La inteligencia artificial (IA) se está convirtiendo en una infraestructura crítica para la economía mundial, comparable a la electricidad o Internet. De aquí a 2030, la mayoría de las tareas cognitivas, industriales y administrativas se verán aumentadas o automatizadas por la IA, lo que tendrá un profundo impacto en la productividad y la competitividad económica. Sin una inversión masiva y coordinada en sus infraestructuras, Europa corre el riesgo de convertirse en tecnológicamente dependiente de Estados Unidos y China, lo que amenazaría su modelo democrático, su soberanía y su competitividad. De aquí a 2030, la libertad económica y tecnológica tendrá un precio: el precio de las GPU.
[Lea el informe completo en la página web del Groupe d’études géopolitiques en francés e inglés]
Las infraestructuras de IA, base fundamental del futuro de Europa
- Está en marcha una transformación económica: de aquí a 2030-2035, la IA y los modelos lingüísticos (LLM) serán omnipresentes en todos los sectores (industria, servicios, sanidad, finanzas, educación). El acceso a la potencia de cálculo será un factor de producción tan esencial como lo fue el carbón en el siglo XIX.
- Un estancamiento económico preocupante: desde 2000, la productividad europea crece a la mitad del ritmo de la estadounidense. Sin infraestructuras propias, Europa no se beneficiará de los enormes aumentos de productividad que traerá consigo la IA.
- Un riesgo de dependencia estratégica: actualmente, el 70% de la capacidad informática mundial para la IA está en manos de Estados Unidos, el 80% de ella en manos de hiperescaladores estadounidenses. Europa representa sólo el 4% de la capacidad mundial, y sufre unos costes energéticos industriales entre 1,5 y 3 veces superiores a los de Estados Unidos.
Escalabilidad de los modelos de IA: implicaciones para el hardware y la energía
- Esquemáticamente, hay dos fases principales en el desarrollo de modelos de IA: el entrenamiento (la fase de aprendizaje a partir de los datos) y la inferencia (el uso del modelo para generar respuestas y realizar tareas).
- A capacidad constante, el coste de entrenamiento de un modelo de IA disminuye con el tiempo (casi 4 veces al año) gracias a las mejoras en el rendimiento del hardware (mejora de la capacidad de cálculo por dólar) y la eficiencia algorítmica (reducción del número de operaciones necesarias para entrenar el modelo). Gracias a la introducción de innovaciones en la arquitectura de los modelos, los métodos de entrenamiento y la optimización de la velocidad de interconexión entre GPUs, entre otras cosas, DeepSeek ha podido lograr estos aumentos de eficiencia.
- Los costes de entrenamiento de los modelos se multiplican por 2,4 cada año. Las empresas que desarrollan IA en la frontera tecnológica no van a empezar a gastar menos en el entrenamiento de sus modelos. Por ejemplo, el CapEx de los GAFAs para el gasto en centros de datos y potencia de cálculo superó los 100.000 millones en 2024, con un aumento de más del 35% respecto al año anterior.
Tamaño y coste de las infraestructuras de IA en Europa y Francia
- Europa representa actualmente sólo el 4% de la potencia informática mundial desplegada para la IA.
- Para Francia, un objetivo mínimo sería asegurar en su territorio una capacidad de computación dedicada a la IA equivalente al 10% de la de Estados Unidos, reflejando su peso relativo en el PIB estadounidense, es decir, unos 5-6 GW de aquí a 2028.
- Si Francia se fijara el objetivo de representar el 16% —en proporción a su peso en la economía mundial— de la potencia informática mundial dedicada a la IA de aquí a 2030, tendría que aumentar su capacidad energética dedicada a la IA hasta 20 GW.
- Esto situaría el objetivo francés en 250.000-300.000 millones de euros de inversión (más del doble de los 109.000 millones de euros anunciados por el presidente Emmanuel Macron el 9 de febrero) y el objetivo europeo en 600.000-850.000 millones de euros.
Financiación de las infraestructuras de IA
- En el contexto de una serie de restricciones presupuestarias a nivel nacional, es necesario un doble enfoque: activar la capacidad de endeudamiento colectivo de la Unión reasignando los fondos NextGenEU no utilizados y emitir nuevos bonos paneuropeos para financiar las infraestructuras de IA y energía.
- Por el lado de la inversión privada, modular las primas de riesgo reglamentarias asociadas al sector de la IA y la financiación de infraestructuras para aseguradoras y bancos permitiría movilizar más recursos financieros.
- Podría estudiarse la creación de «fondos IA» dedicados, accesibles a los ahorradores europeos sin límite de importe y elegibles para productos de inversión exentos de impuestos (similares al PEA en Francia).
- Desde el punto de vista de las empresas, la generalización y armonización al alza de los créditos fiscales a la innovación y la investigación en toda la Unión Europea garantizaría la continuidad fiscal en el tratamiento de las inversiones en clusters entre los países de la zona.
Necesidad de simplificación normativa
- Un marco legislativo inadaptado: hoy se tarda al menos cinco años en instalar un centro de datos en Francia debido a la burocracia y los retrasos en las conexiones eléctricas.
- Hay que acelerar la simplificación:
- El proyecto de ley para simplificar la vida económica prevé que los centros de datos a escala industrial se clasifiquen como proyectos de gran interés nacional, acelerando así ciertos procedimientos. El proyecto de ley se presentó al Parlamento en abril de 2024, pero aún no ha sido votado por ambas cámaras.
- Al otro lado del Canal de la Mancha, las «zonas de crecimiento de la IA» del Reino Unido pretenden reducir los obstáculos reglamentarios a la construcción de centros de datos.
- En Francia, la energía nuclear descarbonizada sólo puede convertirse en una baza para el crecimiento de la IA si se prioriza su acceso y se controla el coste de su conexión.
