Contactar Agendar llamada

Categoría: Hardware y Cómputo

  • EON quiere sustituir los cables submarinos por laser

    EON quiere sustituir los cables submarinos por laser

    La red de satelites con laser que propone la startup EON acaba de recibir 10,75 millones de dolares para intentar algo poco comun: conectar centros de datos desde el espacio y competir directamente con los cables submarinos de fibra optica. La empresa sale del modo sigiloso con un plan de 20 satelites equipados con enlaces opticos, un satelite de demostracion previsto para finales de 2027 y una ambicion de throughput que parte de 800 Gbps y apunta a 2,4 terabits por segundo. El objetivo declarado son los hyperscalers y los laboratorios de IA que necesitan mover datos entre regiones distantes.

    Que ha pasado y por que importa

    EON ha anunciado una ronda de 10,75 millones de dolares para construir una constelacion de 20 satelites que transmitan datos mediante enlaces laser en lugar de radiofrecuencia. La propuesta es directa: ofrecer una alternativa a los cables submarinos de fibra optica en rutas largas o con poca infraestructura, citando ejemplos como Francia-Australia o Africa-Sudamerica. El plan contempla lanzar un satelite de demostracion a finales de 2027 con capacidad de al menos 800 Gbps, con un objetivo final de 2,4 terabits por segundo de throughput.

    El contexto ayuda a entender el interes. La demanda de trafico entre centros de datos ha crecido con el auge de la IA, y buena parte del ancho de banda intercontinental depende hoy de cables submarinos cuya instalacion tarda anos y cuya cobertura geografica es desigual. Una red de satelites con laser plantea desplegar capacidad donde tender fibra resulta caro, lento o geopoliticamente complicado, sin cavar el fondo del oceano.

    Implicaciones tecnicas y de mercado

    El salto que persigue EON no es trivial. Los enlaces opticos entre satelites ya existen en constelaciones actuales, pero sostener un throughput de terabits por segundo entre puntos moviles, con seguimiento preciso y sin degradacion por condiciones atmosfericas en los tramos tierra-espacio, es un reto de ingenieria considerable. El calendario tambien pesa: un satelite de demostracion a finales de 2027 significa que la red de satelites con laser operativa llegaria despues, en un mercado que se mueve rapido.

    En el plano competitivo, EON no ataca todo el mercado de conectividad, sino un nicho concreto: rutas largas y mal servidas donde la fibra submarina es escasa. Ahi la comparacion no es solo de velocidad, sino de latencia, coste por bit y fiabilidad frente a una tecnologia madura como el cable. Los hyperscalers ya invierten directamente en cables propios, asi que cualquier alternativa debe justificar su lugar frente a infraestructura que estos actores controlan y amortizan a largo plazo. La cifra de 10,75 millones es una ronda inicial: financia el diseno y la demostracion, no el despliegue completo de una red de satelites con laser a escala comercial.

    Que significa este movimiento para el mercado

    Para los compradores potenciales (hyperscalers y laboratorios de IA), EON representa una opcion mas en la mesa, pero todavia sin producto verificado. La lectura sensata es tratarlo como una apuesta a vigilar, no como un proveedor con el que planificar capacidad a corto plazo. El hito de finales de 2027 es el que dira si la propuesta pasa del papel a algo contratable.

    Para los operadores de cable submarino, la amenaza inmediata es limitada: la fibra sigue ganando en coste por bit y capacidad bruta en rutas densas. El terreno donde EON puede morder es el de las conexiones intercontinentales poco servidas, donde el cable tarda anos en instalarse. Para inversores y proveedores del sector espacial, la ronda confirma que la conectividad entre centros de datos empieza a atraer capital fuera del terreno tradicional de telecos. La pregunta abierta es si la economia de lanzar y mantener 20 satelites compite con tender fibra, o si la red de satelites con laser queda como complemento para casos concretos en lugar de sustituto general.

    Analisis Blixel

    Conviene separar la idea del calendario. Mover datos entre continentes por laser desde orbita es tecnicamente coherente y responde a un problema real: la fibra submarina no llega a todas partes ni se instala rapido. Pero entre una ronda semilla de 10,75 millones y una constelacion capaz de 2,4 terabits por segundo hay un trecho enorme, y el primer satelite de demostracion no llega hasta finales de 2027. Eso son varios ciclos de mercado en un sector que cambia cada trimestre.

    El riesgo no es tanto que la tecnologia no funcione, sino que la economia no cierre. Los hyperscalers ya financian sus propios cables porque el coste por bit es imbatible en rutas con volumen. El hueco defendible de EON son los trayectos largos y mal conectados, y ese nicho es estrecho: suficiente para un negocio especializado, dudoso como reemplazo generalizado del cable. Para una empresa que evalue proveedores de conectividad, la recomendacion es clara: seguir el proyecto con interes, pero no incluirlo en ninguna planificacion operativa hasta ver la demostracion de 2027 funcionando con cifras reales. Las promesas de throughput en presentaciones no son lo mismo que capacidad contratable con SLA. La idea merece atencion; el producto, todavia, no existe.

    Quieres aplicar esto en tu empresa? En Blixel.ai te ayudamos a integrar IA con sentido comun. Hablemos.

  • Runware lleva el centro de datos en un pod portatil

    Runware lleva el centro de datos en un pod portatil

    El centro de datos modular para inferencia de IA deja de ser una idea sobre plano: Runware acaba de presentar su Sonic Inference Pod, una unidad transportable que se instala en cualquier lugar con toma electrica en cuestion de dias. La propuesta ataca dos dolores concretos de quien pone modelos en produccion: el coste y la latencia de las plataformas serverless tradicionales. En vez de concentrar todo el computo en unos pocos macrocentros, Runware acerca la GPU al usuario final. Ya tiene 10 pods operativos entre Estados Unidos, Europa y Asia-Pacifico, y afirma disponer de 160 ubicaciones listas para nuevas instalaciones.

    Que ha presentado Runware y por que importa

    El Sonic Inference Pod es, en esencia, un centro de datos modular para inferencia de IA empaquetado en un formato transportable. La diferencia con el modelo clasico es el tiempo de despliegue: donde construir o contratar capacidad en un centro de datos tradicional lleva meses, Runware plantea la puesta en marcha en dias, siempre que haya suministro electrico disponible en el emplazamiento. Esa velocidad es el argumento comercial principal.

    El segundo eje es la ubicacion. Al distribuir la capacidad de computo en muchos puntos en lugar de concentrarla, la inferencia se ejecuta mas cerca de quien la consume. Eso reduce la latencia, un factor determinante en aplicaciones donde el tiempo de respuesta condiciona la experiencia: asistentes conversacionales, generacion de imagenes o cualquier servicio en tiempo real. Runware defiende que su enfoque resulta mas rapido y economico que la inferencia serverless habitual, aunque el ahorro real dependera de cada carga de trabajo.

    El contexto ayuda a entender el movimiento. La demanda de inferencia crece mas rapido que la de entrenamiento, y muchas empresas descubren que servir un modelo de forma continua cuesta mas que ajustarlo. Ese desplazamiento del gasto hacia la inferencia es justo el hueco que Runware quiere ocupar con su centro de datos modular para inferencia de IA.

    Implicaciones tecnicas del despliegue distribuido

    Distribuir la inferencia en pods modulares cambia la ecuacion tecnica. Con 10 pods activos y 160 ubicaciones potenciales, Runware apuesta por una malla de computo cercana al borde en lugar de una region cloud lejana. Para cargas sensibles a la latencia, esa proximidad geografica marca la diferencia entre una respuesta instantanea y un retraso perceptible. La contrapartida es la complejidad operativa: gestionar decenas de emplazamientos exige orquestacion, monitorizacion y mantenimiento fisico repartido.

    El requisito de solo necesitar suministro electrico simplifica la logistica frente a construir un centro de datos convencional, con sus sistemas de refrigeracion, conectividad y obra. Pero un pod sigue dependiendo de la calidad de la red local y de la energia disponible en cada punto. La promesa de coste inferior a la inferencia serverless apunta a un modelo donde el hardware trabaja a mayor utilizacion sostenida, evitando el sobrecoste que suele acompanar a la elasticidad extrema del serverless.

    Para equipos tecnicos, la pregunta clave no es si el centro de datos modular para inferencia de IA funciona, sino si el rendimiento y la fiabilidad se mantienen homogeneos entre pods repartidos por tres continentes. La consistencia entre ubicaciones sera lo que determine si esta arquitectura sirve para produccion seria o solo para casos concretos.

    Como pueden aplicar esto las empresas hoy

    Para una PYME que ya sirve modelos de IA, el centro de datos modular para inferencia de IA de Runware tiene sentido evaluarlo cuando la latencia es un problema medible o cuando la factura de inferencia serverless se dispara con el volumen. El primer paso es cuantificar: cuantas peticiones por segundo, que tiempos de respuesta actuales y cuanto se paga hoy. Sin esos numeros, cualquier comparativa es humo. Si tu trafico es bajo o irregular, el serverless clasico probablemente siga siendo mas barato; los pods rinden cuando hay carga sostenida.

    Conviene pedir datos de latencia real por region y no fiarse de la cifra de marketing. Pregunta por los acuerdos de nivel de servicio, que pasa si un pod cae y como se gestiona el failover entre ubicaciones. Evita comprometerte con volumenes elevados antes de una prueba piloto con tus propios modelos y tu trafico real. La ventaja de despliegue en dias solo importa si tu caso de uso exige computo cerca de un mercado concreto. Para la mayoria de empresas espanolas, la decision se reduce a una cosa: si tienes usuarios que notan el retardo, merece medirlo; si no, no cambies lo que ya funciona.

    Analisis Blixel

    Mover el computo hacia donde estan los usuarios es una tendencia logica y no una moda pasajera. Durante anos hemos aceptado que la inferencia viajase a un macrocentro lejano porque no habia alternativa comoda, pero ese modelo empieza a chirriar cuando el gasto en servir modelos supera al de crearlos. Ahi es donde una unidad transportable encaja: reduce el tiempo hasta produccion y acerca la respuesta al cliente. La idea es solida. La ejecucion es otra historia. Diez pods repartidos por tres continentes son un buen comienzo, pero mantener rendimiento homogeneo y fiabilidad en decenas de emplazamientos fisicos es un reto operativo que no se resuelve con un buen folleto. Nuestra recomendacion para cualquier empresa es la de siempre: mide antes de creer. La latencia y el ahorro que promete cualquier proveedor de infraestructura solo valen algo cuando los verificas con tu trafico y tus modelos. Un piloto acotado, con metricas claras y sin compromisos de volumen, revela en dos semanas lo que ninguna presentacion comercial cuenta. Nos gusta que existan alternativas al oligopolio del cloud, porque la competencia baja precios y mejora el servicio. Pero desconfiamos de las cifras redondas y de las promesas de despliegue instantaneo. Si Runware cumple con la consistencia entre ubicaciones, tiene un producto interesante para quien necesita computo cercano. Si no, sera una capa mas de complejidad. El tiempo y las metricas lo diran.

    Quieres aplicar esto en tu empresa? En Blixel.ai te ayudamos a integrar IA con sentido comun. Hablemos.

  • xAI mantiene turbinas de gas sin permiso hasta 2027

    xAI mantiene turbinas de gas sin permiso hasta 2027

    Las turbinas de gas de los centros de datos de xAI cerca de Memphis seguiran funcionando sin autorizacion completa hasta julio de 2027. SpaceX confirmo que mantendra operativas 69 turbinas de gas natural que alimentan el complejo Colossus mientras levanta una planta permanente de 1,2 gigavatios. La decision reabre un debate incomodo para toda la industria: la demanda energetica de la IA generativa crece mas rapido que la capacidad de las redes electricas y de los marcos regulatorios ambientales para absorberla. El caso concentra en una sola instalacion las tensiones entre velocidad de despliegue y cumplimiento normativo.

    Que ha pasado y por que importa

    SpaceX anuncio que las 69 turbinas de gas no autorizadas que alimentan los centros de datos Colossus de xAI, situados cerca de Memphis, permaneceran operativas hasta julio de 2027. El motivo es el calendario de construccion de una planta permanente de gas natural con capacidad de 1,2 gigavatios que sustituira a la generacion provisional. Hasta que esa instalacion este lista, las turbinas de gas de los centros de datos de xAI seguiran cubriendo la enorme demanda electrica del complejo.

    El problema no es solo tecnico, sino ambiental y legal. Segun las estimaciones disponibles, las turbinas actuales pueden emitir mas de 2.000 toneladas anuales de NOx, un contaminante que contribuye a la formacion de smog. La ubicacion agrava el impacto: la region ya figura entre las mas contaminadas de Estados Unidos. Que una infraestructura de esta escala opere sin autorizacion completa durante anos ilustra hasta que punto la carrera por la capacidad de computo de la IA esta chocando con los limites regulatorios existentes y con las comunidades locales afectadas por las emisiones.

    Implicaciones tecnicas y de mercado

    El caso Colossus es un sintoma de un cuello de botella estructural. Entrenar y servir modelos de IA a gran escala exige potencia electrica que la red publica no siempre puede entregar en los plazos que marcan las empresas. La respuesta de xAI y SpaceX ha sido generar energia in situ con turbinas de gas, una opcion rapida de desplegar pero intensiva en emisiones. Las turbinas de gas de los centros de datos de xAI resuelven el problema de disponibilidad, pero trasladan el coste al terreno ambiental y reputacional.

    Para el resto del sector, la senal es clara: la energia se ha convertido en el factor limitante real de la expansion de la IA, por encima incluso de la disponibilidad de GPU. Operadores de hyperscale, promotores de centros de datos y proveedores de energia observan como una empresa de referencia opta por acelerar aunque eso implique operar al margen de la autorizacion completa. Esto presiona a reguladores para clarificar procedimientos y, al mismo tiempo, incentiva a competidores a buscar sus propias fuentes de generacion dedicada, ya sea gas, nuclear modular o acuerdos de compra de renovables a largo plazo.

    Que significa este movimiento para el mercado

    Para los competidores directos de xAI, la lectura es doble. Por un lado, confirma que quien controla su propio suministro electrico gana meses de ventaja competitiva en el despliegue de capacidad de computo. Por otro, el coste reputacional de las turbinas de gas de los centros de datos de xAI sirve de advertencia: la presion social y regulatoria sobre las emisiones de los data centers de IA solo va a aumentar. Los proveedores de energia y los fabricantes de turbinas ven una demanda garantizada a corto plazo, mientras las tecnologias de generacion limpia despachable siguen sin escalar al ritmo necesario. Para los compradores de servicios de IA y para los inversores, el mensaje es que la sostenibilidad de estas infraestructuras dejara de ser un detalle de marketing para convertirse en un riesgo material: multas potenciales, litigios comunitarios y exposicion regulatoria que pueden afectar a la valoracion y a la continuidad operativa de los proyectos.

    Analisis Blixel

    Construir primero y pedir permiso despues se ha convertido en un patron demasiado comun cuando la promesa de liderazgo en IA justifica cualquier atajo. La logica empresarial es entendible: cada mes de retraso en capacidad de computo es terreno cedido a la competencia. Pero convertir una region ya castigada por la contaminacion en el precio de esa carrera es una decision que tiene nombres y apellidos entre quienes respiran ese aire. Dos mil toneladas anuales de NOx no son una abstraccion en una hoja de calculo. El horizonte de 2027 para una planta permanente suena razonable sobre el papel, aunque los calendarios de construccion energetica rara vez se cumplen sin desviaciones, y mientras tanto las turbinas provisionales siguen emitiendo. El fondo del asunto no es xAI en particular, sino un modelo de crecimiento que asume que la infraestructura energetica se resolvera mas tarde. No se resuelve sola. La lectura util para cualquier empresa que planee infraestructura intensiva en computo es que la energia y su impacto ambiental deben entrar en la ecuacion desde el diseno, no como remiendo posterior. Ignorarlo sale caro en multas, en litigios y en confianza. La IA necesita energia, pero la forma de conseguirla define si el proyecto es viable a largo plazo o una bomba de relojeria regulatoria.

    Quieres aplicar esto en tu empresa? En Blixel.ai te ayudamos a integrar IA con sentido comun. Hablemos.

  • PJM cortara la luz a data centers para evitar apagones

    PJM cortara la luz a data centers para evitar apagones

    Los cortes de energia a data centers dejan de ser una amenaza teorica en Estados Unidos. PJM Interconnection, el operador de la red electrica mas grande del pais, ha anunciado que a partir de junio de 2027 desconectara el suministro a los centros de datos de 50 megavatios o mas cuando haya escasez de energia. La decision llega tras un ano en el que los precios mayoristas de electricidad se han duplicado, presionados por el crecimiento acelerado de infraestructura vinculada a la inteligencia artificial. Es una senal clara de que la red ya no puede absorber toda la demanda que la IA genera.

    Que ha pasado y por que importa

    PJM Interconnection gestiona la red electrica de 13 estados y el Distrito de Columbia, una de las zonas con mayor concentracion de centros de datos del mundo. Su anuncio establece que, a partir de junio de 2027, podra ordenar cortes temporales de suministro a instalaciones de 50 megavatios o mas durante los periodos de escasez. La medida busca evitar apagones masivos que afectarian a hogares, hospitales y comercios cuando la demanda supere la capacidad disponible.

    El detonante es economico y medible: segun el monitor independiente de PJM, los precios mayoristas de electricidad se han duplicado en el ultimo ano. Ese encarecimiento no es casual, sino consecuencia directa del crecimiento de centros de datos impulsado por la IA, que consumen cantidades de energia crecientes para entrenar y servir modelos. Los cortes de energia a data centers son la respuesta del operador a un desajuste entre oferta y demanda que se agrava mes a mes.

    El contexto ayuda a entender la magnitud. La construccion de infraestructura de computo se ha acelerado a un ritmo que la generacion electrica no puede seguir. Anadir capacidad de red, tendidos y plantas lleva anos; levantar un data center, mucho menos. Ese desfase temporal es el nucleo del problema.

    Implicaciones tecnicas y de mercado

    La proyeccion que maneja el sector es contundente: para 2035 se espera que los centros de datos consuman cuatro veces mas electricidad que en la actualidad. Ante ese horizonte, los operadores de data centers ya estan reaccionando. Muchos planean instalar generadores propios o reforzar sus sistemas de respaldo, en buena parte basados en diesel, para mantener operaciones cuando PJM ordene un corte. Esa autonomia energetica encarece los proyectos y traslada el coste real de la computa a quien la consume.

    El movimiento redefine las reglas para los cortes de energia a data centers como una variable de diseno, no como una excepcion. Un centro que no garantice suministro continuo pone en riesgo cargas de entrenamiento e inferencia sensibles a interrupciones. La consecuencia inmediata es que la fiabilidad energetica pasa a ser un criterio de ubicacion tan importante como la fibra o el terreno.

    Para el conjunto del mercado, la senal es que la energia se ha convertido en el cuello de botella de la IA, por delante incluso de la disponibilidad de GPU. Los precios duplicados y la dependencia de respaldos con diesel elevan tanto el coste operativo como la huella de carbono de un sector que presume de eficiencia. La ecuacion economica de la IA a gran escala empieza a incluir la factura electrica como partida critica.

    Que significa este movimiento para el mercado

    Para los operadores de data centers, la prioridad pasa a ser la contratacion de energia firme y la autogeneracion: quien no asegure suministro propio quedara expuesto a cortes programados que afectan a sus clientes. Para los proveedores cloud e hiperescalares, la decision de PJM presiona hacia ubicaciones con red mas holgada o hacia acuerdos directos con generadoras, incluidas fuentes nucleares y renovables con almacenamiento. Los fabricantes de generadores diesel y sistemas de respaldo veran demanda al alza, aunque a costa de tensiones regulatorias por emisiones. Para las empresas que compran servicios de IA, el mensaje es que los precios de computa reflejaran cada vez mas el coste energetico real, con posibles subidas y clausulas de disponibilidad menos generosas. Y para los reguladores y operadores de red de otros paises, PJM sienta un precedente: priorizar el suministro a la poblacion frente a la demanda industrial de IA. Europa, con su propio debate sobre consumo de data centers, observara de cerca como se aplica esta jerarquia cuando la red se tensiona.

    Analisis Blixel

    Durante anos, el debate sobre la IA giro en torno a chips, modelos y talento. La electricidad era un detalle de ingenieria que nadie ponia en portada. Ese tiempo se acabo. Cuando el mayor operador de red de un pais avisa de que va a desconectar instalaciones industriales para proteger a la poblacion, esta diciendo algo incomodo: la infraestructura de computa crece mas rapido de lo que el sistema puede alimentar. No es un problema de voluntad, sino de fisica y de plazos. Una central tarda anos; un data center, meses.

    La reaccion previsible, generadores diesel de respaldo, es un parche caro y sucio que contradice el discurso de sostenibilidad del sector. Aqui hay una leccion para cualquier empresa que planifique a largo plazo con IA: el coste de la computa no va a bajar de forma lineal como sugerian las curvas optimistas. La energia introduce un suelo, y ese suelo sube. Conviene tratar la eficiencia de los modelos, no como una moda tecnica, sino como una palanca economica directa. Modelos mas pequenos, inferencia optimizada y cargas que se ejecutan cuando hay energia barata dejaran de ser buenas practicas para convertirse en necesidad. La decision de PJM no frena la IA, pero pone precio a su ritmo. Y ese precio, tarde o temprano, llega a la factura de todos.

    Quieres aplicar esto en tu empresa? En Blixel.ai te ayudamos a integrar IA con sentido comun. Hablemos.

  • Recursive firma con AWS un contrato de 410 millones

    Recursive firma con AWS un contrato de 410 millones

    El contrato de computacion con AWS firmado por Recursive Superintelligence, valorado en 410 millones de dolares, deja una senal clara sobre hacia donde se mueve el dinero en la IA actual. La compania destina la mayor parte de su presupuesto a acceso a computacion durante varios anos, no a contratar equipos. Es un movimiento poco habitual que reordena las prioridades de una startup y que conviene leer con atencion, porque anticipa como algunas empresas piensan construir productos casi sin plantilla humana en el proceso de desarrollo.

    Que ha pasado y por que importa

    Recursive Superintelligence ha anunciado un acuerdo de 410 millones de dolares con Amazon Web Services para asegurar acceso a recursos de computacion durante varios anos. El objetivo declarado es escalar sus sistemas de IA auto-mejorados, es decir, modelos que participan en la mejora de su propio desarrollo. Lo llamativo del contrato de computacion con AWS es su peso dentro de las cuentas de la empresa: representa la mayor parte de los 650 millones de dolares que la compania ha recaudado desde que salio del modo sigiloso en mayo.

    La empresa ha situado el lanzamiento de sus primeros productos tangibles en octubre de 2026. Hasta entonces, el grueso del gasto se concentra en infraestructura y no en personal, con la intencion de automatizar buena parte del proceso de desarrollo de productos. Esta decision invierte la logica tradicional de una startup tecnologica, donde el capital humano suele ser la partida principal. El acuerdo confirma que, para ciertos proyectos de IA, la computacion se ha convertido en el recurso escaso y estrategico por excelencia, por delante incluso del talento.

    Implicaciones de mercado y tecnicas

    El contrato de computacion con AWS refuerza una tendencia visible en el sector: los grandes proveedores cloud no solo alquilan capacidad, sino que aseguran ingresos plurianuales mediante compromisos de gasto masivos. Para Amazon, un acuerdo de 410 millones de dolares es un contrato ancla que estabiliza la demanda de sus clusters de GPU. Para Recursive, es una apuesta binaria: sin producto en el mercado hasta finales de 2026, la mayor parte de su financiacion queda comprometida en un unico proveedor y en una unica hipotesis tecnica.

    La apuesta por sistemas auto-mejorados explica el desequilibrio entre computacion y plantilla. Si el desarrollo de producto se automatiza, la variable que hay que maximizar deja de ser el numero de ingenieros y pasa a ser la cantidad de ciclos de computo disponibles. Es una tesis coherente en el papel, pero somete a la empresa a un riesgo de concentracion elevado: dependencia de un proveedor, de un calendario largo y de que la automatizacion prometida funcione como se espera. El contrato de computacion con AWS es, en esencia, una traduccion en dolares de esa conviccion tecnica.

    Que significa este movimiento para el mercado

    Para los proveedores cloud, este tipo de acuerdos consolida un modelo de negocio donde los compromisos plurianuales de computacion pesan mas que el consumo puntual. AWS gana previsibilidad y bloquea a un cliente frente a rivales como Microsoft Azure o Google Cloud. Para otras startups de IA, el mensaje es que competir en frontera exige comprometer cientos de millones en infraestructura antes de tener ingresos, lo que eleva la barrera de entrada y favorece a quienes ya han cerrado rondas grandes. Para los inversores, el reparto del gasto de Recursive plantea una pregunta incomoda: financiar computacion con la promesa de que la automatizacion sustituya al personal es una tesis aun sin validar en produccion. Y para los compradores corporativos que sigan a estos actores, la leccion es de temporizacion: un producto anunciado para octubre de 2026 no resuelve necesidades presentes, y conviene distinguir entre el ruido de una gran cifra y la disponibilidad real de una herramienta utilizable.

    Analisis Blixel

    Gastar mas en maquinas que en personas suena futurista, pero es sobre todo una decision financiera con consecuencias muy concretas. Comprometer la mayor parte de 650 millones recaudados en un solo proveedor y en un producto que no llegara hasta finales de 2026 concentra todo el riesgo en dos supuestos: que la automatizacion del desarrollo funcione y que el calendario se cumpla. Si alguno falla, el margen de maniobra es minimo, porque el dinero ya esta reservado en forma de ciclos de computo. Para el mercado, este acuerdo es interesante menos por la ambicion tecnica y mas por lo que revela del poder de negociacion de los grandes cloud: son ellos quienes capturan la certidumbre, mientras la startup asume la incertidumbre. Para una PYME espanola, la lectura util no es imitar la cifra, evidentemente inalcanzable, sino entender que la computacion es hoy un coste estrategico que se negocia a largo plazo y que conviene dimensionar bien antes de escalar. La moraleja practica es sobria: las cifras grandes no equivalen a producto disponible, y un anuncio a dos anos vista es una intencion, no una herramienta. Vigilar quien entrega y quien solo promete sigue siendo el mejor filtro para separar el marketing de la tecnologia que se puede usar.

    Quieres aplicar esto en tu empresa? En Blixel.ai te ayudamos a integrar IA con sentido comun. Hablemos.

  • Los data centers de IA amenazan la red electrica

    Los data centers de IA amenazan la red electrica

    El impacto de los data centers de IA en la red electrica acaba de quedar en evidencia de la peor manera. Una linea electrica caida en Washington DC provoco que mas de 3 gigavatios de capacidad de data centers se desconectaran a la vez en apenas 30 segundos. El efecto se propago en cascada: fluctuaciones de voltaje desde Virginia hasta Chicago que necesitaron 11 minutos para estabilizarse. No fue un apagon masivo, pero si una senal de alarma sobre lo que ocurre cuando concentraciones enormes de computo reaccionan de forma sincronizada ante una interrupcion menor.

    Que ha pasado y por que importa

    El incidente parte de un fallo aparentemente rutinario: la caida de una linea electrica en la zona de Washington DC. Lo llamativo no es la causa, sino la respuesta. Mas de 3 gigavatios de data centers se desconectaron de forma simultanea en menos de medio minuto, un comportamiento que la red no absorbe con facilidad. Cuando una carga tan grande desaparece de golpe, el equilibrio entre generacion y consumo se rompe y aparecen fluctuaciones de voltaje que se propagan por el sistema interconectado.

    En este caso, esas fluctuaciones llegaron desde Virginia hasta Chicago y tardaron 11 minutos en volver a la normalidad. El dato mas inquietante es la comparacion temporal: este evento fue el doble de grande que uno similar ocurrido hace apenas dos anos. El peso de los data centers de IA en la red electrica no deja de crecer, y con el la magnitud potencial de estos episodios. La infraestructura de computo destinada a entrenar y servir modelos de IA se concentra en clusters cada vez mayores, lo que amplifica el riesgo de desconexiones masivas coordinadas.

    Implicaciones tecnicas y de mercado

    El problema de fondo es de escala y sincronizacion. Los data centers de IA en la red electrica ya representaban el 6% de la carga total de PJM en 2024, el mayor operador de red del este de Estados Unidos. La proyeccion es que alcancen el 24% para 2040. Cuadruplicar ese peso significa que un evento como el de Washington DC podria tener un impacto mucho mayor sobre la estabilidad del voltaje y la frecuencia en toda la region interconectada.

    El comportamiento tecnico que agrava la situacion es la deteccion de perturbaciones por parte de los propios centros. Ante una fluctuacion, los sistemas de proteccion tienden a desconectar la carga para proteger el equipamiento sensible. Cuando muchos data centers hacen lo mismo a la vez, la red pierde de golpe gigavatios de demanda y el desequilibrio se agrava en lugar de contenerse. Es un efecto de rebano que convierte un fallo local en una perturbacion regional. Para operadores de red, fabricantes de hardware y quienes disenan estos centros, el reto ya no es solo asegurar el suministro, sino evitar que la propia infraestructura de IA se comporte como un factor de inestabilidad sistemica.

    Cuando y para quien sera relevante esto

    El impacto de los data centers de IA en la red electrica no es un problema teorico a diez anos vista: ya se manifiesta hoy y su gravedad escala con el calendario de despliegue de computo. Los primeros afectados son los operadores de red como PJM y las utilities de las regiones con mayor concentracion de centros, como Virginia. Sobre ellos recae la responsabilidad de adaptar los protocolos de proteccion y las normas de conexion antes de que el peso de los data centers pase del 6% actual al 24% previsto para 2040.

    El segundo grupo son los propios operadores de data centers y los hyperscalers, que probablemente enfrentaran requisitos regulatorios mas estrictos sobre como responden sus instalaciones ante perturbaciones. Para las empresas espanolas que dependen de servicios cloud e IA, el efecto sera indirecto pero real: mayores costes de energia, exigencias de resiliencia y, a medio plazo, presion sobre la disponibilidad y el precio de la capacidad de computo. No es una amenaza inmediata para una PYME, pero si un factor estructural que condicionara el coste de la IA en los proximos anos.

    Analisis Blixel

    Durante anos hemos hablado de la IA como si su unico limite fuera el talento o los datos. La realidad es mas prosaica: el cuello de botella es fisico y se llama electricidad. Un fallo de linea en Washington DC no deberia tumbar tres gigavatios en treinta segundos, y sin embargo lo hizo. Eso no es un accidente aislado, es el sintoma de una infraestructura que ha crecido mas rapido que las reglas que la gobiernan.

    El detalle tecnico revelador es el comportamiento sincronizado. Cada centro que se desconecta para protegerse esta, en la practica, empeorando el problema para todos los demas. Es una tragedia de los comunes electrica, y solo se resuelve con coordinacion y regulacion, no con buena voluntad individual. La proyeccion de pasar del 6% al 24% de la carga de PJM en quince anos obliga a repensar como se conectan estos centros: capacidad de aguantar perturbaciones sin desconectarse, respuesta escalonada y quiza obligaciones de aportar estabilidad en lugar de solo consumir.

    Para quien opera en Espana el mensaje es de prudencia. El coste real de la IA no esta solo en las licencias de modelos, sino en una cadena energetica que empieza a tensarse. Conviene vigilar como evoluciona este debate, porque lo que hoy es un incidente regional en Estados Unidos marcara manana el precio y la fiabilidad del computo que todos usamos.

    Quieres aplicar esto en tu empresa? En Blixel.ai te ayudamos a integrar IA con sentido comun. Hablemos.

  • El teclado Micro de OpenAI para ChatGPT ya divide a devs

    El teclado Micro de OpenAI para ChatGPT ya divide a devs

    El teclado fisico de OpenAI para ChatGPT ya esta aqui y no ha tardado ni un dia en encender el debate. Se llama Micro, cuesta 230 dolares, tiene 12 teclas y se ha desarrollado junto a la empresa de perifericos Work Louder. Es el primer dispositivo fisico que lanza la compania de Sam Altman y llega con una promesa sencilla: asignar tareas concretas de ChatGPT a botones dedicados para no salir del flujo de trabajo. La reaccion inicial, sin embargo, ha sido de todo menos unanime, sobre todo entre programadores.

    Que es Micro y por que ha generado tanto ruido

    Micro es un macropad de 12 teclas programables que se conecta directamente a ChatGPT. Cada boton se puede configurar para lanzar tareas especificas: enviar un prompt predefinido, activar el dictado por voz o disparar acciones repetitivas sin abrir el chat manualmente. La idea es que un desarrollador no tenga que cambiar de ventana ni reescribir instrucciones cada vez que quiere consultar algo al modelo. El teclado fisico de OpenAI para ChatGPT se apoya en el trabajo de Work Louder, una marca conocida entre quienes montan sus propios perifericos personalizados.

    El problema no es el concepto, sino el contexto. En comunidades como Reddit las resenas han sido mayoritariamente negativas. Varios usuarios lo han calificado directamente de «broma» y han cuestionado el precio de 230 dolares frente a alternativas DIY que hacen algo parecido por una fraccion del coste. Un macropad programable generico se consigue por mucho menos, y herramientas de software para lanzar prompts ya existen sin necesidad de hardware adicional.

    Implicaciones tecnicas: hardware dedicado para una tarea de software

    La apuesta de fondo de este teclado fisico para ChatGPT es interesante aunque discutible. OpenAI intenta convertir el uso de su modelo en un gesto muscular, algo tan inmediato como pulsar copiar y pegar. Para perfiles que trabajan todo el dia con IA, reducir la friccion de cada consulta tiene sentido sobre el papel. El dictado por voz integrado y las teclas personalizables apuntan a un flujo mas continuo, sin la interrupcion constante de teclear el mismo tipo de instruccion una y otra vez.

    El punto debil es que casi todo lo que hace Micro se puede replicar con software o con un macropad barato. Un teclado dedicado solo justifica su precio si aporta una integracion que las alternativas no ofrecen, y de momento las resenas no ven esa ventaja clara. El teclado fisico de OpenAI para ChatGPT compite contra soluciones que el propio ecosistema de perifericos ya cubre desde hace anos, y eso complica su encaje. Que sea el primer hardware de la compania anade curiosidad, pero la curiosidad no sostiene un producto de 230 dolares.

    Como pueden aplicar esto las empresas hoy

    Para una PYME que ya trabaja con ChatGPT a diario, la pregunta no es si comprar el teclado fisico de OpenAI, sino si el cuello de botella real esta en el hardware. Casi nunca lo esta. Antes de gastar 230 dolares por puesto, conviene medir cuanto tiempo se pierde de verdad cambiando de ventana o reescribiendo prompts. En la mayoria de equipos, ese tiempo es marginal comparado con el que se pierde por falta de prompts bien definidos o procesos poco claros.

    Si el objetivo es agilizar el uso de IA, hay pasos previos mas rentables: crear una biblioteca de prompts compartida, configurar atajos con software gratuito o integrar la IA directamente en las herramientas que ya se usan. Un macropad programable generico cuesta bastante menos y cumple la misma funcion para tareas repetitivas. La recomendacion es clara: no compres hardware para resolver un problema de proceso. Evalua primero si el gesto que quieres acelerar se repite lo suficiente como para justificar un dispositivo dedicado en cada mesa.

    Analisis Blixel

    Cuando una empresa de software lanza su primer objeto tangible, lo que revela no es tanto una estrategia de hardware como una necesidad de estar presente en el escritorio del usuario de forma constante. Ahi esta la lectura interesante: no se trata de vender teclas, se trata de que la IA deje de ser una pestana mas del navegador y pase a ser un boton fisico al alcance de la mano. Es un movimiento de posicionamiento mental mas que de utilidad.

    El problema es la ejecucion y el precio. 230 dolares por doce teclas que replican lo que hace un macropad de 40 es dificil de defender, y la comunidad tecnica lo ha detectado al instante. No hace falta ser hostil para ver que el valor diferencial es fino. Lo que si merece atencion es la tendencia de fondo: la IA generativa busca salir de la pantalla y anclarse en gestos, dispositivos y rutinas. Este teclado seguramente no sera el formato ganador, pero es un primer tanteo de una idea que veremos repetirse. Para las empresas, la conclusion practica es no dejarse llevar por el gadget. La productividad con IA se gana definiendo bien los procesos y los prompts, no comprando perifericos. Cuando el hardware aporte una integracion imposible por software, hablaremos. De momento, Micro es mas un experimento de marca que una herramienta imprescindible, y esta bien reconocerlo sin dramatismos.

    Quieres aplicar esto en tu empresa? En Blixel.ai te ayudamos a integrar IA con sentido comun. Hablemos.

  • AMD lanza Helios para plantar cara a Nvidia en IA

    AMD lanza Helios para plantar cara a Nvidia en IA

    AMD ha presentado Helios, su sistema rack para infraestructura de IA que competira directamente con Nvidia en el mercado de centros de datos. El equipo esta disenado para entrenar y ejecutar modelos de IA a gran escala y empezara a distribuirse este ano. Entre los primeros clientes figuran nombres de peso: Microsoft, OpenAI, Meta y Anthropic. La jugada llega en un momento en el que la demanda de computo para IA sigue disparada y Nvidia mantiene una posicion dominante que pocos han logrado cuestionar hasta ahora.

    Que ha anunciado AMD y por que importa

    Helios es un sistema rack completo, no un chip aislado. Esa distincion es clave: AMD ya no compite solo a nivel de acelerador individual, sino que ofrece una unidad integrada lista para desplegarse en centros de datos que entrenan y sirven modelos grandes. Segun los reportes tecnicos disponibles, Helios ofrece metricas de rendimiento superiores al sistema Vera Rubin de Nvidia, el rival directo con el que se mide. La disponibilidad comercial esta prevista para este mismo ano.

    La lista de clientes iniciales dice mucho sobre las intenciones de AMD en infraestructura de IA. Microsoft, OpenAI, Meta y Anthropic son precisamente las empresas que mas capacidad de computo consumen del planeta. Hasta ahora, buena parte de esa demanda ha recaido en Nvidia. Que estos actores incorporen Helios indica una voluntad de diversificar proveedores y no depender de un unico fabricante para una partida presupuestaria que se cuenta en miles de millones. AMD lleva anos intentando entrar en este segmento con su linea Instinct, y este lanzamiento representa el intento mas serio hasta la fecha.

    Un mercado de aceleradores que Lisa Su cifra en 1,4 billones

    La CEO de AMD, Lisa Su, proyecta que el mercado de aceleradores de IA alcanzara los 1,4 billones de dolares para 2030. Para dimensionar la cifra, esa cantidad equivale al tamano actual de todo el mercado de semiconductores. Es una prevision agresiva, pero explica por que AMD invierte con tanta decision en infraestructura de IA: el premio es enorme y la ventana para posicionarse se esta cerrando a medida que los hiperescaladores consolidan sus arquitecturas.

    El contexto competitivo es conocido. Nvidia ha construido un foso defensivo no solo con su hardware, sino con CUDA, su ecosistema de software que ata a los desarrolladores a sus GPU. AMD responde con ROCm, su alternativa abierta, aunque la adopcion ha sido mas lenta. El movimiento de presentar un sistema rack completo como Helios busca reducir la friccion de integracion: cuanto mas cerca este el producto de estar listo para funcionar, menos barreras encuentra un cliente para probar una alternativa a la infraestructura de IA de Nvidia.

    Que significa este movimiento para el mercado

    Para los grandes compradores de computo, la llegada de Helios es una buena noticia por una razon simple: competencia. Depender de un unico proveedor en un componente critico deja a cualquier comprador en posicion negociadora debil, con precios altos y plazos de entrega ajustados a las prioridades del fabricante. Que Microsoft, OpenAI, Meta y Anthropic incorporen AMD presiona a Nvidia en precio y disponibilidad, y abre margen para arquitecturas mixtas en los centros de datos. Para los proveedores cloud, tener una segunda fuente creible de aceleradores reduce el riesgo de suministro. Para Nvidia, la amenaza no es perder el liderazgo de la noche a la manana, sino ver como se erosiona su margen y su exclusividad justo cuando la demanda alcanza su punto mas alto. El verdadero campo de batalla, sin embargo, seguira siendo el software: mientras CUDA domine el flujo de trabajo de los desarrolladores, cambiar de hardware sigue teniendo un coste de migracion real que va mas alla del precio del rack.

    Analisis Blixel

    La competencia en el segmento de aceleradores llevaba demasiado tiempo siendo una conversacion en un solo sentido. Que una companiia con la trayectoria de AMD ponga sobre la mesa un sistema rack completo y consiga que los mayores consumidores de computo lo prueben es, en si mismo, una senal de que el mercado empieza a moverse. Dicho esto, conviene templar el entusiasmo. Superar a Nvidia en una hoja de especificaciones no equivale a ganar cuota, y AMD lo sabe bien tras anos de intentos con Instinct. El obstaculo real no es el silicio, sino el software y la inercia: miles de equipos de ingenieria tienen su codigo optimizado para CUDA, y migrar a ROCm sigue teniendo un coste que ningun benchmark refleja. La cifra de 1,4 billones que maneja Lisa Su es llamativa y probablemente sirva mas para justificar inversion que para predecir con precision. Lo relevante para quien observa desde fuera es otra cosa: la presion competitiva tiende a bajar precios y a diversificar el suministro, y eso beneficia a todo el ecosistema, incluidas las empresas que no compran racks pero si consumen los modelos que corren sobre ellos. El desenlace se decidira en la adopcion real durante los proximos trimestres, no en la nota de prensa.

    Quieres aplicar esto en tu empresa? En Blixel.ai te ayudamos a integrar IA con sentido comun. Hablemos.

  • Etched vale 10.300 millones con sus chips para IA

    Etched vale 10.300 millones con sus chips para IA

    Los chips de inference para transformers de Etched acaban de colocar a la startup en una posicion incomoda para el resto del sector: 10.300 millones de dolares de valoracion tras cerrar una Serie C de 300 millones liderada por Sequoia. Es el doble de lo que valia en diciembre. La compania apuesta por algo que va a contracorriente del enfoque dominante de Nvidia: en lugar de un chip que sirva para todo, uno que solo hace una cosa, ejecutar modelos transformer, y la hace muy rapido y mas barato. Ya ha fabricado sus primeros chips con TSMC y acumula pedidos por 1.000 millones.

    Que ha pasado y por que importa

    Etched ha levantado 300 millones en una ronda Serie C liderada por Sequoia Capital, alcanzando una valoracion de 10.300 millones de dolares. La cifra dobla la valoracion que la startup tenia en diciembre del ano pasado, un ritmo de revalorizacion que refleja el apetito inversor por cualquier alternativa creible a la infraestructura de computo actual. La empresa asegura tener ya registrados pedidos por valor de 1.000 millones de dolares, una senal de traccion comercial poco habitual en una compania de semiconductores tan joven.

    La propuesta tecnica de Etched se aleja del chip de proposito general. Sus chips de inference para transformers estan disenados exclusivamente para ejecutar modelos con arquitectura transformer, que es la que sustenta a la practica totalidad de los LLM actuales. La compania promete mayor velocidad y menores costes mediante tecnologia de bajo voltaje y memoria compartida entre multiples chips. Etched ya ha fabricado sus primeros chips con TSMC, el mayor fabricante de semiconductores del mundo, lo que la saca del terreno puramente teorico.

    Implicaciones tecnicas del enfoque especializado

    La apuesta de Etched es una decision arquitectonica de fondo. Un chip de inference para transformers renuncia a la flexibilidad de una GPU a cambio de eficiencia bruta en una tarea concreta. Si la arquitectura transformer sigue siendo dominante durante los proximos anos, ese sacrificio de versatilidad se traduce en ventaja de coste y velocidad. Si aparece un paradigma que la desplace, el hardware especializado envejece rapido. Es una apuesta binaria, y los 10.300 millones de valoracion reflejan que el mercado la considera razonable.

    La tecnologia de bajo voltaje y la memoria compartida entre multiples chips atacan los dos cuellos de botella reales de la inference a escala: el consumo energetico y el ancho de banda de memoria. En despliegues masivos de LLM, el coste por token depende tanto de la energia como del movimiento de datos entre memoria y computo. Haber fabricado ya con TSMC importa mas de lo que parece: la capacidad de foundry es el recurso mas disputado del sector, y asegurarla es una barrera de entrada tan dura como el propio diseno del silicio.

    Que significa este movimiento para el mercado

    El mensaje para el ecosistema de hardware de IA es que la especializacion vuelve a ser una tesis de inversion seria. Para Nvidia, cuyo dominio se basa en GPU de proposito general, la aparicion de rivales enfocados en inference no amenaza su negocio de entrenamiento, pero si presiona el segmento de despliegue, que es donde se gasta el dinero de forma recurrente una vez el modelo esta en produccion. Los grandes proveedores cloud, que compran hardware por miles de millones, tienen incentivo directo en que existan alternativas que abaraten el coste por token.

    Para los compradores, la existencia de un pipeline de pedidos de 1.000 millones sugiere que hay operadores dispuestos a diversificar proveedores. Para los competidores en el mismo nicho de inference especializada, la valoracion de Etched sube el liston de lo que el capital espera. El riesgo compartido de todos ellos es el mismo: dependen de que la arquitectura transformer siga mandando. Quien construya el hardware mas rapido para el algoritmo equivocado habra financiado una obsolescencia cara.

    Analisis Blixel

    Especializar hardware es apostar a que el software no cambia debajo. Esa es la tension que ninguna ronda de financiacion resuelve. La historia de los semiconductores esta llena de chips exquisitos que llegaron tarde a un paradigma que ya mutaba, y tambien de apuestas verticales que arrasaron precisamente por renunciar a la flexibilidad. Etched se juega esto ultimo, y el hecho de tener silicio real saliendo de TSMC y mil millones en pedidos indica que no es un powerpoint con valoracion inflada. Ahora bien, para una PYME espanola esto no cambia nada el lunes por la manana: seguira consumiendo inference a traves de APIs y proveedores cloud, sin ver nunca este hardware de cerca. El interes practico es indirecto pero real. Si estos chips cumplen su promesa de reducir el coste por token, esa bajada acabara repercutiendo en las tarifas de las APIs que las empresas ya usan. La lectura util no es correr a comprar hardware especializado, sino entender que el coste de la IA en produccion va a seguir cayendo por presion competitiva en la capa que casi nadie ve. Quien hoy descarta un proyecto de IA por precio de inference deberia revisar los numeros cada seis meses, porque el suelo se mueve. La valoracion de Etched es, en el fondo, una apuesta de terceros a que ese abaratamiento va a ocurrir.

    Quieres aplicar esto en tu empresa? En Blixel.ai te ayudamos a integrar IA con sentido comun. Hablemos.

  • IBM se desploma un 25% tras hundirse sus mainframes

    IBM se desploma un 25% tras hundirse sus mainframes

    La caida en ventas de mainframes de IBM ha sacudido al mercado: la compania reporto resultados muy por debajo de las expectativas y su negocio de mainframes se hundio un 42%, lo que arrastro un 25% al valor de la accion en una sola jornada. No es un tropiezo menor. El mainframe es el corazon de un modelo de ingresos donde cada dolar de hardware arrastra tres de software. Cuando ese hardware se frena, el efecto cascada golpea toda la cadena. Detras esta un culpable inesperado: el boom de la IA y su presion sobre los costes de infraestructura.

    Que ha pasado con las ventas de mainframes de IBM

    IBM presento un trimestre decepcionante marcado por una caida del 42% en su negocio de mainframes, el hardware de gama alta que sostiene sistemas criticos de bancos, aseguradoras y grandes administraciones. La reaccion del mercado fue inmediata: los titulos de la compania perdieron un 25% de su valor en un unico dia de cotizacion, una de las peores sesiones recientes para el fabricante.

    El CEO Arvind Krishna atribuyo el desplome a que decenas de clientes pospusieron sus compras de mainframes. El motivo: aumentos de costes de entre el 15% y el 30% en el hardware para centros de datos, provocados por la demanda desbocada de componentes para inteligencia artificial. La escasez de chips, memoria y capacidad de fabricacion que dispara la IA no solo encarece las GPU: presiona toda la cadena de suministro de hardware empresarial, incluidos los servidores de proposito general.

    El dato clave del modelo IBM explica la gravedad. La compania genera tres dolares en software por cada dolar de hardware mainframe vendido. Cuando un cliente aplaza la renovacion de su maquina, no solo se pierde esa venta de hardware: se congela tambien el software asociado, el mantenimiento y los servicios que la acompanan.

    Implicaciones tecnicas y de mercado de la caida de IBM

    El efecto cascada es lo que preocupa a los analistas. La caida en ventas de mainframes de IBM no es un problema aislado de una linea de producto, sino una amenaza a su columna vertebral de ingresos recurrentes. El mainframe funciona como plataforma de anclaje: sobre el se venden licencias, herramientas de gestion y contratos plurianuales. Cada aplazamiento de compra retrasa ese flujo completo.

    Que los clientes esten posponiendo y no cancelando es un matiz importante. Sugiere que la demanda subyacente sigue existiende, pero que las empresas estan esperando a que se estabilicen los precios del hardware. El problema es de calendario: si el sobrecoste del 15% al 30% persiste mientras la IA sigue absorbiendo capacidad de fabricacion, esos aplazamientos podrian prolongarse mas de lo que IBM espera.

    Hay una ironia estructural. La misma ola de IA que impulsa a otros fabricantes de hardware esta encareciendo los componentes que IBM necesita para vender sus maquinas tradicionales. La compania compite por silicio y capacidad con un mercado que paga precios record por chips de IA. Para un negocio de margenes ajustados y ciclos de venta largos como el mainframe, ese entorno de costes es especialmente hostil.

    Que significa este movimiento para el mercado

    Para las empresas que dependen de infraestructura mainframe, este trimestre es una senal de dos caras. Por un lado, confirma que renovar hardware de centro de datos va a ser mas caro mientras dure la presion de la IA sobre la cadena de suministro. Quien tenga renovaciones previstas debe presupuestar sobrecostes reales del 15% al 30% y planificar con margen, no asumir precios del ciclo anterior.

    Por otro lado, la caida en ventas de mainframes de IBM reabre el debate sobre la dependencia de una unica plataforma propietaria. Los clientes atrapados en el modelo donde cada dolar de hardware arrastra tres de software tienen poco margen de negociacion cuando los precios suben. Para competidores y proveedores cloud, el tropiezo es una oportunidad: cada aplazamiento de compra de mainframe es una ventana para proponer migraciones o arquitecturas hibridas.

    Los buyers corporativos deberian leer esto como un aviso para revisar su exposicion. No se trata de abandonar el mainframe de la noche a la manana, algo inviable para cargas criticas, sino de auditar cuanto de su gasto anual esta ligado a un solo proveedor y que alternativas existen para las capas menos criticas del stack.

    Analisis Blixel

    Que la fiebre de la IA acabe golpeando al negocio mas tradicional de una tecnologica dice mucho sobre el momento actual del hardware. Todo el mundo mira a las GPU y los centros de datos de entrenamiento, pero la realidad es que la escasez se propaga por toda la cadena y encarece hasta las maquinas que nada tienen que ver con entrenar modelos. IBM es la primera gran victima visible de ese efecto colateral, y probablemente no sera la ultima.

    El dato de los tres dolares de software por cada dolar de hardware es el que de verdad importa. Explica por que un 42% menos de ventas de maquinas se traduce en un castigo del 25% en bolsa: el mercado no penaliza el hardware perdido, penaliza el software que dejara de venderse. Es la fragilidad de un modelo construido sobre el anclaje a una plataforma.

    Para cualquier empresa con infraestructura critica, la leccion es de gestion de riesgo, no de tecnologia. Depender al 100% de un proveedor cuyos precios estan a merced de un ciclo de escasez que no controla es una posicion incomoda. La respuesta sensata no es huir, sino diversificar donde tenga sentido y negociar contratos con clausulas que contemplen esta volatilidad. Krishna habla de aplazamientos, no de perdidas de clientes. Ese matiz sostiene la tesis de que la demanda volvera. Pero volvera a que precio y en que plazo es la pregunta que nadie puede responder con certeza mientras la IA siga marcando el ritmo del mercado de componentes.

    Quieres aplicar esto en tu empresa? En Blixel.ai te ayudamos a integrar IA con sentido comun. Hablemos.

  • Los centros de datos consumiran 4 veces mas luz en 2035

    Los centros de datos consumiran 4 veces mas luz en 2035

    El consumo electrico de centros de datos se cuadruplicara de aqui a 2035 en Estados Unidos, hasta representar una quinta parte de toda la electricidad generada en el pais. Es la prevision de un informe de BloombergNEF que pone cifras al coste energetico real de la ola de inteligencia artificial. El dato deja de ser una discusion tecnica para convertirse en un problema de infraestructura nacional: redes ya saturadas, capacidad que se acerca a los 200 gigavatios y una concentracion de demanda que reordena el mapa energetico.

    Que ha pasado y por que importa

    BloombergNEF proyecta que el consumo electrico de centros de datos alcanzara aproximadamente una quinta parte de la electricidad generada en Estados Unidos para 2035, cuatro veces mas que el nivel actual. El motor principal es el crecimiento de la computacion de IA, que exige clusteres de GPU con densidades de potencia muy superiores a las de la computacion tradicional. Segun el informe, la capacidad instalada de centros de datos se acercara a los 200 gigavatios en la proxima decada.

    El estudio anade otro dato revelador: Estados Unidos concentrara el 64% de los chips de IA por demanda energetica para 2033. Es decir, no solo crece el consumo global, sino que se concentra geograficamente, presionando redes electricas regionales concretas. Este consumo electrico de centros de datos ya obliga a operadores de red a revisar planes de generacion y transmision que se disenaron para una demanda mucho mas plana.

    El contexto ayuda a entender la magnitud. Durante casi dos decadas, la eficiencia energetica de los centros de datos compenso el aumento de carga de trabajo, manteniendo el consumo relativamente estable pese a la explosion de internet y la nube. La IA generativa rompe ese equilibrio: el entrenamiento y la inferencia de modelos grandes disparan la demanda por metro cuadrado y anulan buena parte de las ganancias de eficiencia acumuladas.

    Implicaciones tecnicas y de mercado

    El primer efecto del aumento del consumo electrico de centros de datos es la competencia por la energia disponible. Las hyperscalers ya firman contratos de compra de energia a largo plazo, exploran acuerdos con nucleares e incluso plantean generacion propia. La electricidad deja de ser un gasto operativo secundario para convertirse en el factor limitante que decide donde y cuando se puede desplegar capacidad de computo.

    El segundo efecto es el cuello de botella de las redes de transmision. Conectar 200 gigavatios de nueva demanda no es cuestion de construir naves con servidores, sino de tender lineas de alta tension y ampliar subestaciones, procesos que tardan anos y chocan con permisos, materiales y mano de obra. La velocidad de despliegue de la IA supera con creces la de la infraestructura electrica.

    Para el mercado de hardware, la presion energetica acelera la busqueda de eficiencia: chips con mejor rendimiento por vatio, refrigeracion liquida y arquitecturas que reduzcan el coste de inferencia. El consumo electrico de centros de datos se convierte asi en una variable de diseno de primer orden, no en una nota al pie de la ficha tecnica.

    Que significa este movimiento para el mercado

    Para los proveedores cloud, la disponibilidad de energia sera un diferenciador competitivo tan importante como el precio del computo. Quien asegure contratos energeticos estables y ubicaciones con red disponible podra ofrecer capacidad cuando otros no puedan. Esto favorece a los grandes con capacidad de inversion y penaliza a operadores medianos sin acceso privilegiado a la red.

    Para los compradores de servicios de IA, incluidas las empresas espanolas que consumen APIs y GPU en la nube, el riesgo es doble: precios al alza si la energia escasea y posibles limitaciones de disponibilidad regional. Conviene vigilar clausulas de escalado y no asumir que la capacidad sera infinita ni barata de forma indefinida. Para las utilities y el sector energetico, en cambio, se abre una demanda estructural nueva que reactiva inversiones en generacion y transmision. El consumo electrico de centros de datos redibuja quien invierte, donde se construye y bajo que condiciones regulatorias, con la sostenibilidad como variable que ya no se puede aparcar.

    Analisis Blixel

    Durante anos hemos hablado de la IA como si fuera pura abstraccion: modelos, tokens, parametros. Esta prevision nos devuelve al mundo fisico. Detras de cada respuesta de un chatbot hay vatios, cobre, agua de refrigeracion y una red electrica que alguien tiene que ampliar. Cuadruplicar la demanda hasta una quinta parte de toda la electricidad de un pais no es un detalle: es un limite duro que condicionara que se puede construir y a que ritmo.

    El riesgo para las empresas no es tecnologico, es de dependencia. Muchas PYMEs y medianas estan construyendo procesos criticos sobre APIs de IA asumiendo que el computo sera abundante y estable. Este informe sugiere que esa suposicion es fragil. No decimos que haya que frenar la adopcion, decimos que hay que disenar con margen: contratos flexibles, arquitecturas que optimicen consumo y planes B si un proveedor sube precios por presion energetica. La eficiencia deja de ser una cuestion de imagen verde para ser supervivencia operativa. Nuestra posicion es clara: la IA util es la que resuelve un problema concreto con el minimo computo necesario, no la que consume por consumir. Quien entienda esto antes tendra ventaja cuando la energia se convierta en el recurso escaso que este informe anticipa.

    Quieres aplicar esto en tu empresa? En Blixel.ai te ayudamos a integrar IA con sentido comun. Hablemos.

  • Google prepara su chip Frozen v2 para 2028

    Google prepara su chip Frozen v2 para 2028

    El nuevo chip de servidor Frozen v2 de Google apunta directamente al mayor cuello de botella de la industria: la energia. Segun fuentes anonimas citadas por The Information, este procesador esta disenado para que los modelos Gemini funcionen de forma mas eficiente, con un objetivo de entre 6 y 10 veces mas rendimiento por unidad de energia que los chips actuales de la compania. El lanzamiento no seria inmediato: se plantea para 2028. Detras hay una jugada estrategica clara, reducir la dependencia de Nvidia y demostrar retorno tras las inversiones masivas en IA.

    Que ha pasado y por que importa

    Google esta disenando un chip de servidor llamado Frozen v2 orientado a mejorar la eficiencia de sus modelos Gemini. La metrica clave que manejan las fuentes es concreta: tokens generados por unidad de energia. Ahi es donde el chip Frozen v2 de Google prometeria una mejora de entre 6 y 10 veces frente al hardware actual de la propia compania. El calendario situa el lanzamiento en 2028, un horizonte que conviene tener presente antes de sacar conclusiones precipitadas.

    La informacion procede de fuentes anonimas recogidas por The Information, por lo que se trata de un desarrollo en curso y no de un producto anunciado oficialmente. Google lleva anos fabricando silicio propio con su familia TPU, asi que un nuevo chip de servidor no rompe con su trayectoria: la refuerza. Lo relevante es la magnitud del salto de eficiencia que se persigue y el momento en el que llega, con la industria entera pendiente de justificar el gasto en infraestructura de inteligencia artificial.

    Implicaciones tecnicas y de mercado

    La eficiencia energetica dejo de ser un detalle tecnico para convertirse en la variable economica central de la IA. Cada token generado tiene un coste en electricidad, refrigeracion y capacidad de centro de datos. Si el chip Frozen v2 de Google multiplica por entre 6 y 10 el rendimiento por vatio, el efecto no es solo tecnico: cambia la ecuacion de costes de operar Gemini a escala. Menos energia por token significa margenes mas sanos o precios mas agresivos, y ambos presionan al resto del mercado.

    El segundo frente es Nvidia. La escasez global de capacidad de computo y los precios de las GPU han empujado a los grandes proveedores cloud a desarrollar silicio propio. El chip Frozen v2 de Google encaja en esa estrategia de reducir dependencia de un unico proveedor. No se trata de sustituir a Nvidia de la noche a la manana, sino de tener alternativas para las cargas de trabajo internas mas intensivas, donde controlar el hardware completo permite optimizar modelo y chip a la vez.

    Que significa este movimiento para el mercado

    Para Nvidia, es una senal mas de que sus mayores clientes son tambien sus futuros competidores en silicio. Cada hiperescalar que fabrica chips propios reduce su exposicion a los precios y plazos de entrega de las GPU comerciales. Para los proveedores cloud rivales, la presion es doble: si Google consigue rebajar drasticamente el coste energetico de servir Gemini, el listado de precios de inferencia se convierte en un campo de batalla donde la eficiencia del hardware decide el margen. Para las empresas que compran servicios de IA, el escenario a medio plazo es favorable: mas competencia en la capa de computo suele traducirse en costes de inferencia mas bajos y menos cuellos de botella de disponibilidad. Conviene, eso si, no reorganizar la estrategia de proveedores en torno a un chip que no llegaria hasta 2028 y que hoy es un desarrollo respaldado por fuentes anonimas. Lo prudente es leer Frozen v2 como una direccion del mercado, no como un producto disponible: la tendencia es que el computo propio de los hiperescalares seguira ganando peso frente al hardware de terceros.

    Analisis Blixel

    La verdadera guerra de la IA no se libra en los benchmarks de los modelos, sino en la factura electrica de los centros de datos. Quien consiga generar mas tokens por vatio tendra margen para bajar precios, aguantar la demanda y seguir invirtiendo mientras otros se ahogan en costes. Ese es el terreno donde se juega la partida en los proximos anos, y por eso una cifra como multiplicar por diez la eficiencia importa mas que cualquier demostracion vistosa. Dicho esto, hay que mantener los pies en el suelo. Estamos ante un desarrollo respaldado por fuentes anonimas, con lanzamiento previsto para 2028. Entre el diseno de un chip y su despliegue real median anos, ajustes de fabricacion y objetivos que casi nunca se cumplen al pie de la letra. El salto de entre 6 y 10 veces es un objetivo de ingenieria, no una garantia. Para una empresa que hoy decide con que proveedor de IA trabaja, este chip no cambia nada en el corto plazo. Lo que si deberia calar es la direccion: el computo propio de los grandes actores va a seguir creciendo, y eso tiende a abaratar la inferencia y a aliviar la escasez de capacidad. La recomendacion es sencilla, elige proveedores por lo que ofrecen hoy y observa la tendencia sin dejarte deslumbrar por hojas de ruta a cinco anos vista.

    Quieres aplicar esto en tu empresa? En Blixel.ai te ayudamos a integrar IA con sentido comun. Hablemos.