El CEO de NVIDIA, Jensen Huang, declaró el 30 de agosto de 2026 que la IA no es solo una revolución digital, sino el inicio de la reindustrialización de Estados Unidos. Después de décadas de deslocalización, la IA está creando nuevos incentivos económicos para devolver la manufactura y las cadenas de suministro estratégicas al país. Esto está respaldado por una inversión de US$400 mil millones en startups de IA durante los últimos seis meses, una cifra que refleja la gran confianza del capital en la IA como la infraestructura económica de la próxima generación, no como un indicio de beneficios ya materializados.

El cambio fundamental es la transformación de la IA, que pasa de ser un producto de software a convertirse en un gigantesco proyecto industrial. A diferencia de la era anterior, la IA requiere elementos físicos que no son fáciles de trasladar: chips semiconductores, un suministro masivo de electricidad, terrenos para centros de datos, redes de internet y trabajadores cualificados en ingeniería y construcción. NVIDIA ya ha construido una red de manufactura y proveedores en 43 estados de EE. UU., que abarca semiconductores, placas de circuitos, sistemas ensamblados e infraestructura de IA, dando lugar a un nuevo ecosistema industrial.

Un aspecto crucial que a menudo se pasa por alto es la dependencia de la IA de la electricidad a escala industrial. Detrás de una sola pregunta a un chatbot existe una larga cadena de demanda: GPU → servidor → centro de datos → electricidad → refrigeración → red → chip → memoria → sistema eléctrico. Huang destaca que el auge de la IA está impulsando grandes inversiones en la envejecida red eléctrica estadounidense y en el desarrollo de nuevas fuentes de energía. Esta cadena crea efectos multiplicadores: la IA impulsa los centros de datos, los centros de datos impulsan la electricidad, y la electricidad impulsa las centrales eléctricas, turbinas, transformadores, cables, fábricas y, en última instancia, los empleos en construcción y manufactura.

La cifra de US$400 mil millones debe interpretarse con cautela; se trata de una apuesta de capital riesgo, no de beneficios. Los fondos están empezando a dirigirse no solo a los desarrolladores de modelos de IA, sino también a la IA de *coding*, los agentes de IA, la robótica, la *physical AI*, la ciberseguridad, los semiconductores y la energía. La startup Lovable anunció una financiación de US$400 millones con una valoración de US$13,3 mil millones, mientras que Zhipu AI, en China, informó de un aumento de los ingresos del 400%, hasta 953,9 millones de yuanes, lo que indica que la competencia está pasando a darse entre empresas, países y ecosistemas.

La propia NVIDIA se está transformando en una empresa de infraestructura de IA. En el segundo trimestre fiscal de 2027, los ingresos alcanzaron los US$96,2 mil millones (un aumento del 18% QoQ), con el segmento de Centros de Datos en torno a los US$89 mil millones (un salto del 117% YoY), y una proyección de US$108 mil millones para el trimestre siguiente. Huang afirmó que *"compute is revenue"*. NVIDIA trabaja con Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs y KKR para movilizar más de US$500 mil millones de capital de terceros destinados a la construcción de infraestructura de IA, lo que señala que la computación está siendo tratada como un activo de infraestructura.

Las pruebas concretas se observan en Texas y Arizona, que se han convertido en nuevos laboratorios. Arizona se centra en los chips y el empaquetado (con Amkor como socio), mientras que Texas se enfoca en supercomputadoras y sistemas de IA (instalaciones de Wistron en Fort Worth). SK Hynix anunció una instalación de US$4 mil millones en Indiana para producir HBM de próxima generación, con una producción prevista para 2029 y la creación de aproximadamente 7.000 empleos. Esto demuestra que la IA está atrayendo de nuevo las cadenas de suministro de semiconductores a EE. UU.

La siguiente etapa es la Physical AI, en la que la IA trabaja en el mundo real mediante robots, fábricas automatizadas, vehículos y gemelos digitales, transformando las fábricas en "máquinas pensantes" capaces de detectar averías, optimizar la electricidad y simular líneas de producción. Si tiene éxito, los costes de manufactura en EE. UU. podrían ser competitivos a pesar de los altos salarios.

Sin embargo, la cuestión del empleo no es sencilla. La construcción de centros de datos genera demanda de electricistas, soldadores, técnicos de HVAC y trabajadores de la construcción. Los sindicatos apoyan este desarrollo. No obstante, la automatización posterior a la puesta en funcionamiento puede reducir la mano de obra. Brookings advierte que los empleos en construcción son temporales y no necesariamente crean empleos tecnológicos de largo plazo en todas las regiones. La pregunta clave es qué tipos de empleos se crean y quién cuenta con las habilidades necesarias para ocuparlos.

La mayor ironía es que el principal obstáculo no son las GPU, sino la electricidad. EE. UU. cuenta con capital y talento, pero sin suficiente electricidad, las fábricas de IA no pueden operar. Huang advierte que las limitaciones energéticas constituyen el principal problema, por lo que la carrera de la IA se está convirtiendo en una carrera energética. Quien disponga de electricidad barata y estable tendrá ventaja.

Esto abre amplias oportunidades en semiconductores, HBM, redes, refrigeración, transformadores, generación eléctrica, redes eléctricas, construcción, robótica y ciberseguridad. Sin embargo, el Financial Times advierte sobre los riesgos de financiación: si la monetización es lenta, el elevado capex provocará una baja utilización, flujos de caja decepcionantes, un aumento de la deuda y una reevaluación de las valoraciones. Los US$400 mil millones no son beneficios, sino capital que está apostando por el futuro de la IA.

En los próximos 5-10 años, existen tres escenarios. Escenario alcista: la IA aumenta la productividad, se produce una adopción masiva de robots, disminuyen los costes de cómputo, la manufactura se vuelve competitiva y la IA se convierte en el mayor motor económico. Escenario moderado: la IA se desarrolla rápidamente, pero la productividad no crece al ritmo esperado; se produce una consolidación y los inversores distinguen entre la IA que genera dinero y la que quema capital. Escenario bajista: existe un exceso de capex, la eficiencia de la IA reduce la necesidad de cómputo, la monetización fracasa, los costes energéticos aumentan y se produce una corrección de la burbuja, aunque la infraestructura sigue siendo un activo.

En conclusión, Huang está hablando de una revolución mayor que ChatGPT. Los US$400 mil millones muestran la magnitud del capital, pero lo más importante es el efecto posterior a la entrada del dinero: el capital necesita chips, los chips necesitan fábricas, las fábricas necesitan electricidad, la electricidad necesita redes y centrales eléctricas, y todo ello requiere trabajadores y construcción. La IA no devuelve la antigua era de la manufactura, sino que crea una nueva era manufacturera controlada por el software, los robots y el cómputo. EE. UU. no necesita recuperar las antiguas fábricas; basta con construir las fábricas de próxima generación diseñadas para el mundo de la IA. Si la tesis de Huang es correcta, la verdadera batalla consiste en quién controla la infraestructura física. La IA no vive en la nube; necesita electricidad, chips, edificios, redes, máquinas y personas. La revolución digital se está transformando lentamente en la próxima revolución industrial.

#AIStartupsRaise400BInSixMonths $NVDA