Una respuesta española al gran dilema de la IA
Mientras Silicon Valley discute si hay que pisar el freno o el acelerador de la inteligencia artificial, una empresa de San Sebastián lleva meses trabajando en una tercera vía: hacer que los modelos necesiten menos hardware, no más. Multiverse Computing anunció el 23 de julio de 2026 que su tecnología de compresión CompactifAI® ya permite ejecutar el modelo Llama 3.3 de 70.000 millones de parámetros en procesadores Intel Xeon 6 convencionales, en lugar de en las costosas GPU que dominan el debate sobre el gasto en IA1. La compañía asegura que "el modelo comprimido con CompactifAI mantuvo una sólida precisión respecto al modelo base, con solo variaciones menores observadas" en las pruebas estándar1. Las cifras que aporta son concretas: con un usuario simultáneo, el tiempo de procesamiento cayó de 5.056,34 segundos a 2.598,22 segundos, una reducción del 48,6%1; el rendimiento de salida del modelo comprimido mejoró un 93,6% y el rendimiento total de tokens un 94,1% frente al modelo sin comprimir1; y los tiempos de respuesta (la espera hasta la primera palabra generada) bajaron un 46,6% de media1. Para un lector que no vive de las siglas técnicas, la idea de fondo es simple: la misma inteligencia artificial, funcionando en ordenadores mucho más baratos y con menos electricidad. Es exactamente la pregunta que hoy divide a la industria: ¿hace falta seguir construyendo centros de datos cada vez más grandes, o se puede lograr lo mismo gastando menos?
El pulso en Silicon Valley: acelerar contra frenar
Esa pregunta salió a la luz el 16 de septiembre de 2026, cuando Jensen Huang, consejero delegado de Nvidia, y Mark Zuckerberg, de Meta, rechazaron públicamente las propuestas de una desaceleración coordinada del desarrollo de la IA de frontera2. Huang calificó de innecesarias las nuevas leyes de seguridad para la IA, mientras que Zuckerberg defendió que la propia competencia entre laboratorios empujará a las empresas hacia la seguridad, sin necesidad de que nadie frene desde fuera2. Es la postura opuesta a la de quienes piden ir más despacio, y llega justo cuando el mercado empieza a hacer cuentas sobre si el ritmo actual de inversión tiene sentido económico.
La pregunta de un billón de dólares
La economista Jessica Wachter analizó cuánto tendrían que crecer los beneficios de las grandes tecnológicas para justificar lo que están gastando en centros de datos de IA, y el 16 de septiembre de 2026 concluyó que hace falta un aumento de productividad extraordinario solo para no perder dinero de aquí a 2030, con un gasto que alcanzará casi 1,1 billones de dólares hasta 20273. Para dimensionar esa cifra: equivale a más de seis veces las ganancias actuales de Alphabet, que un análisis de su tesis de inversión cifraba en 160.200 millones de dólares4. Ese mismo análisis calculó que, para cumplir las previsiones de los optimistas hacia 2029, Alphabet necesitaría un crecimiento anual de ingresos del 18,4% y un aumento de beneficios de unos 61.600 millones de dólares sobre esa base4: "Esto requiere un crecimiento anual de ingresos del 18,4% y un aumento de beneficios de aproximadamente 61.600 millones de dólares desde los 160.200 millones actuales", señala el análisis4. En el segundo trimestre de 2026, Alphabet reportó ventas de 119.800 millones de dólares y ganancias netas de 112.190 millones, pero pausó su programa de recompra de acciones y su flujo de caja libre se volvió negativo por el enorme gasto en IA4 — la fuente de este dato, un servicio de noticias financieras, ha demostrado acertar en el 57% de casi 5.000 afirmaciones verificadas, por lo que conviene tomarlo como una pieza más del cuadro, no como certeza absoluta.
Los números propios de Nvidia, verificados directamente contra sus presentaciones ante el regulador estadounidense, muestran por qué Huang tiene motivos para mostrarse confiado: el coste de los ingresos de la compañía —básicamente, lo que le cuesta fabricar los chips que vende— pasó de 16.621 millones de dólares en el año fiscal 2024 a 32.639 millones en 2025 y a 62.475 millones en 20265, casi cuadruplicándose en dos años, señal de una demanda física real y no solo de expectativas. Su caja disponible también creció de forma sostenida, de 7.280 millones de dólares en 2024 a 10.605 millones en 20265, aunque cayó de 15.234 millones en el primer trimestre de 2026 a 13.237 millones en el mismo trimestre de 20275, un indicio de cuánto efectivo está reinvirtiendo la empresa en lugar de acumularlo.
Las dudas de los escépticos
No todo el mundo comparte el optimismo de Huang. El inversor Michael Burry —conocido por anticipar la crisis financiera de 2008— apostó contra el fabricante de memorias Micron y advirtió de una posible corrección del 30% en las acciones de chips de IA, argumentando que el repunte del sector responde más al miedo a quedarse fuera que a los fundamentales del negocio. Según una cuenta en la red social X asociada al sistema Autopilot, la inteligencia artificial Claude respondió que la advertencia de Burry "merece respeto"6, y añadió que las acciones de chips de memoria y de gama alta se están valorando "como si nada pudiera salir mal"6. Vale la pena recordar que esta fuente, igual que la del análisis de Alphabet, solo ha demostrado ser correcta en el 57% de casi 5.000 afirmaciones comprobadas6 — una razón más para leer estas advertencias como una opinión a vigilar, no como un veredicto.
La riqueza y los riesgos que deja la carrera asiática
La otra cara del boom de la IA se está escribiendo en Asia. El 16 de septiembre de 2026, la fortuna del fundador de ByteDance, Zhang Yiming, superó los 105.000 millones de dólares impulsada por el valor que la IA le ha dado a la compañía matriz de TikTok, superando a Gautam Adani como la persona más rica de Asia7. Es un ejemplo directo de cómo la ola de inversión en IA está generando fortunas concentradas casi de la noche a la mañana. Chao He, fundador de la firma de inversión AIVI, describe ese cambio de fondo en la región: "Hace diez años, la narrativa era todavía muy sobre Asia como seguidora rápida, copiando modelos de negocio occidentales y aplicándolos localmente. Ahora vemos un giro masivo: Asia, particularmente China, ha pasado de internet de consumo y clones de aplicaciones a tecnología profunda"8, explicó en una entrevista.
Ese salto tecnológico también tiene un lado inquietante. El mismo 16 de septiembre de 2026 se conoció que una empresa china de piratería informática utilizó herramientas de inteligencia artificial para convertir datos gubernamentales robados en informes de inteligencia9, una muestra de cómo las mismas capacidades que generan riqueza también amplían las herramientas de espionaje.
El lado ruidoso de la adopción acelerada
La prisa por adoptar IA también está produciendo resultados de baja calidad que alimentan el rechazo del público. iLand, una plataforma de agentes de inteligencia artificial, reconoció el 16 de septiembre de 2026 que sus agentes automatizados enviaron 1,6 millones de mensajes de spam en todo el mundo10 — el equivalente a inundar de correo no deseado a una ciudad entera, generado por software que actúa solo, sin supervisión humana en cada envío. Es el tipo de episodio que explica por qué, incluso con la adopción de la IA acelerando, la confianza del público no siempre sigue el mismo ritmo.
Qué vigilar
El punto de referencia más claro hacia adelante es el que fijó el propio análisis de Wachter: si el gasto de casi 1,1 billones de dólares hasta 2027 no se traduce en un salto de productividad extraordinario, las cuentas de las grandes tecnológicas no cuadran para 20303. En paralelo, conviene observar si el crecimiento del coste de producción de Nvidia —que casi se cuadruplicó entre 2024 y 20265— sigue reflejando demanda real de sus clientes o empieza a chocar con advertencias como la de Burry sobre una posible corrección del sector. Y, para el lector hispanohablante en particular, merece la pena seguir de cerca si el enfoque de compresión que Multiverse Computing está probando en San Sebastián1 gana terreno frente al modelo de "más centros de datos, más GPU" que hoy defienden Nvidia y Meta: sería una señal de que la disyuntiva entre frenar y acelerar tiene, después de todo, una salida intermedia.
