Para utilizar inteligencia artificial nunca habíamos pagado tan poco. Hay modelos gratuitos extraordinariamente capaces, suscripciones por unas decenas de euros y alternativas que podemos descargar y ejecutar en nuestro propio ordenador. Desde fuera, la IA parece estar convirtiéndose rápidamente en una tecnología barata.
Por detrás ocurre justo lo contrario. OpenAI estaría buscando alrededor de 30.000 millones de dólares adicionales mientras DeepSeek prepara también una ronda multimillonaria. La carrera ya no consiste únicamente en contratar a los mejores investigadores o publicar el modelo con mejor benchmark: hay que poder pagar la infraestructura necesaria para mantenerlo vivo.
Entrenar el modelo es solo el principio de la factura
Los modelos punteros necesitan enormes cantidades de aceleradores, redes de alta velocidad, almacenamiento, refrigeración y electricidad durante su entrenamiento. Pero después llega un gasto que a veces olvidamos: cada conversación también consume recursos.
La situación se vuelve todavía más exigente cuando dejamos de pedir respuestas cortas. Generar vídeo, investigar durante varios minutos, analizar miles de documentos o permitir que un agente utilice aplicaciones implica mantener mucha más computación trabajando durante más tiempo.
Por eso compañías como OpenAI empiezan a parecerse menos a una startup tradicional de software y más a una empresa de infraestructura tecnológica a escala mundial.
DeepSeek demostró que se puede ser más eficiente, no que la computación sea gratis
DeepSeek alteró la conversación al demostrar que era posible conseguir resultados extraordinariamente competitivos con una estrategia mucho más eficiente que la de algunos rivales occidentales. Además, la publicación de modelos con pesos abiertos multiplicó su impacto entre desarrolladores.
Pero eficiencia no significa ausencia de costes. Si la compañía quiere continuar entrenando modelos frontera, ampliar servicios y competir globalmente, también necesita chips, energía, centros de datos y financiación. La diferencia está en cuánto rendimiento consigue extraer de cada recurso.
El dinero también decide qué IA termina ganando
Esto introduce una parte incómoda de la carrera. Podemos tener un equipo de investigación brillante y una arquitectura mejor, pero si otro laboratorio dispone durante años de decenas de miles de aceleradores adicionales, esa diferencia acaba pesando.
También aumenta la dependencia de fabricantes de chips, proveedores energéticos, operadores de centros de datos e inversores. La IA puede parecer un producto puramente digital cuando la usamos desde el móvil, pero su infraestructura es tremendamente física.
La paradoja de una IA cada vez más accesible
Lo curioso es que probablemente seguiremos percibiendo justo lo contrario. Los modelos serán más capaces, los precios para el usuario tenderán a competir y cada vez podremos hacer más cosas gratuitamente o desde nuestros propios equipos.
Eso es posible porque detrás se está produciendo una inversión gigantesca. Y explica por qué una ronda de financiación de decenas de miles de millones ya no es una noticia financiera secundaria: puede determinar quién tiene capacidad para entrenar la siguiente generación de modelos.
La próxima gran batalla de la inteligencia artificial no se decidirá solamente preguntando quién razona mejor. También habrá que mirar quién tiene chips, electricidad y suficiente dinero para seguir encendiéndolos.
