La escasez global de memoria de alto ancho de banda (HBM) está elevando los costes de la inteligencia artificial debido a la creciente demanda de grandes modelos generativos.
Empresas como OpenAI, Meta, Microsoft y Anthropic están invirtiendo miles de millones en infraestructuras y chips, lo que genera tensiones en la cadena de suministro y subidas de precios.
Multiverse Computing apuesta por modelos más pequeños y eficientes capaces de ejecutarse en dispositivos locales, buscando reducir el consumo energético y la dependencia del cloud.
Román Orús advierte que la dependencia europea de tecnología estadounidense y asiática en IA supone un riesgo estratégico y aboga por desarrollar capacidades propias en la región.
La competición por liderar la inteligencia artificial se ha acelerado todavía más en los últimos meses. Los anuncios e inversiones multimillonarias de los grandes actores del sector se suceden a tal velocidad que el mercado cambia prácticamente cada semana.
En enero, OpenAI anunció la expansión de Stargate, su megaproyecto junto a Oracle y SoftBank, con una inversión de hasta 500.000 millones de dólares en los próximos años. Durante abril y mayo, Meta adelantó la construcción de nuevos centros de datos y aceleradores de IA para sostener el crecimiento de sus modelos generativos.
Microsoft, por su parte, ha reforzado el desarrollo de chips propios y la ampliación de la capacidad cloud. Y hace unas semanas, Anthropic cerró varios acuerdos multimillonarios para garantizar el acceso a infraestructura y capacidad de computación para Claude.
Todos estos movimientos están multiplicando el consumo de memoria, energía y recursos necesarios para entrenar y ejecutar los grandes modelos fundacionales o LLMs (Large Language Models). Y están alertando de lo que vendrá.
Así es como la infraestructura para la IA se ha convertido en uno de los grandes frentes tecnológicos de 2026.
El precio de la IA
Para estos modelos, que han crecido en tamaño y complejidad, la potencia de cálculo disponible ya no es suficiente. También hace falta mucha más memoria de alto ancho de banda (HBM).
La HBM (High Bandwidth Memory) no es una memoria cualquiera, es la que se utiliza en GPUs y aceleradores de IA para mover enormes volúmenes de datos a gran velocidad y con bajo consumo. Es ahí donde ya empiezan a detectarse los límites técnicos y en la cadena de suministro, con su consiguiente impacto económico.
La carrera por la IA ha provocado que fabricantes como SK Hynix, Samsung y Micron reorienten gran parte de su producción hacia HBM para abastecer los centros de datos. Tres compañías que, según la firma de análisis Counterpoint Research, controlan más del 90% del mercado global de DRAM, lo que explica por qué este cambio de prioridades ha llevado a tensiones en el suministro de estos componentes y a un aumento de los precios.
Muchas empresas están descubriendo que desplegar inteligencia artificial a gran escala puede resultar más caro de lo previsto. “Los costes del cloud se disparan y los números no salen”, señala Román Orús, cofundador y CSO de Multiverse Computing, en entrevista con DISRUPTORES - EL ESPAÑOL.
Alto consumo
La aparición de agentes de IA está acelerando todavía más esta situación. Cada interacción o cálculo que realizan estos sistemas implica ejecutar continuamente procesos en la nube.
“La IA que tenemos hoy consume muchísimos recursos y eso significa consumir muchísima memoria [HBM]”, explica. La enseña española lleva años trabajando en tecnologías capaces de comprimir modelos de IA para reducir su tamaño sin perder capacidad. El objetivo es que estos sistemas necesiten menos memoria, reduzcan el consumo de energía y puedan ejecutarse, incluso, en dispositivos locales.
Estima que este enfoque puede generar ahorros energéticos superiores al 50% en determinados entornos ligados a centros de datos e infraestructuras de IA.
"La escasez de memoria y la ineficiencia energética se traducen en mayores costes para el usuario. Y eso impacta especialmente a las pequeñas empresas, que tienen menos acceso a estas herramientas de computación avanzada”, sostiene.
Del 'cloud' al dispositivo
Uno de los cambios que anticipa la industria pasa por trasladar parte de la inteligencia artificial desde la nube hacia los propios dispositivos.
Para ilustrarlo, Orús pone como ejemplo sectores como el automóvil, donde cada vez es más necesario que los sistemas funcionen incluso cuando no existe conexión permanente a internet.
Para el directivo, el actual modelo basado exclusivamente en grandes infraestructuras cloud no es sostenible a largo plazo. “No podemos seguir haciendo IA de la forma en la que la hacemos ahora e intentar ir a modelos cada vez más grandes, porque es una aproximación que no escala, energéticamente no da para más”, aunque puntualiza que esto no significa que los grandes modelos vayan a desaparecer.
También menciona aplicaciones ligadas a drones, satélites, defensa o robótica: “Los drones tienen que ser capaces de tomar decisiones de forma autónoma cuando pierden la conexión, los satélites tienen muy poco hardware disponible y en defensa no puedes confiar toda la operativa a un cloud externo”.
Modelos pequeños y en local
De ahí que, según sus palabras, la alternativa pase por desarrollar modelos más pequeños y especializados. “La idea es que acabemos teniendo IA en absolutamente todos los dispositivos: en el móvil, en el reloj, en el coche, en drones o en robots. Y todo eso ya no puede calcularse siempre en la nube, tiene que correr en local”, defiende.
Según el cofundador de Multiverse, este mercado -el de los modelos pequeños- todavía se encuentra en una fase muy inicial, pero acabará teniendo un peso incluso superior al de los grandes modelos fundacionales.
“No sólo se trata de hacer modelos pequeños, incluso para los grandes modelos necesitamos sistemas más eficientes”, afirma Orús, quien recuerda que los algoritmos actuales vienen de las décadas de los 40, 50 y 60.
“Observo la naturaleza y veo que la inteligencia biológica lo hace muchísimo mejor. Eso significa que todavía nos queda mucho camino por recorrer”, concluye.
Una cuestión de soberanía
La creciente dependencia de infraestructuras, chips y memorias desarrolladas fuera de Europa introduce en la asunto de la escasez de componentes una derivada geopolítica a la que Román Orús y Multiverse no son ajenos.
“Europa tradicionalmente siempre ha ido muy lenta y ha perdido muchos trenes, como el cloud o las redes sociales, pero en este caso más vale llegar tarde que nunca, no hay alternativa”, señala el directivo a este medio.
Actualmente, gran parte de la cadena de valor de la inteligencia artificial depende de compañías estadounidenses y asiáticas. "La IA es una tecnología geopolíticamente estratégica y las regiones que se queden atrás acabarán siendo irrelevantes”, sostiene.
En este sentido, defiende que el continente debe desarrollar capacidades propias, desde algoritmos y modelos hasta infraestructura y hardware.
Para remar en este sentido, adelanta -sin concretar- que Multiverse ya está participando en distintas iniciativas europeas relacionadas con infraestructuras y factorías de inteligencia artificial impulsadas desde Bruselas, un ámbito donde la compañía considera que Europa puede encontrar una oportunidad para posicionarse.
Y es claro en sus observaciones: “No podemos depender completamente de tecnologías americanas o chinas. Tal y como está la situación geopolítica mundial, no podemos confiarnos”.