La lógica industrial detrás del "pastel de cinco capas" de Jensen Huang y las oportunidades de China

Recientemente, el CEO de NVIDIA, Huang Renxun, propuso un modelo industrial muy inspirador: las “Cinco capas del pastel de la IA”. Para este líder de la industria tecnológica más influyente del mundo hoy en día, la inteligencia artificial no es una simple iteración de software, sino un sistema complejo altamente acoplado de abajo hacia arriba. Estas cinco capas son: energía, chips, infraestructura, modelos de IA y aplicaciones.

Mientras la atención del público y del mercado de capitales se centra en productos de capa de aplicación deslumbrantes como ChatGPT y “Lobster” (OpenClaw), la teoría de las “Cinco capas del pastel” de Huang actúa como un estimulante. No solo traza una vista panorámica de la cadena industrial en la era de la IA generativa, sino que también revela una dura realidad a menudo ignorada: la competencia en IA no se trata solo de código, sino de una feroz lucha por los recursos atómicos del mundo físico.

1. Capa de energía: el “nuevo petróleo” de la era de la IA y el cuello de botella final

En la capa más baja del “Pastel de Huang”, no está la data, sino la energía—más precisamente, la electricidad. En los últimos 20 años, la prosperidad de Internet se basó en la hipótesis de que el costo marginal de los bits (Bit) se acercaba a cero. Sin embargo, los grandes modelos rompen ese mito. Desde el entrenamiento hasta la inferencia, cada respiración de la IA generativa consume una enorme cantidad de electricidad.

Huang coloca la energía en la primera capa, tocando el punto más oculto de la industria actual de IA. De hecho, no solo NVIDIA, sino también líderes de Silicon Valley como Sam Altman y Elon Musk, han percibido con agudeza que el límite del poder computacional es la electricidad. Si la generación de tecnología de la pasada era monopolizar el flujo de datos para construir una muralla, la próxima generación de gigantes de IA dependerá de la capacidad de la red eléctrica y de la energía limpia.

Esto también explica por qué en los últimos tiempos muchos capitales de Silicon Valley están invirtiendo en proyectos de energía de vanguardia como la fusión nuclear, la geotermia y la solar. En el “Pastel de cinco capas”, la escasez en la capa inferior de energía determinará directamente los límites de expansión de las capas superiores. Sin suficiente energía estable y de bajo costo, incluso los sueños más grandiosos de IA serán solo castillos en el aire.

2. Capa de chips: el “corazón de silicio” del dominio del poder computacional

Sobre la energía se encuentra la segunda capa: los chips. Este es el territorio absoluto de NVIDIA y también el corazón de toda la industria de IA. En un momento en que la Ley de Moore se desacelera, la “Ley de Huang” (Huang’s Law) está tomando el relevo en el ritmo del crecimiento del poder computacional. Desde A100 y H100 hasta la arquitectura Blackwell más reciente, los chips de IA ya no son solo montones de silicio, sino ingenierías superavanzadas que integran empaquetado de vanguardia y memoria de alta banda ancha.

En esta capa, la lógica industrial ha cambiado radicalmente. La barrera de entrada en el mercado de chips de IA ya no es solo el diseño hardware, sino la protección de la cadena de valor mediante el ecosistema CUDA. Esta ventaja de monopolio de software y hardware hace que el poder computacional en la base sea la parte más valiosa de la cadena de IA. La rápida expansión del valor de NVIDIA refleja claramente esta posición de “cosechador”. Sin embargo, este dominio concentrado también impulsa a otros gigantes tecnológicos como Google con TPU, Microsoft con Maia y Meta con MTIA a acelerar su desarrollo de chips propios, intentando abrir una brecha en la segunda capa del “pastel”.

3. Capa de infraestructura: la “arteria invisible” subestimada

La tercera capa es la infraestructura, que incluye centros de datos, redes de computación, sistemas de refrigeración avanzados y la red eléctrica complementaria. Es la capa de activos más pesados en el “Pastel de cinco capas” y también la que actualmente presenta oportunidades comerciales más subestimadas. El entrenamiento de grandes modelos de IA requiere miles de GPU trabajando en sincronía con latencias mínimas, lo que no solo pone a prueba los chips, sino también la topología de la red y la capacidad de intercambio de datos. Además, el calor generado por la alta densidad de computación está forzando a los centros de datos a transformarse desde la refrigeración por aire hacia la refrigeración líquida y tecnologías de enfriamiento por cambio de fase.

En esta capa, vemos una profunda integración entre la industria tecnológica y la manufactura tradicional. Proveedores de líquidos de refrigeración, fabricantes de módulos ópticos y ensambladores de racks de servidores, que antes estaban en los márgenes de la narrativa tecnológica, están experimentando una reevaluación histórica de su valor. La prosperidad de la IA está reconfigurando de manera sin precedentes la infraestructura pesada global, en una “reconstrucción de la franja de óxido” que, aunque invisible, consume billones en inversión.

4. Capa de modelos de IA: la arena de la igualdad intelectual y la reestructuración organizacional

Al llegar a la cuarta capa, entramos en el campo del conocimiento que todos conocen: la capa de modelos de IA. Aquí compiten OpenAI, Google, Meta y muchas startups de grandes modelos. Es importante notar que el modelo de negocio y la organización en esta capa están experimentando cambios radicales. Por un lado, los “cerrados” intentan construir AGI (Inteligencia Artificial General) mediante barreras de poder computacional y un ciclo de datos elevado; por otro, los “de código abierto” buscan democratizar la tecnología para romper el monopolio.

En este proceso, la estructura organizacional en Silicon Valley también está en profunda transformación. Los mejores investigadores y científicos de IA están rompiendo con la tradición de depender de grandes laboratorios corporativos, iniciando una nueva ola de emprendimientos independientes. Algunos son adquiridos por gigantes a precios elevados, otros se reorganizan en nuevas alianzas de I+D en IA. La competencia en la capa de modelos es, en esencia, una lucha por el talento intelectual de élite y su reorganización. Sin embargo, desde la perspectiva del negocio, la capa de modelos básicos enfrenta el riesgo de “internalización”: cuando los costos de entrenamiento crecen exponencialmente, la sostenibilidad del ciclo comercial en esta capa sigue siendo un problema sin resolver.

5. Capa de aplicaciones: el ancla final del valor de la IA

En la cima del “Pastel de cinco capas” está la capa de aplicaciones, que conecta directamente con el mundo físico y los usuarios finales. Huang resaltó especialmente la robótica y la conducción autónoma. La segunda mitad de la era de la IA generativa inevitablemente avanzará desde la generación virtual de texto e imágenes hacia la interacción con el mundo físico mediante inteligencia embodied y decisiones en sistemas complejos (como conducción autónoma y control industrial). La capa de aplicaciones es clave para que esta fiebre de la IA pase de ser una burbuja de capital a una industria real.

Por eso, conceptos como “langosta” (OpenClaw) y otros agentes inteligentes están siendo tan populares. Los chatbots puramente conversacionales no sostendrán una economía de trillones; solo cuando la IA pueda entender el entorno, usar herramientas y ejecutar tareas de forma autónoma, incluso integrarse en robots humanoides y penetrar en sectores como manufactura, servicios, salud y transporte, los costos hundidos en las capas anteriores podrán realmente traducirse en valor.

6. El efecto “barril” en la cadena industrial y las enseñanzas para China

El modelo de las “Cinco capas” de Huang nos proporciona un marco para analizar la industria de IA. La mayor lección es la fuerte acoplamiento y el efecto “barril” en la cadena industrial. En estas cinco capas, cualquier deficiencia en una limita el potencial de toda la industria. Para las empresas chinas, que están en un momento clave en la competencia global de IA, esto representa tanto un desafío severo como una oportunidad estructural.

Desde el lado del desafío, las empresas chinas enfrentan una “restricción en las capas medias”. En la segunda capa (chips) y en algunas de la tercera (infraestructura de red avanzada), debido a restricciones de exportación por motivos geopolíticos y barreras físicas en procesos avanzados, las empresas chinas enfrentan una brecha objetiva en poder computacional. Este alto costo en la base eleva la barrera en la cuarta capa (entrenamiento de modelos), dificultando la carrera por modelos de gran escala y aumentando los costos y riesgos.

Desde la oportunidad, China tiene ventajas relativas en ambos extremos del “pastel”.

En energía, China domina en energías renovables como fotovoltaica, eólica, transmisión de ultra alta tensión y almacenamiento de energía. Sin embargo, tener gran cantidad de energía no garantiza que las empresas de IA puedan acceder inmediatamente a electricidad barata, estable y verde, ya que los mecanismos del mercado eléctrico, la planificación interregional y la eficiencia en la absorción de energía aún limitan esta ventaja.

En modelos, en los últimos años, los modelos de código abierto chinos han avanzado rápidamente en inferencia de bajo costo, ajuste fino sectorial y adaptación a escenarios verticales. La mención de DeepSeek por Huang indica que las empresas chinas de modelos ya están en la mira de la competencia global avanzada.

En aplicaciones, China es el único país que posee todas las categorías industriales según la clasificación de la ONU, con amplios escenarios de prueba y fuerte capacidad de implementación en robótica, conducción autónoma y manufactura inteligente.

Frente a esta situación, las empresas y responsables políticos chinos pueden adoptar estrategias de “cooperación entre capas y competencia asimétrica”:

Primero, construir ventajas en la base con “energía verde + poder computacional”. Profundizar en estrategias macro como “Energía del Este a Oeste” para trasladar infraestructura pesada a regiones del centro y oeste con abundancia de energía limpia. A través de innovación institucional, facilitar a las empresas de IA el acceso directo a energía verde de bajo costo, usando la ventaja energética para compensar los costos de hardware en la segunda capa.

Segundo, profundizar en la circulación de datos y en el ecosistema de modelos verticales. Mientras se mantiene el seguimiento en la carrera de modelos generales, se debe enfocar en modelos verticales específicos. Agilizar la clarificación de derechos de datos, mecanismos de fijación de precios y oferta-demanda, activando activos de datos inactivos. Utilizar datos propietarios con altas barreras para entrenar modelos que realmente resuelvan problemas en finanzas, salud, manufactura y otros sectores verticales.

Tercero, usar las ganancias de las aplicaciones para financiar la investigación en chips. Aprovechar la gran escala del mercado interno y las “superfábricas” para acelerar la comercialización de productos como inteligencia embodied y conducción autónoma. Solo cuando las aplicaciones generen flujo de caja real, podrán sostener la sustitución doméstica de chips, módulos ópticos y sistemas de enfriamiento líquido, logrando finalmente una ruptura en toda la cadena industrial desde abajo hacia arriba.

（Autor: Wang Xiang, investigador en el Laboratorio de Gobernanza Digital y Móvil de Fudan University）