De acuerdo con el más reciente Worldwide Quarterly Artificial Intelligence Infrastructure Tracker de IDC, el mercado global de infraestructura para inteligencia artificial alcanzará los 758.000 millones de dólares en gasto para 2029.
La combinación entre el modelo y los chips Ascend apunta a un objetivo cada vez más relevante para la industria: maximizar rendimiento sin incrementar proporcionalmente el consumo de recursos.
La expansión de la inteligencia artificial abrió una nueva disputa en la industria tecnológica global. Después de años centrados en construir modelos cada vez más grandes y potentes, la conversación empieza a desplazarse hacia un desafío diferente: cómo sostener el crecimiento de la IA sin disparar los costos de infraestructura y consumo computacional.
La urgencia es evidente. De acuerdo con el más reciente Worldwide Quarterly Artificial Intelligence Infrastructure Tracker de IDC, el mercado global de infraestructura para inteligencia artificial alcanzará los 758.000 millones de dólares en gasto para 2029. Solo en el segundo trimestre de 2025, las organizaciones incrementaron en un 166% interanual la inversión en hardware de computación y almacenamiento para despliegues de IA, hasta llegar a los 82.000 millones de dólares.
En este escenario, Huawei presentó una visión enfocada en eficiencia y optimización, apoyada en la integración entre hardware especializado y modelos de IA capaces de reducir significativamente el uso de recursos computacionales. La llegada de DeepSeek-V4 y su integración con la arquitectura Ascend se perfila como una de las apuestas que buscan responder a esta nueva etapa del mercado.
“La llegada de DeepSeek-V4 representa un hito en la optimización de algoritmos, ya que permite que la infraestructura de Huawei despliegue todo su potencial en el procesamiento de datos complejos”, afirmó Pedro Romero, Oficial de Ciberseguridad en Huawei. “Esto abre la posibilidad de que más empresas accedan a herramientas avanzadas de inteligencia artificial con menores barreras de infraestructura y una operación más eficiente”.
La combinación entre el modelo y los chips Ascend apunta a un objetivo cada vez más relevante para la industria: maximizar rendimiento sin incrementar proporcionalmente el consumo de recursos. Diseñados para cargas de trabajo segmentadas y procesamiento intensivo, estos chips han sido señalados por analistas del sector como una muestra de la creciente madurez del ecosistema tecnológico chino en inteligencia artificial.
Más allá del desempeño técnico, el debate actual se concentra en la sostenibilidad económica del crecimiento de la IA. Los modelos de nueva generación exigen capacidades masivas de cómputo y almacenamiento, lo que presiona a las organizaciones a buscar arquitecturas más eficientes. Según reportes técnicos citados por la compañía, la combinación entre software optimizado y hardware especializado puede reducir hasta diez veces los costos asociados al entrenamiento de modelos frente a métodos tradicionales.
“Nuestra prioridad es que el desarrollo de la inteligencia artificial sea sostenible y escalable mediante el uso de componentes que entiendan la lógica de los nuevos modelos”, agregó Romero. “La evolución tecnológica ya no depende únicamente de más potencia, sino de infraestructuras capaces de usarla de manera inteligente”.
Es un tema en el que Huawei ve un enorme potencial. En concreto, sus investigadores buscan reducir el tiempo de transmisión de la señal eléctrica dentro del chip, disminuyendo así la latencia y mejorando el rendimiento del procesamiento. Ese enfoque, conocido como Ley de Tau, se aparta de la simple minimización de la geometría, que rige la Ley de Moore.
En los últimos seis años, Huawei ha fabricado con éxito 381 chips utilizando este método. El primer producto comercial que utilizará esta tecnología de plegado lógico será el chip móvil Kirin 2026, cuyo lanzamiento está previsto para este año.
La discusión sobre el futuro de la IA comienza así a cambiar de eje. La próxima generación de liderazgo tecnológico no estará definida exclusivamente por quién construya el modelo más grande, sino por quién logre hacerlo viable a escala. En un mercado que se encamina a inversiones históricas, la eficiencia del cómputo podría convertirse en el nuevo indicador estratégico de competitividad.
Este enfoque redefine el papel de la infraestructura: deja de ser un soporte invisible y se convierte en uno de los principales factores para determinar cómo, dónde y a qué velocidad avanzará la adopción global de la inteligencia artificial.