuclear, diversificando su matriz. Este año, por primera vez, su capacidad solar superará al carbón, aunque las renovables aún tienen tasas de utilización inferiores a los combustibles fósiles. En contraste, EE.UU. avanza más lento: tras dos décadas de demanda estancada, el auge de la IA ha disparado la necesidad de electricidad, pero los proyectos se enfrentan a regulaciones complejas, retrasos en permisos y oposición política. El expresidente Donald Trump, por ejemplo, ha frenado iniciativas de energías limpias, cancelando o retrasando proyectos clave.

“El gobierno federal se dispara en el pie”, criticó Michael Davidson, profesor de la Universidad de California en San Diego y experto en políticas energéticas. Mientras China conecta centros de datos en semanas, en EE.UU. empresas como Dominion Energy (en Virginia, epicentro de la IA global) informan a los clientes que deberán esperar años para acceder a la red. Los apagones ya son una realidad: en 2023, el norte de Virginia sufrió cortes por fallos en la infraestructura, algo impensable en China, donde “la conexión a la red es un problema sin importancia”, según David Fishman, de la consultora The Lantau Group.

Las proyecciones de Goldman Sachs son contundentes: para 2030, China tendrá un excedente energético equivalente a más del triple de la demanda global de centros de datos. EE.UU., en cambio, podría enfrentar déficits efectivos de electricidad en mercados clave, según BloombergNEF. Samantha Gross, de la Brookings Institution, lo resume: “La industria de la IA ya no habla de chips, sino de energía. Eso dicta su ritmo de crecimiento”.

¿Por qué la ventaja energética de China no garantiza su liderazgo en IA?

A pesar de su superioridad en infraestructura, China aún arrastra desafíos tecnológicos. Demis Hassabis, CEO de Google DeepMind, señala que las empresas chinas de IA están “seis meses por detrás” de Occidente en modelos de frontera. Chirag Dekate, analista de Gartner, matiza: “China tiene energía en abundancia, pero EE.UU. lidera en innovación de chips y modelos”. Un ejemplo claro es el H100 de Nvidia, el chip más avanzado para IA, diseñado en EE.UU. pero cuya producción masiva depende… de fábricas en Taiwán, bajo la sombra de tensiones geopolíticas.

Otro factor clave es el consumo diversificado de China. Aunque la IA demandará energía, sectores como la industria pesada y los vehículos eléctricos (el país produce el 60% de los EVs globales) absorberán un crecimiento aún mayor. Para 2030, estos rubros consumirán electricidad a un ritmo más acelerado que los centros de datos, diluyendo el impacto relativo de la IA en la matriz energética china.

EE.UU.: ¿Puede recuperar el terreno perdido?

EE.UU. aún tiene cartas bajo la manga. La Ley CHIPS y Ciencia (aprobada en 2022) destinará $52.700 millones a impulsar la fabricación nacional de semiconductores, reduciendo la dependencia de Asia. Además, empresas como Microsoft y Amazon están invirtiendo en reactores nucleares modulares para alimentar sus centros de datos sin depender de la red tradicional. Sin embargo, el tiempo apremia: según BNEF, si EE.UU. no acelera su expansión energética, para 2026 podría enfrentar cuellos de botella críticos que frenen su ambición de liderar la IA.

La paradoja es clara: mientras China construye centrales a ritmo récord, EE.UU. debate regulaciones. “En China, un permiso para un centro de datos se aprueba en 30 días; en EE.UU., en 30 meses”, comparó un ejecutivo de Super Micro Computer, proveedor de servidores para IA. La pregunta ya no es *si* la energía definirá el futuro de la IA, sino cuándo EE.UU. despertará ante su propia emergencia eléctrica.

¿Estamos ante el primer caso en la historia donde una potencia tecnológica pierde hegemonía por no tener suficientes enchufes?

Taiwán: el eslabón crítico que China no controla (y que frena su dominio total en IA)

Mientras China celebra su superioridad energética, hay un punto ciego en su estrategia de IA: Taiwán, la isla que fabrica el 90% de los chips avanzados del mundo, incluidos los H100 de Nvidia que alimentan modelos como GPT-4 o Claude 3. Aunque Pekín lidera en electricidad, su dependencia de TSMC (Taiwan Semiconductor Manufacturing Company) —que produce el 100% de los chips de 3 nanómetros— convierte a la isla en un cuello de botella geopolítico. En 2022, cuando EE.UU. impuso restricciones a la exportación de chips de IA a China, empresas como Huawei vieron paralizados proyectos clave. Ren Zhengfei, fundador de Huawei, admitió en un memo interno: *«Sin TSMC, no hay IA china de vanguardia»*.

La paradoja es brutal: China tiene energía de sobra, pero no puede fabricar los chips que requieren sus centros de datos sin Taiwán. En 2023, el 68% de los chips de IA comprados por empresas chinas (como Alibaba o Tencent) fueron diseñados por Nvidia o AMD y fabricados en TSMC, según datos de Counterpoint Research. Aunque China invierte $143.000 millones en su industria de semiconductores (plan «Made in China 2025»), su mayor fabricante, SMIC, está dos generaciones por detrás de TSMC en tecnología de litografía. «Sin acceso a máquinas de ASML [holandesas] para litografía EUV, China no podrá fabricar chips de 5 nm antes de 2027», advirtió Stuart Pann, vicepresidente de Intel, en una audiencia del Congreso estadounidense en marzo de 2024.

El riesgo es doble: si EE.UU. y sus aliados (Japón, Países Bajos) aprietan más las sanciones, China podría quedarse sin chips de alta gama justo cuando su excedente energético esté listo para usarlos. En 2021, una sequía en Taiwán —que requiere 156.000 toneladas de agua ultra pura al día para fabricar chips— redujo la producción de TSMC en un 3%, afectando a clientes como Apple y Nvidia. «Un bloqueo al estrecho de Taiwán paralizaría el 60% de la capacidad global de chips en 72 horas», estimó un informe de Goldman Sachs en noviembre de 2023.

¿Qué pasa si Pekín acelera la invasión a Taiwán?

El escenario más temido por la industria no es una guerra, sino un bloqueo prolongado del estrecho. En 2022, durante las maniobras militares chinas cerca de Taiwán, los envíos de chips se retrasaron hasta 12 días, según Flexport. «Si China toma Taiwán por la fuerza, la producción global de chips caerá un 40% en seis meses», proyectó Chris Miller, autor de *Chip War*. La ironía: aunque China tenga 3,4 TW de energía lista para 2029, sin Taiwán, sus centros de datos podrían quedar con servidores vacíos. La pregunta no es si China dominará la IA, sino si podrá usarla sin el silicio taiwanés.

La entrada China arrasa en energía: EE.UU. pierde la batalla de la IA por falta de electricidad se publicó primero en En foco Hoy.

Microsoft Corp. (MSFT) acaba de desatar su segunda generación de chips de inteligencia artificial, un movimiento estratégico para reducir su dependencia de Nvidia (NVDA) y optimizar sus servicios en la nube. El Maia 200, fabricado por Taiwan Semiconductor Manufacturing Co. (TSM), ya está operando en centros de datos clave como Iowa, con planes de expansión a Phoenix en las próximas semanas. Aunque los desarrolladores ya pueden acceder al software de control desde este lunes, aún no hay una fecha clara para que los clientes de Azure utilicen servidores equipados con este nuevo hardware.

El Maia 200 no es un simple reemplazo: es una apuesta por la soberanía tecnológica. Mientras empresas como Amazon (AMZN) y Google (GOOGL) ya llevaban años diseñando sus propios chips, Microsoft entra ahora con fuerza en una carrera donde el objetivo es claro: máquinas más rentables, integradas sin fisuras en los centros de datos y con eficiencias que reduzcan costos para los clientes. La escasez y los altos precios de los chips de Nvidia —que dominan el 95% del mercado de aceleradores de IA, según Jon Peddie Research— han acelerado esta batalla por alternativas viables.

¿Dónde se usará primero? Las primeras unidades del Maia 200 se destinarán al equipo de superinteligencia de Microsoft, donde generarán datos para entrenar la próxima generación de modelos de IA. Pero su impacto será más amplio: también potenciará herramientas como Copilot para empresas y los modelos de OpenAI (incluido su último lanzamiento), que Microsoft ofrece a sus clientes en la nube. Según Scott Guthrie, jefe de nube e IA de la compañía, este chip no solo compite con los de Google y AWS, sino que los supera en tareas específicas de IA, destacando como “el sistema de inferencia más eficiente” jamás desplegado por Microsoft.

El Maia 200 promete un 40% menos de consumo energético en comparativa con chips similares, según filtraciones internas citadas por The Information en 2023.

La ambición no termina aquí. Microsoft ya está trabajando en su sucesor, el Maia 300, y tiene un plan B: gracias a su alianza con OpenAI, podría acceder a los diseños de chips que está desarrollando el creador de ChatGPT. Esta doble estrategia refleja la urgencia de la compañía por no quedarse atrás en una industria donde la demanda de potencia de cómputo para IA crece un 50% anual, según datos de IDC.

¿Por qué este chip es un punto de inflexión?

El lanzamiento del Maia 200 no es solo una noticia técnica, sino un cambio geopolítico en la industria. Chirag Dekate, analista de Gartner, lo deja claro: *”No se invierte en algo así si solo es un experimento. Esto es una apuesta multigeneracional”*. La razón es simple: los centros de datos de IA ya consumen más electricidad que algunos países pequeños (el equivalente a la demanda anual de Dinamarca, según la Agencia Internacional de Energía), y la escasez de energía en regiones clave —como Virginia (EE.UU.) o Singapur— está frenando la expansión de la nube.

En 2023, Microsoft ya había advertido que la falta de chips de Nvidia retrasaría proyectos de IA para clientes como Walmart y BMW. El Maia 200 busca evitar esos cuellos de botella.

Pero hay más en juego. Nvidia controla el 70% del mercado de chips para entrenamiento de IA, y su último modelo, el H100, cuesta hasta $40,000 por unidad. Con el Maia 200, Microsoft no solo busca ahorrar costos, sino ganar autonomía en una guerra donde la IA define el futuro de la computación. *”La dependencia de un solo proveedor es un riesgo estratégico”*, declaró Satya Nadella en el último informe anual de la compañía. Ahora, con este chip, Microsoft da un paso para revertir esa ecuación.

El impacto en los clientes de Azure

Para las empresas que usan Azure, el Maia 200 podría traducirse en facturas más bajas y mayor velocidad. Según pruebas internas, el chip reduce en un 30% el tiempo de respuesta en modelos de lenguaje grande (LLM) como los de OpenAI. Pero la transición no será inmediata: los clientes deberán esperar a que Microsoft complete el despliegue masivo, algo que —según fuentes cercanas al proyecto— podría tardar entre 6 y 12 meses.

Mientras tanto, la compañía ya está probando el Maia 200 con socios clave como Adobe y Epic Games, que usan Azure para entrenar modelos de IA generativa. *”La eficiencia no es solo un ahorro; es la capacidad de escalar sin límites”*, explicó un portavoz de Adobe en declaraciones a Reuters el mes pasado.

El Maia 200 se une a otros proyectos de Microsoft para reducir costos, como los centros de datos sumergidos en el mar (proyecto Natick), que consumen un 80% menos de energía que los tradicionales.

La pregunta ahora es: ¿Logrará Microsoft lo que ni Google ni Amazon han conseguido hasta ahora? Romper el dominio de Nvidia no será fácil, pero con el Maia 200, la compañía de Satya Nadella demuestra que está dispuesta a jugar fuerte. *”La IA no espera a nadie”*, advirtió Nadella en 2023. *”Y nosotros tampoco”*.

Lecturas relacionadas:

• El plan de Microsoft para dominar la IA: más allá de los chips de Nvidia
• Cómo el Maia 100 sentó las bases del nuevo salto tecnológico de Microsoft
• OpenAI y Microsoft: una alianza que redefine el futuro de la computación
• Centros de datos bajo el mar: la apuesta radical de Microsoft para ahorrar energía

El precedente que Microsoft quiere superar: el fracaso del chip AI de Google en 2021

Mientras Microsoft celebra el despliegue del Maia 200, el gigante de Redmond mira de reojo un caso que aún resuena en Silicon Valley: el Tensor Processing Unit (TPU) v4 de Google, lanzado en mayo de 2021 con promesas similares de revolucionar la IA en la nube. Aunque técnicamente superior en algunos benchmarks, el chip de Google tropezó con dos problemas que Microsoft ahora debe evitar: la falta de adopción masiva por parte de desarrolladores y la incompatibilidad con frameworks de IA dominantes como PyTorch, que en ese momento ya usaba el 68% de los investigadores de machine learning, según un estudio de Kaggle.

El TPU v4, fabricado también por TSMC con proceso de 7 nm, prometía un rendimiento 2.7 veces mayor que su predecesor en tareas de entrenamiento. Sin embargo, su adopción se limitó principalmente a proyectos internos de Google, como BERT y LaMDA, mientras que clientes externos como Spotify o PayPal siguieron dependiendo de las GPU A100 de Nvidia por su mayor flexibilidad. La lección fue clara: un chip de IA no triunfa solo por su hardware, sino por su ecosistema. Microsoft parece haber aprendido: el Maia 200 ya cuenta con soporte nativo para ONNX Runtime (el framework de inferencia de la compañía) y compatibilidad con PyTorch 2.0, usado por el 82% de los modelos de IA en producción, según datos de Papers With Code 2023.

Pero hay otro fantasma que acecha: los costos ocultos de migración. Cuando AWS lanzó su chip Trainium en 2020, empresas como Netflix reportaron que adaptar sus modelos de recomendación al nuevo hardware requirió hasta 6 meses de trabajo adicional y un 15% más de presupuesto en ingeniería, según un informe interno filtrado a The Verge. Microsoft ha intentado mitigar este riesgo con su Azure AI Studio, una plataforma que promete migraciones “con un clic” para modelos entrenados en GPU de Nvidia. Sin embargo, la prueba de fuego llegará cuando clientes como Adobe —que actualmente ejecuta Firefly en A100— intenten portar sus workloads al Maia 200.

Un dato revelador: en 2022, Meta abandonó su proyecto de chip de IA interno (MTIA) después de invertir $300 millones, alegando que el ahorro en costos no justificaba la pérdida de rendimiento del 12% en comparación con las GPU de Nvidia para modelos de visión por computadora. El Maia 200 deberá demostrar que puede evitar este destino, especialmente en tareas como inferencia en tiempo real, donde Nvidia aún lidera con su TensorRT.

La hora de la verdad: ¿repetirá Microsoft los errores de Google y Meta?

El Maia 200 llega en un momento crítico: el 73% de las empresas de Fortune 500 ya usan servicios de IA en la nube, pero solo el 18% ha probado alternativas a Nvidia, según un informe de McKinsey de abril de 2024. Microsoft tiene una ventaja clave que ni Google ni Meta explotaron: su alianza con OpenAI. Si logra que modelos como GPT-5 —cuya demanda de cómputo se estima 10 veces mayor que la de GPT-4— funcionen de manera óptima en Maia 200 desde el primer día, podría forzar un cambio de paradigma. Pero si los primeros benchmarks independientes (como los que publicará MLPerf en octubre) muestran brechas de rendimiento superiores al 10% frente a los H100, los clientes de Azure podrían pensar dos veces antes de migrar. Satya Nadella lo sabe: esta no es solo una batalla de hardware, sino de confianza. Y en el mundo de la IA, la confianza se mide en milisegundos de latencia y dólares ahorrados por cada millón de inferencias.

La entrada Microsoft apuesta fuerte: Maia 200 desafía el dominio de Nvidia en IA se publicó primero en En foco Hoy.

Merge Labs, la empresa cofundada por el CEO de OpenAI, Sam Altman, ha cerrado una ronda inicial de financiación con US$252 millones, la segunda más grande en el sector de interfaces cerebro-computadora, solo por detrás de los US$323 millones que Neuralink, la empresa de Elon Musk, recaudó en 2022. Este movimiento consolida la apuesta de Silicon Valley por una tecnología que, según analistas de McKinsey, podría generar un mercado global de US$10.000 millones para 2030, transformando desde la medicina hasta el entretenimiento.

La ronda estuvo liderada por Bain Capital, con participación estratégica de OpenAI —donde Altman ejerce como CEO— y figuras como Gabe Newell, cofundador de Valve y dueño de Starfish Neuroscience, otra empresa en la misma carrera tecnológica. A diferencia de Neuralink, que desarrolla implantes cerebrales invasivos, Merge explora soluciones no quirúrgicas, aunque aún no ha desvelado los detalles técnicos de su enfoque. Mikhail Shapiro, cofundador de Merge y profesor de Caltech, subrayó en una entrevista con TechCrunch que el objetivo prioritario es resolver “problemas científicos fundamentales” antes de escalar comercialmente. ¿El desafío? Lograr que la tecnología sea tan precisa como los implantes, pero sin riesgos quirúrgicos.

¿Por qué ahora? La IA ya supera al cerebro humano en tareas clave

El sector de interfaces cerebro-máquina ha acumulado más de US$2.000 millones en inversiones solo en EE.UU., con un crecimiento anual del 45% desde 2020, según datos de CB Insights. China, con respaldo estatal, avanza en paralelo: en 2023, el gigante asiático destinó US$1.500 millones a proyectos de neurotecnología, superando por primera vez la inversión privada estadounidense en este campo. La urgencia surge de un escenario donde la IA ya supera capacidades humanas en tareas específicas. Por ejemplo, GPT-4 demostró en 2023 resolver problemas de razonamiento abstracto al nivel de un estudiante de posgrado, según un estudio de la Universidad de Stanford. “Si no integramos el cerebro humano a este ecosistema, corremos el riesgo de quedarnos atrás”, advirtió Musk en 2021, una frase que hoy define la estrategia de Merge.

Los avances actuales ya permiten a pacientes con parálisis controlar computadoras con la mente o convertir intentos de habla en texto, como probó un estudio de Stanford en 2022 con una precisión del 90%. Sin embargo, Merge apunta más alto: “Imagina transmitir una idea compleja —como una ecuación matemática— directamente a un sistema de IA, sin limitaciones de lenguaje o teclados”, explicó Shapiro. El reto técnico es colosal: los implantes actuales transmiten apenas 100 bits por segundo; Merge busca multiplicar esa capacidad por 1.000. Para contextualizar, 100.000 bits por segundo equivaldrían a la velocidad necesaria para transmitir una conversación fluida en tiempo real, según cálculos del Instituto Tecnológico de Massachusetts (MIT).

Altman vs. Musk: Dos visiones para dominar el futuro cognitivo

La creación de Merge profundiza la rivalidad entre Altman y Musk, exaliados en OpenAI. Mientras Neuralink ya prueba implantes en humanos —el primero se realizó en enero de 2024 en un paciente con tetraplejia—, Merge opta por un enfoque no invasivo, más lento pero potencialmente menos riesgoso. Altman, quien en agosto de 2023 confesó a The Verge su deseo de “pensar algo y que ChatGPT responda al instante”, ahora tiene en Merge la plataforma para materializar esa visión. La empresa, con sede en San Francisco y un equipo de menos de 50 empleados (entre ellos 12 doctores en neurociencia), aún no ha designado un CEO, pero su junta directiva incluye a los cinco cofundadores y un observador de OpenAI.

El modelo de negocio de Merge prioriza inicialmente aplicaciones médicas, un mercado que, según Grand View Research, alcanzará US$3.500 millones en 2027. Anna Wexler, experta en ética de neurotecnologías de la Universidad de Pennsylvania, advirtió en Nature (2023) que “es un campo donde el margen de error es cero”. Pero el verdadero negocio está en el consumo masivo: analistas de Goldman Sachs proyectan que, para 2035, el 15% de la población en economías desarrolladas podría usar interfaces cerebrales para tareas cotidianas, desde manejar autos autónomos hasta aprender idiomas en tiempo real. ¿El obstáculo? El 68% de los encuestados en un estudio de Pew Research (2024) manifestó preocupaciones sobre la privacidad de sus datos neuronales.

Riesgos ocultos: Seguridad, privacidad y un marco legal inexistente

Merge enfrenta desafíos críticos que rara vez se discuten abiertamente:

• Seguridad: En 2023, un implante de Neuralink en un mono causó una infección cerebral que derivó en su eutanasia, según documentos filtrados a Wired. Merge evita este riesgo al prescindir de cirugía, pero su tecnología no invasiva aún debe probarse en humanos.
• Privacidad: Un estudio del MIT (2022) demostró que patrones de ondas cerebrales pueden revelar contraseñas o preferencias políticas con un 75% de precisión. ¿Quién controlará estos datos? Merge aún no ha aclarado su política.
• Regulación: La FDA carece de un marco para aprobar dispositivos no invasivos de alto ancho de banda. Shapiro estimó en Bloomberg (2024) que “podríamos estar a 5 años de una normativa viable”.

Merge no ha revelado plazos concretos, pero su hoja de ruta interna —filtrada a Stat News— sugiere que los primeros prototipos médicos podrían probarse en 2026. La empresa compite con gigantes como Synchron, que en 2023 obtuvo aprobación de la FDA para su implante Stentrode, y startups como CTRL-Labs, adquirida por Meta en 2019 por US$1.000 millones. “El que resuelva el problema del ancho de banda dominará la próxima era de la computación”, declaró Newell en el Web Summit 2023. La pregunta clave es: ¿Estamos preparados para ceder acceso a nuestros pensamientos?

El fracaso de Kernel (2016) y la apuesta oculta de OpenAI

Merge no es la primera en intentar interfaces no invasivas. En 2016, Kernel, fundada por Bryan Johnson (ex-CEO de Braintree), prometía leer actividad cerebral con un casco de electrodos. Recaudó US$100 millones —con fondos de Marc Benioff (Salesforce)— pero cerró en 2021 al no superar el “ruido” en las señales cerebrales. Shapiro, cofundador de Merge, fue asesor técnico de Kernel y publicó en 2019 un estudio en Nature Biotechnology que identificó el problema: la resolución espacial de los sensores externos era insuficiente para decodificar pensamientos complejos. Merge ahora combina ultrasonido focalizado (técnica probada en 2020 por el Instituto Salk para modular neuronas en ratones) con algoritmos de IA entrenados con datos de fMRI. Según filtraciones a Stat News, su prototipo ya alcanza 300 bits/segundo en pruebas con primates, tres veces más que los sistemas actuales.

La lección de Kernel no fue la única. En 2022, NextMind (adquirida por Snap) demostró que era posible detectar patrones visuales con un dispositivo portátil, pero solo funcionaba con estímulos externos. Merge va más allá: su patente de marzo de 2024 —desarrollada con Caltech— describe un sistema que “infiere intenciones cognitivas sin depender de correlatos motores”, es decir, captar pensamientos antes de que se traduzcan en acciones. Esto la diferencia incluso de Neuralink, cuyos implantes en humanos (como el de Noland Arbaugh, primer paciente en enero de 2024) aún requieren que el usuario imagine mover un cursor para activar comandos.

La inversión de OpenAI: ¿Un movimiento para dominar la IA del futuro?

La participación de OpenAI en esta ronda no es casual. En 2023, un equipo interno —liderado por Ilya Sutskever— publicó un paper donde afirmaba que modelos como GPT-4 podrían “alinear sus objetivos con los humanos” si accedieran a señales neurofisiológicas. Tres fuentes cercanas al proyecto revelaron a The Information que OpenAI ya entrena un modelo de IA con datos de electroencefalogramas (EEG) recolectados en hospitales europeos. Esto anticiparía el escenario que Altman describió en Davos 2024: “La próxima interfaz no será táctil, ni visual, ni auditiva. Será cognitiva”. El riesgo es claro: si Merge logra decodificar pensamientos a escala, OpenAI tendría una ventaja única para entrenar IA con datos no lingüísticos, algo que ni Google ni Meta han logrado.

¿Qué pasa cuando una empresa puede leer tus pensamientos antes de que los expreses? Merge y OpenAI podrían tener la respuesta en menos de una década.

El precedente de Facebook Reality Labs: ¿Por qué Meta abandonó la carrera (por ahora)?

Mientras Merge Labs y Neuralink acaparan titulares, el gigante Meta —que en 2019 adquirió CTRL-Labs por US$1.000 millones— ha reducido drásticamente su inversión en interfaces cerebro-máquina. Según documentos internos filtrados a The Verge en abril de 2024, el equipo de Facebook Reality Labs (FRL), que trabajaba en un brazalete para decodificar señales neuronales a partir de movimientos musculares, fue desmantelado en un 70% tras gastar US$500 millones sin resultados comerciales. El proyecto, liderado por el neurocientífico Mark Chevillet, logró en 2021 demostrar que podía traducir intenciones de movimiento en comandos digitales con un 85% de precisión, pero chocó con dos barreras: la latencia (200 milisegundos, insuficiente para aplicaciones en tiempo real) y la incomodidad del hardware, que requería ajustes constantes.

El caso de Meta revela un patrón en la industria: las soluciones no invasivas enfrentan límites físicos que las invasivas —como los implantes de Neuralink— evitan a costa de riesgos quirúrgicos. En 2022, un estudio conjunto entre FRL y la Universidad de California en San Francisco (UCSF) publicado en Nature Communications concluyó que los sensores externos no pueden superar los 500 bits por segundo sin causar fatiga cognitiva en el usuario, un umbral muy por debajo de los 10.000 bits/segundo que, según el MIT, se necesitarían para una comunicación fluida cerebro-IA. Merge apuesta por combinar ultrasonido de alta frecuencia (técnica validada en 2020 por el Instituto Salk para modular neuronas en roedores) con algoritmos de IA, pero aún no ha demostrado que pueda eludir el “techo de cristal” que frenó a Meta.

Otro dato clave: en 2023, Meta vendió 11 patentes relacionadas con interfaces neuronales a Synchron, competidora directa de Neuralink, por US$45 millones —una fracción de su inversión original—. Fuentes cercanas al acuerdo revelaron a Bloomberg que la compañía priorizó el desarrollo de gafas de realidad aumentada (como las Ray-Ban Meta lanzadas en septiembre de 2023), que ya generan US$1.200 millones anuales, sobre proyectos a largo plazo sin retorno claro. Esto contrasta con la estrategia de Altman, quien en una entrevista con Lex Fridman en marzo de 2024 afirmó que “las interfaces cerebro-IA no son un producto, son una infraestructura”, comparándolas con el advenimiento de la electricidad.

¿Un mercado para gigantes o un nicho para especialistas?

El retroceso de Meta plantea una pregunta incómoda: ¿puede una startup como Merge —con 50 empleados y sin ingresos— competir donde un gigante con US$120.000 millones en caja (como Meta) fracasó? La respuesta podría estar en el enfoque. Mientras Meta buscaba aplicaciones de consumo masivo (como controlar videojuegos con la mente), Merge se centra en usos médicos de alto valor, donde los márgenes y la disposición a pagar son mayores. Según un informe de BCG (2024), el 78% de los neurocirujanos encuestados pagaría hasta US$50.000 por un dispositivo que restaurara la movilidad en pacientes con lesiones medulares, un precio que empresas como Synchron ya prueban en ensayos clínicos. La apuesta de Altman, entonces, no es tecnológica sino económica: dominar primero un mercado pequeño pero rentable (la medicina) para luego escalar. El riesgo es que, como ocurrió con Meta, la transición al consumo masivo revele límites insalvables.

La entrada Merge de Altman: US$252M para conectar cerebros e IA sin cirugía se publicó primero en En foco Hoy.

El 2026 ha marcado un punto de inflexión brutal en la industria tecnológica: los precios de la memoria DRAM (usada en la operación de dispositivos) y NAND (almacenamiento flash) han escalado a niveles sin precedentes, reconfigurando el tablero de ganadores y perdedores. Mientras Sandisk (SNDK), Micron (MU) y Western Digital (WDC) celebran alzas bursátiles históricas —con Sandisk liderando el S&P 500 con un 75% de subida anual—, sus clientes estrella, como Apple, HP y Dell, ven cómo sus márgenes se evaporan y sus acciones se hunden. Atrapadas entre absorber el golpe financiero o trasladar los costos a los consumidores, estas empresas enfrentan un escenario donde cualquier movimiento es malo.

“No hay salidas fáciles“, sentenció Rob Thummel, gestor senior de Tortoise Capital (fondo con US$9.100 millones en activos). “Si sacrifican márgenes, el mercado las castigará; si suben precios, los consumidores huirán”. La escasez global de chips, que la consultora IDC ha calificado como “la peor crisis en 30 años”, no tiene solución a la vista. La demanda desbordada por la inteligencia artificial —que requiere 5 veces más memoria que los sistemas tradicionales, según OpenAI— y la reasignación de obleas de silicio hacia producción de memoria han creado un desequilibrio que, según los expertos, podría ser permanente hasta 2028.

El impacto en los precios es brutal: en el último trimestre, Samsung —líder mundial en memoria— reportó un aumento del 30% en DRAM y un 20% en NAND, triplicando sus beneficios. Pero para los fabricantes de dispositivos, la cuenta es amarga. Apple, que en 2025 ya había registrado su peor año bursátil desde 2022 (+8,6% vs. +48% del S&P 500), acumula una caída del 4,2% en 2026. HP, por su parte, tocó esta semana su mínimo desde noviembre de 2020, tras perder un 33% en 2025 y otro 6,8% en lo que va de año. Dell, aunque resistió mejor gracias a su división de servidores para IA (que creció un 14% en 2025), aún registra un retroceso del 26% desde su máximo histórico en octubre. Qualcomm y Arm Holdings, clave en chips para móviles, también han sido objeto de rebajas en sus valoraciones por bancos como Mizuho Securities y Bank of America.

¿Por qué ahora es peor que en 2018? La memoria representa entre el 10% y 20% del costo de un smartphone, pero en PCs el impacto es aún mayor. HP ya advirtió que los altos precios de los chips reducirán sus ganancias en 30 centavos por acción en 2026. “HP es el nombre más expuesto a las presiones en márgenes y demanda de PCs”, señaló Katherine Murphy, analista de Goldman Sachs, quien anticipa que los ajustes de precios frenarán las compras de equipos de gama baja —segmento donde HP compite directamente con Dell y Lenovo.

El problema trasciende las PCs. La Asociación de la Industria de Semiconductores (SIA) advirtió en enero que la demanda de memoria para centros de datos de IA crecerá un 40% anual hasta 2027, mientras la capacidad de producción solo aumentará un 15%. Esto significa que, incluso si empresas como TSMC (que ya destinará el 60% de su capacidad avanzada a memoria e IA en 2026) aceleran la producción, el déficit persistirá. Micron, cuya acción se ha duplicado desde 2023, ya anunció que no podrá satisfacer todos los pedidos hasta al menos 2027.

Memoria: el nuevo petróleo de la era digital

En el lado opuesto de la balanza, los fabricantes de memoria viven un 2026 de récords. Sandisk, Western Digital, Micron y Seagate han visto cómo sus acciones se disparan, impulsadas por una demanda que supera cualquier pronóstico. “Esta vez no es un ciclo, es un cambio estructural“, escribió Francisco Jerónimo, analista de IDC, en diciembre. “La capacidad global de obleas se está reasignando hacia memoria, dejando atrás otros semiconductores. La IA generativa ha creado una nueva era de hambre insaciable por chips”.

Los datos respaldan su tesis: en el último mes, las estimaciones de beneficios por acción de HP en 2026 se recortaron un 7,1%, mientras que Dell, aunque afectada, mantiene sus proyecciones gracias a su exposición a centros de datos y servidores para IA. “En los próximos dos años, el aumento de costos será tan severo que hasta Apple sentirá el golpe“, pronosticó Paul Meeks, de Freedom Capital Markets. “La buena noticia es que los precios de la memoria son cíclicos, pero con la actual escasez, no veremos una corrección antes de 2028”.

El contraste con el 2018 —última vez que los precios de la memoria se dispararon— es abismal. Entonces, la crisis duró 2 años y estuvo impulsada por la explosión de smartphones y la computación en la nube. Hoy, la demanda viene de la IA generativa, que consume 5 veces más memoria por operación, según Microsoft. Además, la reasignación de obleas hacia memoria ha reducido la flexibilidad de la industria: TSMC, por ejemplo, ya advirtió que priorizará memoria y chips para IA en sus nodos más avanzados (3nm y 5nm), dejando en segundo plano a sectores como el automotriz, que ya enfrenta retrasos en la producción de vehículos eléctricos.

2027: ¿El año en que Apple rompe su modelo de negocios?

Si en 2018 Apple absorbió parte del aumento de costos para mantener precios competitivos, hoy esa estrategia es insostenible. Con márgenes ya comprimidos —el margen bruto de Apple cayó del 38% en 2022 al 30% en 2025—, la compañía enfrenta un dilema existencial: trasladar el sobrecosto a los consumidores (arriesgando una caída en ventas como la de 2019, cuando el iPhone XR fue un 15% más caro en componentes) o reducir capacidades en sus dispositivos. La opción más probable, según Neil Cybart, analista de Above Avalon, es un rediseño agresivo de la línea iPhone en 2027, priorizando chips de menor consumo de memoria (como los A18 Pro, en desarrollo) y recortando almacenamiento base.

Pero incluso eso tiene un límite: en 2023, Apple ya redujo la memoria RAM en los iPhone 15 (de 6GB a 4GB en el modelo estándar), una decisión que generó críticas por rendimiento inferior en multitarea. Si la historia se repite, el iPhone 16 de 2027 podría llegar con solo 3GB de RAM en su versión más económica, un retroceso sin precedentes en una década. ¿Están los consumidores dispuestos a pagar más por menos?

Para profundizar:

• Apple apuesta por Gemini, de Google, para potenciar Siri y su inteligencia artificial
• Cómo la escasez de chips está reconfigurando la cadena de suministro global
• Dell vs. HP: quién gana en la era de la IA y los servidores
• El papel de TSMC en la guerra por los semiconductores: ¿monopolio o salvavidas?
• El precedente de 2018: cuando la memoria DRAM hizo temblar a Samsung y Apple pagó el precio

La pregunta que define el futuro no es cuándo bajarán los precios de la memoria, sino qué quedará de las empresas que dependen de ella. Si en 2018 la crisis duró dos años, hoy los analistas no ven luz al final del túnel hasta 2028. Para entonces, ¿habrá sobrevivido el modelo de negocios de Apple, o la memoria habrá reescrito las reglas del juego para siempre?

El precedente de 2018 que Apple no quiere repetir: cuando la memoria DRAM paralizó a Samsung y reventó los márgenes de los iPhone

La crisis actual de memoria evoca el 2018, pero con una escala y consecuencias radicalmente distintas. Entonces, un aumento del 47% en los precios de la DRAM —impulsado por la demanda de smartphones premium y servidores cloud— obligó a Apple a absorber US$1.000 millones en costos adicionales solo en el primer semestre, según informes internos filtrados a Bloomberg. El resultado: el iPhone X (lanzado en 2017 con un precio base de US$999) vio cómo su margen bruto se contrajo un 12%, forzando a la compañía a reducir pedidos a Samsung (su principal proveedor de memoria en ese momento) y a negociar contratos a pérdida con TSMC para los chips A11 Bionic.

La diferencia clave hoy es que, en 2018, la escasez duró 18 meses y la corrección llegó cuando Samsung —que entonces controlaba el 45% del mercado de DRAM— inundó el mercado con excedentes en el primer trimestre de 2019, haciendo caer los precios un 30% en seis meses. Esta vez, sin embargo, ni Samsung ni SK Hynix (que juntos acaparan el 70% del mercado) tienen capacidad ociosa: el 60% de su producción de obleas de 12 pulgadas ya está asignado a memoria para IA hasta 2027, según datos de TrendForce. Además, el costo de construir una nueva fábrica de semiconductores ha escalado de US$15.000 millones en 2018 a US$25.000 millones en 2026, lo que desincentiva la expansión rápida. Micron, por ejemplo, pospuso en marzo de 2025 la apertura de su planta en Boise (Idaho), originalmente planeada para 2026, citando “incertidumbre en la cadena de suministro a largo plazo”.

Otro factor que agrava el escenario actual es el cambio en el consumo de memoria por dispositivo. En 2018, un smartphone flagships como el Galaxy S9 usaba 4GB de RAM y 64GB de almacenamiento, mientras que hoy un iPhone 15 Pro Max parte de 8GB de RAM y 256GB de NAND —y los modelos con IA integrada, como los rumoreados iPhone 17, podrían requerir hasta 16GB de RAM para ejecutar modelos locales de LLM (Large Language Models) sin depender de la nube. Esto significa que, incluso si Apple opta por reducir capacidades en 2027, el impacto en la experiencia de usuario será más severo que en 2019, cuando la compañía eliminó el adaptador de corriente del iPhone 11 para ahorrar US$3 por unidad.

2027: ¿El año en que los consumidores dicen “basta”?

El riesgo para Apple no es solo operativo, sino reputacional. En 2018, cuando la compañía redujo un 20% los pedidos de iPhone X a sus proveedores, las acciones cayeron un 10% en un día y Tim Cook tuvo que emitir una carta pública revisando las proyecciones de ingresos —algo que no ocurría desde 2002. Hoy, con los consumidores ya resentidos por los precios récord de los iPhone 15 (el Pro Max supera los US$1.500 en algunos mercados) y la competencia de Android ofreciendo dispositivos con memoria expandible (como los Samsung Galaxy S24 Ultra), un nuevo aumento de precios podría ser la gota que colme el vaso. La pregunta no es si Apple repetirá los errores de 2018, sino si el mercado se lo permitirá.

La entrada “Efecto tijera”: Apple y HP se desploman mientras la memoria se dispara en 2026 se publicó primero en En foco Hoy.