Durante años, la suposición sobre la infraestructura de IA fue fácil de aceptar. La computación seria se construiría donde la computación en la nube a hiperescala, la densidad de desarrolladores y el capital ya estaban concentrados: California, Seattle, Londres y un pequeño círculo de centros tecnológicos establecidos.
Había una razón práctica para esa geografía. Entrenar e implementar IA a escala requiere que los centros de datos, la computación, la capacidad de red, la energía y la infraestructura avanzada trabajen juntos. El análisis de la OCDE señala que esto ha empujado a las empresas de IA hacia los servicios operados por los mayores proveedores de computación en la nube. Con el tiempo, esa dependencia se consolidó en concentración de mercado. En el tercer trimestre de 2025, Synergy Research Group situó la cuota combinada de Amazon, Microsoft y Google en el gasto global en infraestructura cloud empresarial en el 63 por ciento.
Esa lógica ahora parece menos duradera. La computación se está volviendo más cara, más intensiva en energía y más difícil de acceder fuera de un pequeño grupo de proveedores dominantes. Los constructores están empezando a enfrentarse a preguntas que la computación en la nube a hiperescala les permitió ignorar. ¿De dónde vendrá la energía? ¿Se pueden enviar chips a esta jurisdicción? ¿Las leyes de quién se aplican a los datos una vez que se mueven?
Esas preguntas se están respondiendo en diferentes lugares ahora, y la mayoría de ellos no están en Silicon Valley.
Lo que enseña la escasez
En los mercados cloud establecidos, la respuesta predeterminada al aumento de la demanda de IA es añadir más capacidad mediante contratos cloud más grandes, una construcción más densa de centros de datos y una mayor dependencia del mismo stack centralizado.
Esa respuesta se está volviendo más difícil de escalar. Los centros de datos consumieron alrededor del 1,5 por ciento de la electricidad mundial en 2024, suficiente para hacer de la energía uno de los puntos de presión en la infraestructura de IA. La Agencia Internacional de Energía espera que esa cuota suba a poco menos del 3 por ciento para 2030, haciendo más difícil tratar la computación como una capa oculta detrás de los productos de IA.
En gran parte del mundo en desarrollo, esa presión ya era el punto de partida. Los constructores allí rara vez han tenido la opción de tratar el acceso a la computación, la energía y la distribución como el problema de otro; han tenido que diseñar para ello. El resultado es un patrón más silencioso que no recibe mucha atención en la cobertura de Silicon Valley: la infraestructura seria de IA se está construyendo ahora en lugares donde la escasez se trata como un problema de diseño en lugar de una consideración secundaria.
Cómo se ve esto en la práctica
El patrón es más visible en cuatro regiones.
En India, Yotta Data Services opera Shakti Cloud en más de 16.000 GPUs NVIDIA H100 y está en camino de duplicar aproximadamente esa cifra para finales de 2025. Más de la mitad de la computación detrás de la IndiaAI Mission — el impulso del gobierno para construir modelos fundacionales indígenas — se asienta sobre el hardware de Yotta. En febrero de 2026, la plataforma multilingüe nacional BHASHINI migró fuera de los hiperescaladores extranjeros y hacia Shakti Cloud, obteniendo aproximadamente un 40 por ciento de mejora en rendimiento en el proceso. BHASHINI ejecuta traducción en tiempo real en 11 idiomas indios a escala poblacional; quienes la gestionan habían decidido que una infraestructura que no podían gobernar era el lugar equivocado para alojarla.
En África, Cassava Technologies, fundada por el empresario zimbabuense Strive Masiyiwa, está desplegando 12.000 GPUs NVIDIA en centros de datos en Sudáfrica, Egipto, Kenia, Marruecos y Nigeria. Cassava es el primer NVIDIA Cloud Partner en el continente; antes de esta construcción, NVIDIA estimaba que aproximadamente 80 de sus GPUs estaban instaladas en todo el continente africano. La limitación no era solo el precio de la computación; era la ausencia básica de silicio avanzado. La respuesta de Cassava es una red panafricana que funciona sobre su propia red troncal de fibra, diseñada para que las startups, investigadores y gobiernos africanos no tengan que enrutar a través de Europa o Estados Unidos para entrenar e implementar IA.
En Brasil, el proyecto SoberanIA del gobierno reserva 500 MW para una fábrica de IA soberana en Piauí, alimentada íntegramente por energía renovable, con Scala Data Centers como socio principal de infraestructura. Brasil se ha comprometido a atraer hasta 370.000 millones de dólares en inversión en centros de datos durante la próxima década, vinculada a los incentivos fiscales del programa REDATA para proyectos que utilicen el 100 por ciento de energía renovable. Aproximadamente el 65 por ciento de los datos brasileños sigue almacenado en el extranjero. La apuesta es que la abundante energía hidroeléctrica y solar otorga a Brasil un tipo de computación que EE. UU. y China tienen que esforzarse más para construir — limpia por defecto, barata por geografía.
Los Emiratos Árabes Unidos están tomando la ruta más costosa. Core42, parte del grupo G42, vende capacidad de inferencia en una combinación de chips NVIDIA y Qualcomm desde Abu Dabi, y el país se ha comprometido conjuntamente con Estados Unidos a un campus de IA de 10 millas cuadradas y 5 gigavatios que debería estar parcialmente operativo para finales de la década. El argumento emiratí es sencillo: los países que quieren IA soberana pero no pueden construir el stack subyacente por sí mismos pueden alquilar uno de un gobierno amigo. El Middle East Institute lo describe como una estrategia deliberada de integración vertical — poseer los chips, la energía, los centros de datos y las relaciones exteriores en una sola pieza.
Estos proyectos no comparten una política ni un modelo de propiedad. Lo que comparten es una suposición de partida de que el acceso a la computación, la energía, el suelo y el suministro de chips son problemas de diseño de primer orden en lugar de externalidades. Esa suposición produce una infraestructura diferente.
Por qué la inferencia cambia el mapa
El entrenamiento de grandes modelos sigue recompensando los clústeres densos, los grandes presupuestos de capital y el acceso a chips avanzados. Es poco probable que ese trabajo abandone pronto las mayores instalaciones de hiperescala.
La inferencia es un problema diferente. Los modelos se utilizan continuamente, por clientes, dispositivos, agentes y sistemas empresariales. McKinsey espera que la inferencia supere al entrenamiento en los centros de datos de IA para 2030, representando más de la mitad de la computación de IA y aproximadamente entre el 30 y el 40 por ciento de la demanda total de centros de datos.
La inferencia plantea preguntas diferentes a las del entrenamiento. En lugar de dónde se puede construir el clúster más grande, las preguntas se convierten en dónde debe situarse la computación, con qué rapidez puede responder, con qué fiabilidad se pueden enrutar las cargas de trabajo y cuyas leyes gobiernan los datos mientras lo hace. Esas preguntas tienen respuestas geográficas que la concentración de hiperescala no gestiona bien, especialmente para los miles de millones de personas que no viven dentro de una latencia asequible de un centro de datos estadounidense o europeo.
El tejido de computación que requiere la demanda de inferencia es más amplio de lo que la computación en la nube a hiperescala puede proporcionar por sí sola. La capacidad de GPU distribuida, los clústeres de inferencia regionales, las nubes soberanas y las neoclouds emergentes en lugares como Bombay, Nairobi, São Paulo y Abu Dabi no son sustitutos de la hiperescala. Son la capa que la hiperescala no puede servir por sí sola.
Lo que esto significa para el mapa
El antiguo mapa de la infraestructura de IA se trazó en torno a lugares donde la capacidad cloud ya estaba concentrada. Ese mapa tenía sentido cuando la computación se trataba como barata y abundante.
El próximo mapa tendrá un aspecto diferente. Se trazará en torno a lugares que aprendieron a construir cuando la computación era costosa y estratégica, y donde la pregunta de quién controla el stack nunca fue teórica. Las empresas y los gobiernos que realizan ese trabajo no están alcanzando a Silicon Valley; llegaron al problema primero, porque no tenían otra opción.
—-
Ilman Shazhaev es fundador y CEO de Dizzaract, una empresa de infraestructura de IA con sede en Abu Dabi. Es miembro del panel de expertos de la ONU/UNODC que asesora sobre aplicaciones de IA en economías en desarrollo y ha escrito 46 artículos científicos y 10 patentes de invención registradas.
