¿Qué es el Galaxy Campus y por qué mide 120.000 metros cuadrados?

Envision, empresa china de tecnología verde, puso en servicio el 6 de agosto de 2026 el Galaxy Campus en Ulanqab, Mongolia Interior — un complejo que la compañía presenta como el mayor edificio individual del mundo dedicado a centros de datos para inteligencia artificial. El edificio central ocupa 120.000 metros cuadrados, lo que equivale a 20 canchas de fútbol estándar, y está diseñado para alcanzar una capacidad total superior a 2 gigavatios cuando complete su despliegue.

Pero hay matices cruciales que separan las tres escalas del proyecto: el edificio físico, el campus completo y la capacidad máxima prevista. El Galaxy Campus ya está operativo, pero la cifra de un millón de aceleradores de IA y el objetivo de un millón de PFLOPS representan metas de despliegue futuro, no el inventario actual. Envision no ha especificado qué tipo de aceleradores instalará, cuántos hay activos hoy ni cuándo espera completar el despliegue total.

El concepto de "acelerador de IA" es más amplio que GPU: incluye chips especializados como los de Huawei Ascend o Cambricon, fabricados en China y no sujetos a los controles de exportación de EE.UU. sobre semiconductores avanzados. Tampoco se detalla la precisión numérica usada en el cálculo de un millón de PFLOPS (INT8, FP8, FP16), lo que impide compararlo directamente con benchmarks de otros supercomputadores.

Según Ricky Zheng, gerente general de la división de centros de datos de IA de Envision, "soportar un millón de aceleradores requiere un Sistema de Energía de IA diseñado específicamente que integra generación renovable, infraestructura de transmisión dedicada y almacenamiento energético a gran escala para entregar energía verde estable y de bajo costo". Esta integración permite al Galaxy Campus ofrecer hasta diez veces más capacidad de cómputo por metro cuadrado que un centro de datos convencional.

¿Por qué Mongolia Interior y no Shanghái? La lógica detrás de la ubicación

La elección de Ulanqab no es arbitraria. La ciudad cuenta con recursos eólicos y solares abundantes, conexiones de fibra de baja latencia hacia Pekín (solo 4,2 milisegundos de distancia) y una tradición consolidada de albergar centros de datos de empresas como ByteDance, JD.com, Alibaba, Apple y Huawei desde 2013.

Los datos energéticos son contundentes: Ulanqab representa una décima parte del área total de parques eólicos efectivos de China, disfruta de más de 3.200 horas de sol anuales y tiene una capacidad de energía limpia de 19,4 millones de kilovatios. Como resultado, los precios de electricidad para centros de datos son aproximadamente 50% más bajos que en la región de Beijing-Tianjin-Hebei, y los costos de cómputo son más de 60% inferiores a los de las ciudades de primer nivel.

Zhang Xiaorong, director del Instituto de Investigación de Tecnología de Vanguardia de Pekín, explicó al Global Times: "En la era de la IA, el producto central del poder de cómputo son los tokens, y el destino final de los tokens es la electricidad. Cuando la electricidad es barata, los tokens son baratos".

El Galaxy Campus obtiene más del 80% de su energía directamente de fuentes verdes conectadas, integrando generación renovable, almacenamiento y conexión eléctrica propia sin depender de la red eléctrica nacional. Este enfoque elimina la principal limitación actual de la industria: las colas de conexión a la red y la capacidad insuficiente de las redes eléctricas existentes.

Galaxy Campus vs. el resto del mundo: la carrera global por infraestructura IA

Galaxy no existe en el vacío. La infraestructura de IA crece a ritmo de hormigón y cables de alta tensión mientras el software avanza a ritmo de meses. Quien construya primero tiene ventaja competitiva, independientemente de qué modelos corra después.

A nivel global, los proyectos más ambiciosos incluyen:

• Meta Hyperion en Luisiana: sitio de 2.250 acres con capacidad de 5 gigavatios y costo estimado de US$10.000 millones. Incluye un acuerdo con una planta nuclear local para atender la carga energética.
• OpenAI + NVIDIA + SB Energy en Ohio: proyecto de 8 gigavatios con financiamiento de US$105.000 millones de NVIDIA, que creará 35.000 empleos durante una construcción de seis años hasta 2032.
• Stargate: iniciativa de SoftBank, OpenAI y Oracle anunciada en enero de 2026 con inversión de US$500.000 millones para construir infraestructura de IA en EE.UU., aunque con avances lentos y desacuerdos entre socios.
• Amazon: proyecta gastar US$200.000 millones en infraestructura en 2026 (subiendo de US$131.000 millones en 2025).
• Google: estima entre US$175.000 y 185.000 millones en 2026 (frente a US$91.000 millones en 2025).
• Meta: calculó entre US$115.000 y 135.000 millones para 2026 (frente a US$71.000 millones en 2025).

Juntos, los hiperscalers planean invertir casi US$700.000 millones en proyectos de centros de datos solo en 2026, según TechCrunch.

Europa también participa: prepara siete AI Gigafactories, cuatro con mínimo 75.000 aceleradores equivalentes a H100. Las magnitudes no son directamente intercambiables — cada proyecto usa tecnologías distintas y métricas diferentes — pero todas apuntan en la misma dirección: la infraestructura para entrenar y servir modelos de IA crece a escalas que hace dos años habrían parecido exageradas.

Qué significa esto para tu startup

El Galaxy Campus marca un punto de inflexión en la estrategia de infraestructura de IA de China. Hace dos años, el debate se centraba en si China podía competir sin acceso a chips avanzados. En 2026, el ecosistema incluye ya la capa física a escala industrial — un salto de software a hormigón similar al que hicieron las grandes tecnológicas americanas hace cinco años.

Para founders hispanohablantes, esto tiene implicaciones concretas:

• Acceso a infraestructura alternativa: si tu startup depende de GPUs NVIDIA y enfrenta restricciones de suministro o costos prohibitivos, la madurez del ecosistema chino de aceleradores (Huawei Ascend, Cambricon) ofrece rutas alternativas. Empresas como Meituan ya entrenaron LongCat-2.0, un modelo de más de un billón de parámetros, íntegramente con chips chinos.
• Costos de entrenamiento en descenso: la relación directa entre precio de electricidad y costo de tokens significa que los proveedores de infraestructura en regiones con energía renovable abundante pueden ofrecer capacidades competitivas. Evaluar opciones de cómputo en Asia podría reducir significativamente tus costos de entrenamiento.
• Ventaja de tiempo: la infraestructura tiene ciclos de años, no meses. Si tu startup necesita escalar entrenamiento o inferencia masiva, anticiparse a la disponibilidad de capacidad puede ser decisivo. Los proyectos actuales tienen plazos de entrega entre 2028 y 2032.

Las acciones inmediatas que puedes tomar:

1. Audita tu dependencia de hardware específico: identifica si tu stack depende exclusivamente de NVIDIA o si puedes portar modelos a arquitecturas alternativas (Ascend, AMD, o soluciones cloud multi-chip). No necesitas migrar hoy, pero sí tener un plan B antes de que la escasez o el precio te obliguen.
2. Evalúa proveedores de infraestructura en regiones de energía barata: investiga centros de datos en Asia Oriental y otras zonas con excedente renovable. Los costos de cómputo pueden ser hasta un 60% menores, lo que impacta directamente tu burn rate durante el entrenamiento de modelos.

Fuentes

• China levanta el mayor edificio de centros de datos del mundo en Mongolia Interior
• Galaxy: Envision's Mission Gobi Begins Renewables Rollout
• The billion-dollar infrastructure deals powering the AI boom