MTRO. LUIS ARMANDO CARRANZA CAMARENA
Las recientes declaraciones de Elon Musk han vuelto a colocar en el centro del debate una cuestión que ya no puede postergarse: el costo físico de la inteligencia artificial. Según el fundador de SpaceX y xAI, en un plazo de 30 a 36 meses el lugar más económicamente atractivo para ubicar la computación de IA será el espacio.
La propuesta consiste en desplegar constelaciones de satélites —aprovechando la arquitectura de Starlink— que funcionen como centros de datos orbitales alimentados por energía solar directa y enfriados mediante radiación pasiva hacia el vacío.
La idea responde a una realidad ineludible: los centros de datos terrestres enfrentan restricciones crecientes de energía, tierra, agua y permisos regulatorios que amenazan con frenar el ritmo de expansión de la IA.
El problema no es menor. La proliferación de modelos de lenguaje de gran escala, agentes autónomos, sistemas de inferencia en tiempo real y aplicaciones de IA generativa ha generado una demanda de computación sin precedentes. De acuerdo con la Agencia Internacional de la Energía (IEA), el consumo eléctrico global de los centros de datos pasó de aproximadamente 415 TWh en 2024 a una proyección de 945 TWh hacia 2030 en el escenario base, casi duplicándose en seis años. Los servidores acelerados para IA crecen a tasas del 30 % anual, muy por encima del 9 % de los servidores convencionales.
Aquí resulta clave precisar un concepto técnico: los llamados modelos frontier (o modelos de frontera). Se trata de los sistemas de inteligencia artificial más avanzados y potentes que existen en un momento dado —como GPT-4o, Claude 4, Gemini 2.5 o Grok 4—, aquellos que marcan el límite actual de capacidades en razonamiento, generación de contenido y multimodalidad. Solo el entrenamiento de un modelo frontier puede requerir decenas de gigavatios-hora; la inferencia a escala masiva multiplica aún más el efecto. Estos modelos son precisamente los que están impulsando el explosivo crecimiento del consumo energético de los centros de datos.
Este incremento exponencial choca con limitaciones estructurales del hardware. La fabricación de chips de alto rendimiento (principalmente GPUs de última generación) depende de cadenas de suministro concentradas, con cuellos de botella recurrentes en nodos avanzados de 3 nm y 2 nm, materiales críticos y capacidad de empaquetado avanzado. La densidad energética de los nuevos aceleradores exige sistemas de enfriamiento cada vez más sofisticados —líquido, inmersión o direct-to-chip—, elevando los costos operativos y la huella hídrica de los centros de datos.
Los ciclos de obsolescencia se acortan debido a que los equipos que hoy se instalan pueden quedar subóptimos en tres o cuatro años, alimentando una montaña de residuos electrónicos cuya gestión ambiental sigue siendo deficiente a escala global.
En suma, la sociedad enfrenta una triple restricción —energética, material y de infraestructura— que encarece la IA y concentra su beneficio en quienes controlan la capacidad de cómputo y la energía barata.
La apuesta de Musk por la órbita baja pretende sortear las limitaciones en cuanto a energía solar “gratuita” y abundante, espacio ilimitado sin conflictos de uso de suelo, y ausencia de las típicas oposiciones locales conocidas como NIMBY (Not In My Back Yard), es decir, la resistencia de comunidades vecinas a grandes proyectos por su impacto visual, ruido, calor o competencia por el uso del territorio.
En la Tierra, estos factores generan cada vez más retrasos regulatorios y conflictos sociales; en el espacio, simplemente no existen.
Sin embargo, expertos advierten que los plazos anunciados dependen de la madurez de sistemas de potencia orbital, lanzamientos a escala masiva (hasta un millón de satélites) y soluciones de mantenimiento y latencia que aún no están plenamente resueltas. Más allá de la viabilidad técnica inmediata, la propuesta pone de manifiesto que el modelo actual de expansión de la IA sobre infraestructura terrestre es insostenible sin transformaciones profundas en eficiencia algorítmica, fuentes de energía y gobernanza del consumo computacional.
En este contexto global, resulta pertinente examinar la posición de México dentro de América Latina.
Según el Índice Latinoamericano de Inteligencia Artificial (ILIA) 2025, elaborado por la Comisión Económica para América Latina y el Caribe (CEPAL), Chile, Brasil y Uruguay se mantienen como los países pioneros de la región en materia de inteligencia artificial. Estos tres países encabezan el ranking gracias a un ecosistema más maduro, mayor adopción tecnológica y mejores condiciones institucionales.
En un segundo grupo, catalogado como adoptantes, se ubican Colombia, Costa Rica, Argentina, Perú y México. Colombia aparece en el cuarto lugar general, seguida de Costa Rica, que registró uno de los ascensos más notables. Argentina y Perú ocupan las posiciones sexta y séptima, respectivamente.
México se sitúa en el octavo lugar del índice. Aun cuando ha retrocedido algunas posiciones respecto a mediciones anteriores, el país conserva fortalezas relevantes. Junto con Brasil, concentra el 68 % de los investigadores activos en inteligencia artificial de toda América Latina. Además, forma parte del reducido grupo de cuatro países —Brasil, Chile, Colombia y México— que cuentan con una industria de centros de datos robusta y con una proporción significativa de instalaciones que cumplen estándares internacionales de sustentabilidad.
En contraste, las principales áreas de oportunidad para México se encuentran en la dimensión de gobernanza y en la adopción de inteligencia artificial por parte del sector privado, rubros en los que otros países de la región han avanzado con mayor rapidez. A nivel regional, la concentración de capacidades es muy marcada: los cinco primeros países del ranking (Chile, Brasil, Uruguay, Colombia y Argentina) agrupan el 87 % de los investigadores activos y el 90 % de las publicaciones consistentes en inteligencia artificial de América Latina. Esto evidencia que, aunque varios países están avanzando, el desarrollo de la IA sigue altamente concentrado en un número reducido de naciones.
La coyuntura actual ofrece a México una ventana de oportunidad única vinculada al nearshoring y a la relocalización de capacidades computacionales de América del Norte. Sin embargo, aprovecharla exige resolver cuellos de botella estructurales mediante palancas concretas de desarrollo.
Entre las más relevantes destacan la elaboración y puesta en marcha de una Estrategia Nacional de Inteligencia Artificial integral y alineada con los principios éticos internacionales; la aceleración de la transición energética hacia fuentes renovables y sistemas de almacenamiento que garanticen un suministro confiable y sostenible para los centros de datos; el fortalecimiento de la infraestructura digital, energética y de ciberseguridad; el impulso a la cadena de valor de semiconductores aprovechando las ventajas del nearshoring; la mejora de la gobernanza pública a través de una regulación clara, predecible y orientada a incentivar la adopción responsable; y el desarrollo sostenido de capital humano de alto nivel.
La visión de centros de datos en el espacio no exime a las naciones de tomar decisiones hoy. Por el contrario, subraya la urgencia de actuar con visión estratégica. El futuro de la competitividad mexicana y de la calidad de sus instituciones públicas dependerá, en gran medida, de la capacidad para convertir estas restricciones en palancas de desarrollo concretas y coordinadas. La órbita puede ser parte de la solución a largo plazo; el presente exige acción decidida en tierra.
