Quién pagará la carrera de la IA

Este es el segundo artículo de una serie. La primera entrega analiza la carrera entre laboratorios y Estados, los límites materiales del cómputo y los riesgos que la IA ya está amplificando. Esta segunda aborda su reverso: quién financiará esa carrera y qué ocurre si el Estado acaba asumiendo una parte del riesgo. La tercera se pregunta quién debería marcar el ritmo de la IA.

La primera entrega terminaba con una idea: nadie quiere quedarse fuera de la carrera de la IA. Esta empieza con la pregunta que viene detrás. Si nadie quiere frenar y cada nueva generación de modelos cuesta más que la anterior, alguien tiene que pagarla.

Hasta ahora lo han hecho inversores privados, a cambio de la promesa de beneficios futuros. La pregunta es qué pasa si esos beneficios tardan más de lo previsto, y si el Estado acabará cubriendo la diferencia.

La factura que amenaza el negocio

Como contaba en la primera parte, mantener el ritmo de la ley de Moore es cada vez más caro: una fábrica avanzada ronda los 20.000 millones de dólares y alternativas como los chiplets abaratan parte del proceso, pero no cambian el orden de magnitud. Eso es solo el principio de la cuenta.

La carrera de la IA no consume únicamente capital para entrenar un modelo. Exige centros de datos, aceleradores, redes, energía, refrigeración, memoria y capacidad de inferencia para atender millones de consultas. Un estudio de Stanford y Epoch AI estima que el coste de entrenar los modelos de frontera creció alrededor de 2,4 veces al año desde 2016. Si la tendencia se prolonga, solo un puñado de compañías y Estados podrá financiar la frontera.

Esto no significa que cada respuesta de un chatbot tenga que ser más cara. El precio necesario para obtener un nivel dado de rendimiento está descendiendo gracias a la competencia y a la eficiencia algorítmica, como documenta el AI Index 2025 de Stanford. La paradoja es que cada unidad de inteligencia se abarata mientras la ambición total de los laboratorios crece todavía más deprisa.

Ahí aparece el problema de los márgenes. Si el coste del hardware, la energía y la depreciación aumenta más rápidamente que los ingresos, las valoraciones actuales serán difíciles de justificar. Las compañías necesitan que el uso crezca, que los clientes acepten pagar y que cada tarea requiera menos cómputo. También necesitan convencer a los mercados de que la inversión de hoy producirá beneficios extraordinarios mañana.

China ha convertido sus restricciones en un incentivo para optimizar. DeepSeek-V3 utilizó una arquitectura de expertos en la que solo una fracción de los parámetros trabaja con cada token, entrenamiento de baja precisión y un diseño muy atento a los límites del hardware. Su informe técnico declara unos 2,8 millones de horas de GPU H800 para el entrenamiento completo descrito.

La famosa cifra de unos seis millones de dólares debe manejarse con cuidado: no incluye todo el coste de investigación, experimentación, infraestructura, salarios y modelos descartados. Pero la lección general permanece. Un modelo no necesita ser el mejor en todos los indicadores si ofrece casi toda la utilidad a una fracción del precio. En un mercado real, la suficiencia barata puede derrotar a la excelencia ruinosa.

El miedo también es un activo político

Los riesgos que describía en la primera parte son reales: armas que deciden más deprisa que nosotros, ciberataques a escala industrial, fraude, propaganda y una transición laboral que puede romper costuras sociales. Pero que sean reales no obliga a aceptar sin más la solución propuesta por quienes dominan el mercado. Una regulación basada en licencias costosas, enormes requisitos de cómputo, auditorías permanentes y acceso privilegiado al Estado puede reducir ciertos riesgos y, al mismo tiempo, levantar una muralla alrededor de los laboratorios actuales.

La regulación puede ser necesaria y producir captura regulatoria. Igual que los responsables de los laboratorios pueden tener miedo y actuar en su propio interés a la vez, las dos cosas pueden ser verdad.

Pero el miedo no solo sirve para cerrar la puerta a los competidores. También sirve para otra cosa: si la IA es tan peligrosa, es estratégica, y si es estratégica, el Estado no puede dejarla caer.

Nacionalizar sin decirlo

Mi hipótesis es esta: ante la dificultad de ser rentables, algunos laboratorios pueden estar buscando que el Estado cargue con parte del riesgo. Quitando matices, es una forma de nacionalización. No hablo de expropiar ni de convertir OpenAI en un organismo público, sino de avales, contratos, subvenciones y participaciones que permitan seguir investigando, evolucionando los modelos y perdiendo dinero con cargo al contribuyente estadounidense, mientras el control y buena parte del beneficio siguen en manos privadas. Una nacionalización encubierta de las pérdidas.

No afecta a todos por igual. Google, Meta o Microsoft ganan dinero con otros negocios y pueden pagar su gasto en IA. Los más interesados son OpenAI y Anthropic: laboratorios puros, con compromisos de cómputo enormes y los dos preparando su salida a bolsa. Una salida a bolsa no contradice la hipótesis; es más fácil vender a los mercados una promesa de beneficios futuros si el Estado está detrás como cliente, avalista o accionista.

El argumento para justificarlo ya está construido, y se llama China. Allí la IA no depende de facturar. El capital público ha pasado a liderar rondas como la de DeepSeek, y el capital privado tampoco es independiente: el Partido tiene comités dentro de las empresas, participaciones de control en filiales de gigantes tecnológicos y ya demostró en 2020, al frenar la salida a bolsa de Ant Group, quién decide en última instancia. Se puede discutir el grado, pero si se sigue el rastro del dinero, la IA china responde al Estado de una forma u otra. Desde Washington eso se percibe como una desventaja comparativa: la Comisión de Revisión Económica y de Seguridad entre Estados Unidos y China recomendó en 2024 al Congreso un programa al estilo del Proyecto Manhattan para la IA general.

Lo que no sé es cómo se resolverá, porque hay varios escenarios y no están tan lejos unos de otros.

La compañía quiere y el Gobierno no. En noviembre de 2025 la directora financiera de OpenAI habló de un respaldo federal para financiar su infraestructura. La respuesta de David Sacks, responsable de IA de la Casa Blanca, fue inmediata: no habrá rescate federal para la IA; hay al menos cinco compañías de frontera y si una cae, otra ocupará su lugar. Altman se desdijo.

Los dos quieren. Siete meses después, OpenAI propuso que el Gobierno se quedara alrededor de un 5 % de la compañía para rebajar la presión política. El precedente existe: Washington ya había tomado cerca de un 10 % de Intel en 2025 y hoy tiene participaciones en una treintena de empresas. El Gobierno gana influencia y una bandera; la compañía gana protección y la etiqueta de infraestructura nacional.

El Gobierno quiere y la compañía no. El Estado tiene palancas para presionar: contratos, controles de exportación, licencias. En marzo de 2026 el Pentágono declaró a Anthropic riesgo para su cadena de suministro después de que la compañía se negara a relajar sus restricciones de uso militar; un juez anuló la designación en agosto. No fue un intento de compra, pero muestra que los intereses de Washington y los de los laboratorios no siempre coinciden. Y si llega una caída de valoraciones, una participación estatal podría presentarse como rescate y cobrarse a precio de saldo.

La frontera entre los tres es fina. El mismo 5 % puede ser un salvavidas, una alianza o una toma de control según el precio y el momento en que se firme. Y alrededor hay más actores con intereses contrapuestos: inversores actuales que no quieren ser diluidos, competidores rentables que no quieren ver subvencionado al rival, contribuyentes que asumirían pérdidas sin decidir nada. O Alex Karp, consejero delegado de Palantir, que ha llevado el discurso del riesgo a su conclusión lógica: si estos sistemas son tan peligrosos como dicen sus creadores, quizá haya que nacionalizar los laboratorios. Lo dice alguien cuyo negocio consiste en vender tecnología al Estado y que acusa a Anthropic de querer la nacionalización para esquivar demandas.

Mientras tanto, los calendarios siguen su curso. Anthropic ha presentado confidencialmente su borrador S-1. OpenAI se planteó retrasar su salida a 2027 y su directora financiera ha dicho a la plantilla que será una empresa cotizada en 2027 o antes.

Es una hipótesis, no una prueba. Se vendría abajo si estos laboratorios alcanzaran la rentabilidad, si salieran a bolsa sin garantías públicas o si rechazaran participaciones estatales cuando se las ofrezcan. Pero la pregunta de quién paga la carrera ya no es teórica.

Quién decide si paga el contribuyente

Si el Estado acaba asumiendo parte del riesgo, la discusión deja de ser técnica y pasa a ser política. No es lo mismo rescatar a una empresa que financiar una infraestructura, y no es lo mismo ser accionista que ser avalista.

Cuando el dinero público entra en un sector estratégico, lo razonable es que llegue con condiciones: qué control obtiene el Estado, qué acceso tienen sus instituciones a los modelos, qué transparencia se exige sobre riesgos y costes, y qué parte del beneficio vuelve si la apuesta sale bien. Sin esas condiciones, lo que queda es el esquema de siempre: los beneficios se reparten entre accionistas y las pérdidas entre contribuyentes.

Tampoco está claro que el Estado sea un mal accionista por definición. Hay sectores en los que la inversión pública ha sido decisiva, desde internet hasta los semiconductores. El problema no es que el contribuyente financie la IA, sino que lo haga sin saberlo, sin decidirlo y sin recibir nada a cambio.

Un laboratorio querrá que otro pague sus pérdidas. Un Gobierno querrá influencia sin cargar con el fracaso. Un inversor querrá protección sin ceder control. Y cada uno podrá justificar su posición señalando a China.

La primera parte terminaba diciendo que los riesgos humanos ya están aquí. La factura también está llegando, y todavía no sabemos a nombre de quién.

La serie

Parte I · El miedo, los chips y el control

La primera entrega sostiene que el riesgo más urgente no requiere una IA consciente ni maligna. Aparece cuando la autonomía, el cómputo y la velocidad amplifican los incentivos de Estados, empresas y actores criminales, mientras nadie quiere ser el único en frenar.

Parte III · No basta con frenar: quién marca el ritmo de la IA

La tercera analiza la propuesta de Dario Amodei para condicionar el avance de los modelos de frontera a pruebas de seguridad verificables, y la pregunta política que abre: quién decide ese ritmo y quién recibe el poder que crea ese permiso.