¿Pueden las economías de tamaño mediano unirse para construir una IA de vanguardia?

La sabiduría convencional presenta a las economías medianas dos opciones para acceder a la IA avanzada: confiar en los sistemas estadounidenses o chinos, o quedarse atrás. Ninguna opción preserva la soberanía tecnológica que los países consideran cada vez más esencial. Pero existe una tercera vía que exploramos en detalle en un memorando reciente . En conjunto, las naciones fuera del duopolio entre Estados Unidos y China poseen una infraestructura informática sustancial, la mayoría de los investigadores más destacados del mundo y la creciente voluntad política para crear una tercera vía. La pregunta es si pueden unirse para que funcione.

El dilema de la dependencia

El desarrollo de IA de vanguardia es ahora una actividad confinada principalmente a dos países: Estados Unidos y China. Gigantes tecnológicos estadounidenses han anunciado inversiones en IA por un total de más de 300 000 millones de dólares solo este año. Las empresas chinas les siguen con compromisos que se acercan a los 100 000 millones de dólares . Las empresas estadounidenses controlan casi tres cuartas partes de la capacidad de procesamiento de IA del mundo, mientras que China ocupa un distante segundo lugar con el 15 %. Europa se sitúa con el 5 %.

Figura 1: Distribución global de la computación de IA en octubre de 2025 (equivalentes H100)5

Esta concentración crea dos brechas informáticas claras: una entre países y otra entre instituciones académicas y laboratorios privados dentro de esos países. Incluso en países con una capacidad general considerable, los investigadores universitarios a menudo carecen de acceso a los recursos informáticos que los laboratorios corporativos utilizan habitualmente.

Confiar en sistemas de IA extranjeros implica aceptar que el acceso puede restringirse o retirarse en cualquier momento , que la protección de datos depende de leyes extranjeras y que la visión del mundo que estos sistemas codifican proviene de decisiones de diseño tomadas en Pekín o San Francisco. Las recientes interrupciones del servicio en la nube ponen de manifiesto cómo la dependencia de ecosistemas digitales concentrados genera vulnerabilidades incluso en tiempos de paz.

Limitar la adopción de la IA para evitar la dependencia conlleva riesgos cada vez mayores. Si la IA de vanguardia permite avances transformadores en la forma en que las economías producen, las ciencias descubren y las fuerzas armadas operan, los países que se resistan podrían encontrar deficiencias de capacidad que se agraven con el tiempo.

Este es el dilema de la dependencia: la dependencia invita a la explotación, pero la moderación invita a la debilidad. Para los países fuera del pequeño círculo de desarrolladores de IA de vanguardia, ninguna de las dos opciones preserva la soberanía y la autonomía estratégica que valoran.

La cooperación multinacional podría ser una salida a este dilema. No está garantizada, pero es plausible.

Los recursos para una tercera opción ya existen

La buena noticia es que las economías medianas poseen colectivamente importantes capacidades de desarrollo de IA. De hecho, ya existen las condiciones para una alianza multinacional.

En cuanto al talento, de los 100 investigadores de IA más citados a nivel mundial, 87 provienen o trabajan actualmente en países fuera de Estados Unidos y China. Muchos de estos destacados científicos de IA han expresado su incomodidad con el modelo actual de desarrollo acelerado a puerta cerrada, rindiendo cuentas a los accionistas en lugar de al público. Un proyecto multinacional inspirador, respaldado por recursos adecuados y un compromiso con el desarrollo ético, podría atraer talento significativo que, de otro modo, se dirigiría a Silicon Valley.

En cuanto a infraestructura, se está implementando una importante capacidad de cómputo, y la Unión Europea ha comprometido más de 20 000 millones de euros en iniciativas de computación de IA. Las fábricas de IA y las supercomputadoras públicas europeas están desplegando importantes recursos. La supercomputadora alemana Jupiter , con 24 000 GPU, ya está operativa. El sistema francés de exaescala Alice Recoque está previsto que llegue en 2026. Cinco gigafábricas entregarán más de 100 000 chips de IA especializados cada una para 2027.

Ningún país mediano puede igualar la escala de iniciativas como el proyecto Stargate de OpenAI . Sin embargo, el despliegue coordinado de la capacidad existente y planificada en múltiples naciones podría impulsar un desarrollo a gran escala. La infraestructura se está construyendo; la pregunta es si se utilizará colectivamente o en silos nacionales fragmentados.

La cooperación multinacional en IA en la práctica

Ya hay iniciativas reales que demuestran que la cooperación internacional en IA funciona.

El Consorcio Trillion Parameter reúne a importantes centros de supercomputación y laboratorios de investigación de todo el mundo, incluidos los de Estados Unidos. Su misión es desarrollar y utilizar modelos de IA de gran tamaño con fines científicos y de ingeniería.

En lugar de que cada institución desarrolle capacidades aisladas, los miembros aúnan experiencia e infraestructura transfronterizas para abordar desafíos que ninguna organización podría abordar por sí sola. Este es un buen ejemplo del tipo de cooperación que podría impulsar el desarrollo de la IA de vanguardia. El TPC demuestra que la cooperación internacional eficaz en IA no tiene por qué ser antagónica con las potencias dominantes. En cambio, puede centrarse en casos de uso de interés público y estructuras de gobernanza distribuidas que eviten la peligrosa concentración de capacidades transformadoras en manos públicas o privadas.

Otro ejemplo es la colaboración entre GENCI (la agencia nacional francesa de computación de alto rendimiento) y la Universidad de Bristol , que se centrará en técnicas de aprendizaje distribuido y federado. Su enfoque permite a los centros de cómputo soberanos contribuir a flujos de trabajo de formación compartidos, manteniendo al mismo tiempo un control total sobre sus conjuntos de datos e infraestructura. De hecho, la inversión sostenida en I+D en estas nuevas arquitecturas y capacidades es algo que los países que se toman en serio la cooperación en IA para preservar la soberanía deberían priorizar, dado su papel fundamental en la puesta en común de capacidades.

¿Por qué es importante esto? A muchos gobiernos les preocupa que la colaboración internacional en IA requiera la transferencia de datos sensibles a sistemas extranjeros. El modelo Bristol-Francia demuestra que estas preocupaciones no tienen por qué ser un obstáculo. Con el aprendizaje federado, los datos nunca traspasan las fronteras nacionales. Esta arquitectura permite aunar capacidad de cómputo y desarrollar capacidades de IA compartidas sin centralizar la información sensible.

La economía oculta del desarrollo de la IA

Las alianzas existentes sugieren que la cooperación es técnicamente viable. Pero ¿por qué sería económicamente atractiva?

Entrenar un modelo de IA es como escribir un libro: requiere un esfuerzo inicial masivo y concentrado. Es el proceso de enseñar al modelo a comprender el lenguaje, razonar sobre problemas y generar resultados útiles. Equipos de investigadores trabajan durante meses, consumiendo enormes recursos informáticos, para crear un único modelo. Los costos son fijos, independientemente de cuántas personas lo utilicen. Entrenar los principales modelos de IA actuales cuesta cientos de millones de dólares, y las proyecciones sugieren que los costos podrían alcanzar varios miles de millones de dólares en pocos años.

La inferencia (utilizar el modelo entrenado para responder preguntas, generar texto o realizar otras tareas) es más como imprimir copias de ese libro. Los costos aumentan con el número de usuarios y pueden distribuirse entre países según la demanda. Cada nación necesita una capacidad de inferencia proporcional a su propio uso.

Figura 2: Costos proyectados de hardware y capacitación para sistemas de IA de última generación (miles de millones de dólares) Fuentes: Pilz et al., 2025; Cottier et al., 2024; Epoch AI, 2025.

Esta distinción es fundamental para la cooperación internacional. El costoso y concentrado trabajo de capacitación es precisamente donde la puesta en común de recursos ofrece el mayor beneficio. Los países pueden compartir la ardua tarea de crear potentes modelos de IA y luego implementarlos de forma independiente para sus ciudadanos e industrias. Compartir los costos de capacitación, manteniendo al mismo tiempo la capacidad de inferencia independiente, brinda a los países las ventajas de la escalabilidad sin sacrificar el control sobre aplicaciones sensibles.

La economía en este caso difiere fundamentalmente de la de muchas otras tecnologías. A diferencia de la manufactura, donde las economías de escala suelen implicar la centralización de la producción, el desarrollo de la IA permite la colaboración distribuida durante el entrenamiento y la implementación descentralizada posterior. Esto crea oportunidades naturales para colaboraciones internacionales que simplemente no existen en muchas industrias.

La escala no lo es todo

Los avances recientes sugieren que la competitividad fronteriza se basa en cómo se utilizan los recursos, no solo en su cantidad. DeepSeek y Mistral lograron un rendimiento comparable al de los modelos líderes con un menor gasto, gracias a innovaciones arquitectónicas y un enfoque estratégico.

Una alianza multinacional podría adoptar estrategias distintas a las de los laboratorios corporativos con ánimo de lucro. Objetivos como la soberanía, la fiabilidad de las aplicaciones gubernamentales sensibles y la legitimidad democrática sugieren invertir en áreas donde la simple ampliación no es suficiente. Los avances en fiabilidad, razonamiento y comportamiento ético de la IA podrían resultar más valiosos para las naciones participantes que la carrera por alcanzar todos los estándares de vanguardia. De hecho, muchas industrias de alto valor y las aplicaciones más sensibles exigen sistemas fiables y auditables en lugar de capacidades fronterizas opacas.

Aprendiendo de precedentes exitosos

Las colaboraciones internacionales de investigación a gran escala ya han tenido éxito en el pasado. El CERN demostró que las naciones europeas podían aunar recursos para liderar el mundo en física de partículas y generó enormes beneficios indirectos en informática y otros campos. Airbus demostró que la cooperación podía desafiar el dominio estadounidense en el sector aeroespacial. El ITER intenta hacer lo mismo con la energía de fusión.

Estos precedentes sugieren varios principios para la cooperación en IA. Una estructura semidistribuida con unas pocas instalaciones centrales puede aprovechar las ventajas comparativas de los miembros y crear la masa crítica de talento que impulsa la innovación. La distribución equitativa de costos y beneficios mediante financiación, contribuciones en especie y acuerdos de licencia mantiene a todos los miembros comprometidos con el éxito del proyecto. Es importante destacar que cualquier iniciativa exitosa requerirá una gobernanza ágil, ya que el ritmo de la IA exige enfoques más ágiles que los logrados por algunas iniciativas multinacionales anteriores.

El tiempo es crucial

La ventana de acción podría no permanecer abierta indefinidamente. Los costos actuales de capacitación en la vanguardia siguen estando al alcance de las economías medianas coordinadas. Pero es probable que las barreras de entrada, como los monopolios informáticos, la concentración de talento y la arraigada influencia geopolítica, aumenten. Los países que esperen corren el riesgo de quedar permanentemente excluidos.

Fuente: https://oecd.ai/en/wonk/can-mid-sized-economies-come-together-to-build-frontier-ai