En lo que podría calificarse como el mayor proyecto de infraestructura para inteligencia artificial de la historia, OpenAI y Nvidia han anunciado una carta de intenciones para desplegar al menos 10 gigavatios (GW) de sistemas basados en GPUs Nvidia, acompañada de una inversión progresiva de hasta 100.000 millones de dólares por parte de Nvidia. [OpenAI]
Este acuerdo sitúa el poder de cómputo como piedra angular de la estrategia de OpenAI, confirmando lo que su CEO, Sam Altman, ha defendido insistentemente: en esta etapa de la carrera hacia la inteligencia artificial avanzada, el cuello de botella ya no está en los algoritmos, sino en la infraestructura. [Nvidia]
La magnitud del compromiso: lo que implica 10 GW
¿Qué significa 10 gigavatios de sistemas IA?
Diez gigavatios de potencia para centros de datos representan una carga eléctrica equivalente a la producción de varias centrales nucleares. Analistas han comparado este alcance con la potencia necesaria para alimentar 10 reactores nucleares, o con el consumo eléctrico de millones de hogares al mismo tiempo. [Ars Technica]
Para dimensionarlo: si una ciudad mediana o un área urbana con 1–2 millones de habitantes consume en torno a 1 GW eléctrico, estamos hablando de una escala de despliegue energética comparable a la de una gran ciudad entera operando en modo intensivo.
La propia carta de intenciones contempla que el primer gigavatio estará operativo en la segunda mitad de 2026, sobre la plataforma “Vera Rubin” de Nvidia.
Estructura financiera escalonada
Nvidia no va a soltar los 100.000 millones de dólares de golpe: la inversión se realizará de forma progresiva, a medida que cada gigavatio de infraestructura entre en funcionamiento.
Además, la planificación técnica de hardware y software se coordinará entre ambas compañías para optimizar el camino hacia una “fábrica de IA” conjunta.
Este enfoque escalonado mitiga los riesgos financieros para Nvidia y alinea los incentivos con el ritmo de despliegue de OpenAI.
Retos clave: del plano físico al eléctrico y económico
Energía, el gran desafío oculto
Diseñar centros de datos que soporten cargas masivas de IA ya no es solo un reto de arquitectura o conectividad: el suministro eléctrico y la eficiencia energética pasan a primer plano.
Incluso si la infraestructura física es viable, el desafío de conseguir megavatios de potencia constante, refrigeración adecuada y baja latencia es gigantesco. En muchos casos, la viabilidad energética puede terminar imponiendo límites físicos al crecimiento proyectado.
Viabilidad financiera y retorno sobre la inversión
100.000 millones de dólares es una cifra extraordinaria, muy superior al coste típico de grandes centros de datos tradicionales. Para que el proyecto sea rentable, la utilización de esos recursos debe ser cercana al máximo durante largos periodos, dada la amortización de hardware, energía y operación.
Además, la alianza concentra riesgos: que OpenAI dependa preferentemente de Nvidia para hardware y diseño puede limitar su flexibilidad competitiva a medio plazo.
Coordinación con otros socios y proyectos de IA
Este acuerdo se enmarca en un ecosistema más amplio de infraestructura IA. Por ejemplo:
- OpenAI ya ha suscrito acuerdos relevantes con Microsoft, Oracle y otros actores del proyecto Stargate.El propio Stargate —iniciativa conjunta de OpenAI, Oracle y SoftBank— prevé inversiones masivas (hasta 500.000 millones de dólares) para construir centros de IA globales. [Reuters]
- Este movimiento de Nvidia fortalece su posición como proveedor indispensable en el ecosistema de IA avanzada, en competencia directa con otros fabricantes o proveedores de infraestructura.
Riesgo regulatorio y de concentración
Una alianza de esta magnitud puede atraer la atención de autoridades antimonopolio, especialmente si Nvidia se convierte en proveedor único o dominante del hardware para IA de vanguardia. La concentración tecnológica puede generar barreras de entrada para otros actores.
La visión de Altman: fábricas de IA y la promesa del “gigavatio semanal”
Sam Altman no se conforma con los 10 GW: ya ha compartido una visión aún más ambiciosa. En sus propias palabras, pretende construir fábricas que generen un gigavatio semanal de capacidad instalada de infraestructura de IA, dibujando una economía industrial de escala para la inteligencia artificial.
Eso implicaría escalar no en años, sino en plazos de días y semanas, lo que exige una revolución no solo en hardware, sino en logística, suministro energético, materias primas y estructura financiera.
En el futuro ideal de Altman, no se trata simplemente de entrenar más modelos, sino de construir la infraestructura necesaria para que la IA esté omnipresente, donde sea y cuando sea.
Implicaciones para Europa y España: ¿podemos aspirar a jugar?
Aunque este acuerdo tiene su epicentro en EE. UU., las repercusiones para Europa y España pueden ser profundas:
- Dependencia tecnológica: si la infraestructura de IA más avanzada queda concentrada en manos de unos pocos, Europa debe fortalecer su propia capacidad de diseño de hardware, chips y centros de datos.
- Oportunidad para hubs locales: entidades públicas o consorcios pueden plantearse “mini-Stargates” locales, con dedicación a IA aplicada a sectores estratégicos (salud, energía, administración pública), para no depender exclusivamente de operadores globales.
- Políticas de regulación y competencia: los gobiernos europeos deberán anticiparse a posibles efectos anticompetitivos, asegurando el acceso de investigadores y empresas medianas a la nueva infraestructura de alto nivel.
- Sostenibilidad energética: dado que la apuesta eléctrica es colosal, países con mix energético limpio y disponible pueden atraer inversiones para centros neutrales e híbridos.
- Talento e investigación: la demanda masiva de ingenieros de IA, sistemas y operaciones de centros de datos será creciente. España puede posicionarse si invierte en capacitación y retención de ese talento.
