China apuesta por agentes de IA; Europa corre por cómputo

El nuevo mapa de la carrera de la IA: ejecución contra infraestructura

China está girando la brújula: de entrenar modelos cada vez más grandes a desplegar agentes que ejecutan tareas. Un informe del Instituto de Investigación de China Telecom, divulgado por la radiodifusora estatal CCTV, proyecta que la inferencia representará 80% del mercado de potencia de cómputo del país para 2029. Para un founder, eso significa que el costo operativo de la IA —el que se paga cada vez que un usuario o un sistema hace una consulta— se está volviendo más decisivo que el costo de construir el modelo.

A esa dinámica se suma otro número: las empresas tecnológicas chinas gastarán cerca de CNY ¥600.000 millones (unos USD 89.000 millones) en IA durante este año, según el mismo informe. Es más de una décima parte de toda la inversión corporativa del país. La consecuencia operativa es directa: cada vez más capacidad china se está optimizando para responder rápido y barato, no solo para entrenar.

Europa, mientras tanto, mueve sus piezas en otra dirección. El 30 de julio la Comisión Europea abrió la licitación para construir hasta siete gigafábricas de IA en un programa estimado en EUR 30.000 millones. El contraste entre ambos movimientos —uno ejecutando, otro planificando— define el estado actual de la carrera.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Por qué la inferencia le importa a tu startup

La distinción entre entrenamiento e inferencia define cuánto vas a pagar cada mes por usar IA. El entrenamiento construye el modelo; la inferencia ocurre cada vez que alguien —un cliente, un agente automatizado, un proceso interno— lo consulta. Por eso, cada acción de un agente de IA puede implicar varias llamadas al modelo, verificaciones y decisiones encadenadas, multiplicando el cómputo consumido por tarea.

China Telecom estima que los agentes impulsarán durante los próximos dos o tres años un crecimiento cercano a diez veces anual en la demanda de cómputo china. Para una startup, la lectura práctica es clara: si tu producto depende de LLMs externos, tu principal costo variable no va a ser la suscripción al servicio, sino el volumen de consultas que generes cuando tus agentes automaticen flujos completos.

La presión de costos ya se siente

El giro no es teórico: ya aparece en la facturación. En agosto, DeepSeek reajustó los precios de su API para los modelos V4-Pro y V4-Flash, con subidas de hasta 1.100% en algunos tramos y nuevas tarifas diferenciadas por hora pico y valle, según reportó Computerworld. El objetivo declarado es distribuir la carga en horarios de menor demanda. Para los desarrolladores hispanohablantes que ya usan DeepSeek, la consecuencia inmediata es que la "ventaja de precio barato" china se está erosionando en horas pico.

La misma lógica explica por qué el regulador chino advierte contra la "involución" —una competencia destructiva donde las empresas bajan precios sin crear valor proporcional, según Digital Trends. Para founders, eso implica dos cosas: primero, que planificar en función del precio actual de los modelos puede ser un error; segundo, que el verdadero diferencial estará en qué tan bien optimices el consumo, no en qué proveedor elijas.

Europa licita, pero con la calculadora apretada

El programa europeo suena ambicioso en el titular —hasta siete gigafábricas, cada una con al menos 100.000 chips de IA de última generación, cuatro veces más potentes que los mayores centros de datos actuales de la UE, según Newsday—, pero el desglose es más modesto. De los EUR 10.000 millones de financiación pública prometidos, solo unos EUR 1.000 millones están efectivamente confirmados en el presupuesto actual de la UE; los otros EUR 4.000 millones dependen del próximo Marco Financiero Plurianual 2028-2034, aún sin acordar, documentó TechTimes.

La regulación europea limita además la contribución pública al 17% del gasto de capital de cada proyecto. El 83% restante debe salir de inversores privados y Estados miembro, en un contexto donde el costo eléctrico industrial europeo duplica o triplica el de Estados Unidos o China. Entre los pocos postores confirmados están Deutsche Telekom con Brookfield y el consorcio francés AION liderado por Scaleway; el campo se habría reducido desde unas 70 expresiones de interés iniciales a cerca de diez candidatos reales.

El calendario oficial es ajustado: las solicitudes cierran el 12 de noviembre de 2026, los premios se esperan para principios de 2027, la construcción arranca ese mismo año y las primeras máquinas deberían estar operativas a mediados de 2028. Pero los retrasos ya acumulan más de un año desde el objetivo original de finales de 2025, y la iniciativa ha sido comparada por el think tank CEPA con proyectos previos europeos —Galileo, Gaia-X— que llegaron tarde, sobre costo o por debajo de sus objetivos.

La paradoja de la soberanía europea

El programa se promociona como herramienta de soberanía tecnológica, pero las gigafábricas funcionarán con chips de Nvidia, AMD y Qualcomm, las tres estadounidenses, confirmaron TechTimes y Euronews. Dieciocho eurodiputados advirtieron a la Comisión sobre esta dependencia antes del lanzamiento. La Comisión defiende que conseguir capacidad soberana ahora, sobre hardware disponible, es preferible a esperar una producción europea de chips que no existe.

Para un founder con base en España, la lectura mixta es esta: si el programa avanza, podría abrir acceso a cómputo soberano bajo jurisdicción europea —algo valioso si trabajas con datos sensibles o clientes regulados—. Pero la disponibilidad real se medirá en años, no en meses. Mistral, el desarrollador europeo más visible, no esperó: invirtió EUR 1.200 millones en un centro de datos en Suecia en febrero de 2026 y levantó cientos de millones adicionales para una instalación cerca de París, según TechTimes.

¿Qué significa esto para tu startup?

La variable competitiva ya no es quién entrena el modelo más grande, sino quién lo usa mejor. Eso redefine el tablero para founders:

Mide el costo por tarea, no por token. Un agente que encadena cinco llamadas a un LLM por acción consume cinco veces más. Diseña tus flujos para minimizar consultas redundantes —cache de prompts, plantillas reutilizables, routing entre modelos según complejidad— antes de que tu factura de API se dispare.
Diversifica proveedores por horario y por criticidad. Si dependes de modelos chinos por precio, asume que las tarifas pico subirán (DeepSeek ya lo hizo) y construye tu arquitectura con capacidad de conmutar a alternativas según horario o carga. El enrutamiento multi-modelo dejó de ser opcional.
Evalúa el acceso soberano como ventaja competitiva. Si vendes a clientes europeos del sector público, salud o finanzas, el cómputo bajo jurisdicción europea puede ser un argumento de venta antes incluso de que esté disponible. Anticipa qué certificaciones o contratos puedes ganar si la infraestructura europea llega a tiempo.
No planifiques tu unit economics sobre el precio actual de la inferencia. Los proveedores chinos ya demostraron que el precio no es un suelo, y los europeos aún no están operativos. Tu modelo financiero debería asumir un costo por consulta entre 2x y 5x superior al actual como escenario base.