La inversión en IA

La inversión privada en Inteligencia Artificial no está distribuida de forma uniforme. Está profundamente concentrada. Y esa concentración no es casualidad.

Según los datos del AI Index Report 2026 (Stanford HAI), Estados Unidos captó USD 285.880 millones de inversión privada en IA durante 2025. Para poner la cifra en perspectiva, supera ampliamente la suma de los siguientes cuatro países del ranking: China, Reino Unido, Francia y Canadá.

Esta realidad refleja mucho más que la capacidad de atraer capital.

Existe una fuerte correlación entre la inversión privada, la infraestructura tecnológica disponible y el ecosistema de innovación. Los países que lideran la inversión son también aquellos que concentran la mayor cantidad de datacenters de alta capacidad, redes de computación acelerada con GPU, proveedores de nube a escala global y acceso a energía para sostener el entrenamiento de modelos cada vez más complejos. A ello se suma otro factor decisivo: la libertad para invertir y emprender. Mercados de capitales profundos, abundancia de fondos de venture capital, marcos regulatorios relativamente estables y una estrecha colaboración entre universidades, empresas y Estado generan un entorno donde la innovación puede escalar rápidamente.

También es evidente el papel de las políticas públicas. Los gobiernos que consideran la IA una prioridad estratégica impulsan incentivos, financiamiento para investigación, infraestructura y formación de talento. Sin embargo, la inversión pública, por sí sola, no reemplaza la capacidad de movilizar grandes volúmenes de capital privado.

No sorprende entonces que los modelos de IA más avanzados del mundo se desarrollen, en su inmensa mayoría, en países que reúnen estas condiciones. Empresas como OpenAI, Anthropic, Google, DeepMind, Meta, xAI y otras operan sobre infraestructuras de cómputo masivas, respaldadas por inversiones difíciles de replicar en ecosistemas con menor disponibilidad de capital y menor capacidad computacional.

En definitiva, la competencia global en inteligencia artificial ya no depende únicamente del talento o de la calidad de la investigación. Depende, cada vez más, de quién puede construir y sostener la infraestructura necesaria para entrenar los modelos más potentes, atraer inversión a gran escala y ofrecer un entorno favorable para que la innovación prospere.

La pregunta para América Latina no es solo cómo utilizar la IA, sino cómo crear las condiciones para participar en su desarrollo, fortaleciendo infraestructura digital, promoviendo la inversión privada, formando talento y diseñando políticas públicas que permitan competir en una economía cada vez más impulsada por la inteligencia artificial.

Porque, aunque en la perspectiva local de cualquier país latinoamericano, incluso líderes digitales como Uruguay o Chile, el más grande y moderno datacenter que maravilla dentro de fronteras, resulta casi insignificante ante la descomunal demanda de recursos de la industria de IA. Y por otro lado un único DataCenter tampoco resultaría apto ni suficiente para alojar por completo modelos como ChatGPT, Gemini, Claude u otros.

Los modelos de IA de frontera no se ejecutan sobre un único rack, sino sobre clústeres compuestos por decenas de miles de GPU de última generación (H100, H200, B200, GB200, TPU v5/v6, etc.) conectadas mediante redes Infinidad o tecnologías equivalentes.

Por ejemplo, en Uruguay la principal infraestructura científica del país, ClusterUY (Centro Nacional de Supercomputación), publica sus especificaciones técnicas y señala que sus nodos están interconectados mediante una red Ethernet de alta velocidad de 10 Gbps, no mediante InfiniBand o tecnología comparable.

Los 10 GbE son adecuados para computación científica tradicional y muchos proyectos de IA. InfiniBand ofrece latencias muy inferiores y anchos de banda de 200, 400 y hasta 800 Gb/s, siendo la tecnología dominante para entrenar modelos fundacionales con miles de GPU. NVIDIA la considera su plataforma de referencia para supercomputación e IA a gran escala.

Siempre hablando de modelos de frontera completo, aunque se instalara una red InfiniBand en un datacenter uruguayo, eso no bastaría. También serían necesarios miles (o decenas de miles) de GPU NVIDIA H100, B200 o GB200; decenas de megavatios de potencia eléctrica; sistemas avanzados de refrigeración líquida; almacenamiento distribuido de altísimo rendimiento; e inversiones del orden de cientos o miles de millones de dólares. Todo eso en una misma infraestructura para un modelo de IA.

En definitiva, la competencia global en inteligencia artificial no depende únicamente del talento o de la calidad de la investigación. Depende, cada vez más, de quién puede construir y sostener la infraestructura necesaria para entrenar y disponibilizar los modelos más potentes, atraer inversión a gran escala y ofrecer un entorno favorable para que la innovación prospere.