La inteligencia artificial (IA) está en boca de todos: desde gigantes como OpenAI o Anthropic levantando rondas de financiación que superan los 20 000 millones de dólares hasta startups emergentes intentando replantear cómo funciona la infraestructura que soporta estos sistemas avanzados. Pero tras el ruido mediático hay una realidad tangible: la creciente demanda de capacidad de cómputo y energía plantea desafíos técnicos y económicos sin precedentes. La noticia “Meet the Austin AI company that wants to make data centers obsolete” pone el foco en cómo algunas empresas de Austin —un hub tecnológico creciente en Estados Unidos— están pensando en alternativas a los centros de datos tradicionales, ante una fabricación tradicional que puede estar rozando sus límites.

Este artículo explora tanto el contexto general del sector —financiación, infraestructura, tecnología— como el caso específico de la empresa de IA en Austin que busca replantear la forma en que pensamos sobre los centros de datos. Además, enlaza con referencias en inglés que aportan contexto adicional para lectores que deseen profundizar en información original de mercado.

Un ecosistema de IA que exige más capacidad

En los últimos años, la industria de la IA ha registrado un crecimiento explosivo en inversiones y proyectos. Empresas como OpenAI negocian inversiones por decenas de miles de millones de dólares, mientras rivales como Anthropic buscan valores de mercado de cientos de miles de millones para financiar la expansión de sus modelos de IA y capacidades de computación.

Este incremento de capital se refleja en cifras formidables: según análisis de mercado, la inversión en infraestructuras de IA y centros de datos podría alcanzar billones de dólares globalmente en la próxima década. Un estudio de McKinsey muestra que para 2030 se espera un gasto de hasta 6,7 billones de dólares solo en centros de datos vinculados a IA y computación en la nube. Esto implica que tanto la capacidad eléctrica como la infraestructura física de soporte deben ampliarse de manera constante.

Técnicamente, los centros de datos que alojan modelos entrenados de IA suelen requerir racks con densidades de potencia de entre 100 y 500 kW por rack, muy por encima de los 10 kW típicos en instalaciones orientadas al alojamiento de servidores convencionales. Estas densidades elevadas obligan a replantear sistemas de refrigeración y suministro energético, que son dos de los mayores costes operativos. Además, el crecimiento de la demanda energética es notable: el Departamento de Energía de EEUU indica que los centros de datos –ligados al auge de la IA– ya consumen más del 4 % de la electricidad del país, y podría crecer hasta 12 % antes de 2030.

¿Por qué se necesita repensar los centros de datos?

La compañía de Austin mencionada en la información original pretende proponer un nuevo enfoque para la infraestructura de IA que “haga obsoletos” los centros de datos tradicionales. Aunque los detalles completos de sus soluciones aún no son públicos, la premisa muestra que hay actores que cuestionan la viabilidad a largo plazo de la infraestructura física centralizada, dado el incremento constante del consumo de energía, el impacto medioambiental y las limitaciones geográficas del crecimiento.

En esencia, los centros de datos convencionales se basan en grandes salas repletas de servidores que consumen energía eléctrica, necesitan sistemas de refrigeración intensivos y dependen de redes de alta velocidad para conectar con almacenamiento y servicios distribuidos. Incluso soluciones avanzadas de refrigeración líquida o sistemas de “liquid-to-chip” (líquido directamente en chips para transferencia de calor) solo pueden mitigar parcialmente estos retos.

El crecimiento continuo también ha provocado reacciones regulatorias locales en algunos estados y ciudades, que alertan sobre las presiones que estas instalaciones ejercen sobre las redes eléctricas y del agua. En 2025, por ejemplo, algunos planes de construcción de centros de datos en Texas fueron cancelados tras objeciones ciudadanas y preocupaciones por la infraestructura regional. Esto ilustra que el debate no es solo tecnológico, sino también social y político, y abre la puerta a modelos alternativos de cómputo distribuidos o descentralizados.

El caso de webAI y otras startup de IA en Austin

Austin, Texas, se ha consolidado como un importante clúster tecnológico en Estados Unidos, particularmente en el ámbito de la inteligencia artificial y las startups tecnológicas. Empresas como webAI, fundada en 2019, se dedican a soluciones de IA centradas en la privacidad y en habilitar modelos que se ejecutan localmente en dispositivos o a nivel de borde (“edge”), reduciendo así la dependencia de centros de datos centralizados.

webAI ha obtenido financiación significativa en rondas anteriores (por ejemplo, una Serie A que elevó su valoración a varios cientos de millones de dólares) y su enfoque técnico se basa en optimizar los modelos para que puedan ejecutarse en hardware con restricciones de energía y latencia más ajustadas. Sus productos buscan precisamente hacer viable la ejecución de IA con menor necesidad de conectividad a grandes centros de cómputo.

Además de webAI, hay otras startups con enfoques innovadores dentro del ecosistema de Austin. Por ejemplo, Dappier ha creado un marketplace de datos para IA que permite a editores integrar IA conversacional en sus servicios con modelos de negocio novedosos, aunque su enfoque es más orientado al software.

Estos ejemplos muestran cómo la región está atrayendo diversidad de modelos empresariales relacionados con la IA —desde infraestructuras descentralizadas hasta plataformas de datos e interfaces de usuario basadas en inteligencia artificial.

Impactos técnicos y económicos globales

La expansión de la IA y la necesidad de capacidad de cómputo no solo afectan a empresas emergentes, también recalientan la inversión en gigantes tecnológicos. Oracle, por ejemplo, ha anunciado planes para recaudar entre 45 000 y 50 000 millones de dólares en 2026 destinados a construir infraestructura de IA y nube, reflejando que incluso los actores consolidados perciben la presión de escalar su capacidad.

En paralelo, el mercado global experimenta rondas gigantescas de financiación en startups de IA. Varias compañías han asegurado más de 100 millones de dólares en capital de riesgo solo en 2025, lo que indica que el apetito de los inversores por este sector sigue siendo alto y justificado por expectativas de crecimiento en aplicaciones empresariales, científicas o industriales.

Pero aquí surge un punto técnico: la mayoría de estas inversiones no generan retornos inmediatos tan altos como se esperaría en otros sectores tecnológicos más maduros. Eso se debe a que el costo de entrenar modelos avanzados puede superar los millones o decenas de millones de dólares por proyecto, y los ingresos por servicios dependen de la adopción masiva de aplicaciones basadas en IA. Este desfase entre inversión y retorno ha llevado a debates sobre si el mercado está sobrevaluando ciertas expectativas —una discusión que algunos analistas han comparado con burbujas tecnológicas del pasado— aunque no todos llegan a esa conclusión.

Reflexiones finales

El desarrollo de la IA y su infraestructura asociada plantea preguntas complejas: ¿cómo se satisface una demanda de cómputo que crece exponencialmente? ¿Es sostenible mantener centros de datos gigantes si el consumo energético global también se dispara? ¿Podrán enfoques descentralizados o tecnologías emergentes cambiar la arquitectura de la computación de IA?

La empresa de Austin mencionada en la información original, aunque aún no ha revelado todos los detalles técnicos, simboliza una búsqueda de alternativas y plantea que el modelo de centros de datos como los conocemos podría evolucionar. No es una promesa sin base; fenómenos como la necesidad de densidades de potencia de hasta 500 kW por rack, las tensiones sobre redes eléctricas urbanas o las objeciones comunitarias recientes explican por qué algunos ingenieros y emprendedores exploran rutas distintas.

El equilibrio entre capacidad, eficiencia energética, impacto medioambiental y viabilidad económica todavía está lejos de resolverse. Para los profesionales del sector, dominar conceptos como densidad de potencia por rack, sistemas de refrigeración por inmersión líquida o modelos de cómputo distribuido será clave para entender cómo pueden aprovechar o contribuir a la próxima fase de la IA aplicada.