Multiplicar por 10.000 la eficiencia de la computación para inteligencia artificial es el ambicioso objetivo que defiende Pat Gelsinger, antiguo CEO de Intel, convencido de que las mejoras graduales de los procesadores no serán suficientes para satisfacer las necesidades de los próximos años. El directivo considera que la Ley de Moore todavía tiene recorrido, pero su continuidad exige avances que van mucho más allá de reducir el tamaño de los transistores.
Gelsinger volvió a defender esta visión durante el COSM Technology Summit 2026, celebrado en Scottsdale (Arizona), donde participó el 18 de noviembre en una conversación con George Gilder y Bret Swanson. Sus declaraciones, recogidas por Wccftech, sitúan la fotónica, el suministro eléctrico, la refrigeración, los materiales y el encapsulado avanzado entre los principales campos de innovación para superar las limitaciones de la industria.
La inteligencia artificial necesita avances mucho mayores que los de cada generación de chips
La postura de Gelsinger cuestiona que la evolución convencional de los semiconductores pueda sostener por sí sola el crecimiento de la inteligencia artificial. Durante décadas, la industria ha aumentado la densidad de transistores para mejorar las capacidades de procesamiento, pero cada nueva generación requiere inversiones más elevadas y afronta dificultades físicas y económicas.
El antiguo responsable de Intel considera que la respuesta no puede limitarse a obtener mejoras porcentuales en cada nuevo nodo de fabricación. Su objetivo de multiplicar por 10.000 la eficiencia representa una aspiración tecnológica a largo plazo, no una previsión demostrada ni una mejora que pueda conseguirse con una única generación de hardware.
De hecho, Gelsinger ya había defendido esta meta durante una entrevista concedida a WIRED en julio de 2026, cuando explicó que los futuros sistemas de IA necesitarán arquitecturas muy diferentes de las GPU actuales. Su intervención en COSM reafirma esa estrategia y amplía el debate hacia toda la infraestructura que permite alimentar, comunicar y refrigerar los aceleradores.
Tras la conferencia, el directivo insistió en su postura a través de X, donde defendió que la Ley de Moore no debe darse por muerta, sino reactivarse mediante nuevas tecnologías. La cuestión, por tanto, no consiste únicamente en fabricar transistores más pequeños, sino en mejorar la eficiencia del sistema completo.
Cinco campos tecnológicos para superar las limitaciones actuales
Entre las prioridades identificadas por Gelsinger destaca la luz, tanto por su papel en la fabricación de semiconductores como por las posibilidades de transmitir información mediante interconexiones ópticas y fotónica de silicio. Estas tecnologías podrían reducir determinadas pérdidas energéticas asociadas al movimiento de datos y ampliar el ancho de banda entre componentes.
Otra línea de trabajo es la distribución eléctrica, especialmente importante en servidores que concentran numerosos aceleradores. A medida que aumenta la potencia instalada, también crecen las dificultades para suministrar energía de manera eficiente y evitar pérdidas durante las conversiones de voltaje.
El control térmico constituye un tercer desafío. La refrigeración líquida y las nuevas soluciones de disipación permiten trabajar con densidades de potencia más elevadas, aunque también requieren inversiones adicionales en infraestructura y mantenimiento.
Los dos campos restantes comprenden nuevos materiales y estructuras de dispositivos, junto con el encapsulado avanzado. Este último permite integrar diferentes chips, memorias e interconexiones dentro de un mismo conjunto, reduciendo determinadas distancias de comunicación sin depender exclusivamente de la miniaturización de cada transistor.
La importancia del encapsulado ya ha sido señalada por otros fabricantes. TSMC también considera que el apilamiento de chips y la fotónica serán fundamentales para mejorar la eficiencia energética, complementando los avances de sus procesos de fabricación. Sin embargo, ninguna de estas soluciones garantiza por separado los enormes incrementos planteados por Gelsinger.
Los centros de datos afrontan un problema de consumo eléctrico cada vez mayor
La necesidad de mejorar la eficiencia tiene una explicación económica y energética. Construir centros de datos más potentes exige disponer de suficiente suministro eléctrico, una condición que comienza a limitar determinados proyectos incluso cuando existen recursos para adquirir los aceleradores.
Gelsinger ha advertido de que la capacidad energética estadounidense creció a un ritmo reducido durante buena parte de la última década. También ha señalado las dificultades para ampliar la generación eléctrica, con plazos de suministro de nuevas turbinas de gas que pueden alcanzar varios años y proyectos nucleares cuya construcción exige periodos todavía más largos.
Un estudio de investigadores de Harvard, publicado el 16 de noviembre en Nature Sustainability, permite dimensionar el problema. El trabajo examinó 403 centros de datos hiperescalables estadounidenses durante el periodo comprendido entre mayo de 2024 y abril de 2025, estimando que representaban al menos el 2,1% del consumo eléctrico nacional. Las estimaciones superiores sitúan su demanda anual por encima de los 83,2 TWh consumidos por Chile.
También resulta ilustrativa la evolución de los sistemas de NVIDIA. Las primeras previsiones para Rubin Ultra y su arquitectura de racks Kyber contemplaban consumos de hasta 600 kW por rack, frente a los aproximadamente 120 kW asociados a configuraciones Blackwell NVL72. Se trata de referencias de distintas generaciones y diseños, sujetas además a posibles revisiones comerciales.
Frente a estas necesidades, Gelsinger plantea aumentar la cantidad de tokens de IA procesados por unidad de energía, de modo que un sistema pueda realizar mucho más trabajo sin incrementar proporcionalmente su consumo. Su ejemplo de obtener el equivalente a diez veces más producción de tokens con un gigavatio describe una mejora hipotética de eficiencia, no la generación física de energía adicional.
xLight, Alva Energy y nuevas memorias forman parte de sus apuestas
Desde su incorporación a Playground Global como socio general en marzo de 2025, Gelsinger participa en inversiones dirigidas precisamente a superar estos obstáculos. Uno de los proyectos más relevantes es xLight, una empresa que desarrolla fuentes de luz mediante láseres de electrones libres para la fabricación avanzada de semiconductores.
La propuesta busca mejorar la potencia y eficiencia de las fuentes utilizadas en litografía ultravioleta extrema (EUV), actualmente basadas en luz de 13,5 nm de longitud de onda. A más largo plazo, Gelsinger considera posible avanzar hacia longitudes de onda inferiores, aunque xLight pretende inicialmente complementar y mejorar las capacidades de los equipos existentes, incluidos los de ASML.
La compañía cuenta con apoyo del Gobierno estadounidense para desarrollar un prototipo de esta tecnología. Otra de las inversiones vinculadas a Gelsinger es Alva Energy, centrada en ampliar el aprovechamiento de las infraestructuras nucleares existentes.
La memoria también ocupa un lugar destacado en su estrategia. El antiguo CEO de Intel ha criticado anteriormente las limitaciones de HBM en densidad, temperatura y ancho de banda disponible por unidad de espacio, aunque reconoce que continúa siendo una de las mejores soluciones comerciales para los aceleradores actuales.
Entre las alternativas que respalda figura Z2RAM, desarrollada por Nagare Labs, una tecnología de memoria experimental que pretende combinar una elevada velocidad de acceso con mayor densidad. Como explicamos anteriormente en Fanáticos del Hardware, su primera generación promete quintuplicar la densidad de SRAM convencional, aunque todavía debe demostrar su viabilidad comercial.
La visión de Gelsinger apunta a una transformación de toda la arquitectura informática, desde la fabricación de chips hasta las memorias, la refrigeración y las redes de comunicación. No existe una hoja de ruta verificada que garantice una mejora de 10.000 veces, pero su planteamiento refleja que el futuro de la inteligencia artificial dependerá tanto de la eficiencia energética como de la potencia de cálculo, y no únicamente de fabricar procesadores más rápidos.
Vía: Wccftech












