Cada tanto, un socio me reenvía un titular de tecnología y me pregunta si eso cambia algo para su despacho. Hace poco fue la foto de un chip del tamaño de un plato, con la promesa de que mueve la IA más rápida del mundo. La pregunta honesta detrás era: ¿esto es algo que tengo que comprar? La respuesta corta es no. La larga es más interesante, porque esa pieza de silicio retrata un problema que sí te toca.
Te cuento qué es, por qué la industria apuesta por ella y qué decisión tuya se esconde detrás del titular. Porque el chip no lo vas a elegir. Dónde corren tus datos, eso sí.
Qué es un chip de oblea completa
Los procesadores se fabrican sobre obleas de silicio, discos de unos treinta centímetros. Lo normal es grabar en esa oblea cientos de chips pequeños y después cortarla, como una plancha de galletas que se separa una por una. Cada cuadrito cortado es un procesador (una GPU, por ejemplo) que luego se conecta a otros por cable para trabajar en equipo.
Un chip de oblea completa hace lo contrario: en lugar de cortar la oblea, la deja entera y la trata como un solo procesador gigante. El ejemplo real y comercial es el WSE-3 de una empresa llamada Cerebras, una sola pieza de 46,225 milímetros cuadrados de silicio, con unos 4 billones de transistores y 900,000 núcleos de cómputo, fabricada por TSMC en 5 nanómetros. Un análisis técnico independiente lo describe como unas 56 veces más grande que una NVIDIA H100, el tamaño normal de una GPU de gama alta. Es, literalmente, la oblea sin cortar.
Por qué eso importa para la IA
La ventaja no es solo tamaño para presumir. Cuando cortas la oblea en muchos chips, esos chips tienen que hablar entre sí por cables externos, y ahí se pierde tiempo y energía. Un modelo de IA grande se reparte entre docenas de tarjetas que se pasan datos de ida y vuelta miles de veces por segundo, y ese tráfico es uno de los cuellos de botella reales de la IA moderna.
Al dejar la oblea entera, casi toda esa conversación ocurre dentro del mismo silicio, mucho más rápido que cualquier cable. El WSE-3 además trae 44 GB de memoria muy veloz pegada a los núcleos, en vez de depender solo de memoria externa como las GPUs. Cuando el modelo cabe en esa memoria interna, las respuestas salen muy rápido, incluso para un solo usuario. En inferencia (cuando el modelo ya entrenado responde preguntas) esa arquitectura supera con holgura a un servidor de GPUs equivalente, aunque las comparaciones directas siempre traen asteriscos de configuración.
El costo de no cortar la oblea
Nada de esto es gratis. La regla vieja de la industria dice que mientras más grande es un chip, peor sale la fabricación, porque cualquier defecto microscópico en la oblea arruina la pieza, y una oblea entera acumularía demasiados defectos para servir. Durante décadas eso hizo que la oblea completa se considerara imposible.
La forma de esquivarlo fue diseñar núcleos diminutos, de unos 0.05 milímetros cuadrados cada uno, y un tejido de comunicación que rodea a los que salen defectuosos, como una ciudad que desvía el tráfico de una calle rota. Cerebras afirma que así aprovecha el 93 por ciento del silicio y logra rendimientos comparables a los de una GPU normal. Es su cifra, pero el principio es sólido: no evitas los defectos, los toleras.
Los otros costos son más terrenales. Un chip así consume y calienta muchísimo, así que vive en un chasis grande con enfriamiento líquido y bombas redundantes, nada parecido a una computadora de escritorio. Y como es una sola pieza enorme, no la puedes dividir para tareas chicas: o la usas a fondo o desperdicias una máquina carísima.
Quién lo usa de verdad
Para no caer en el bombo, conviene separar lo comprobado de lo prometido. Hay clientes reales y documentados. G42, un grupo tecnológico de Abu Dabi, construyó con estos chips un supercomputador llamado Condor Galaxy 3. Mistral, la empresa europea de modelos abiertos, los usa para las respuestas casi instantáneas de su chat. Perplexity los usa para su buscador Sonar, montado sobre un modelo de 70 mil millones de parámetros.
Sobre OpenAI, la empresa de ChatGPT, conviene ser preciso. Se ha reportado, en un comunicado de la propia Cerebras y en una nota de Bloomberg de febrero de 2026, que OpenAI firmó un acuerdo para desplegar 750 megawatts de estos sistemas de oblea completa y que lanzó su primer modelo corriendo sobre ellos, uno pensado para programar rápido. Lo digo con cautela a propósito: parte de la fuente es la empresa interesada. Y no hay que confundirlo con otro acuerdo distinto, el de OpenAI con Broadcom para diseñar sus propios aceleradores a la medida (10 gigawatts), que no son de oblea completa. Son apuestas separadas: nadie reemplaza a nadie, están diversificando.
Lo que esto significa para tu despacho
Aquí es donde el titular aterriza en tu realidad. Esta es la infraestructura sobre la que corren los servicios de IA que ya usas, y explica cosas muy concretas: por qué algunos servicios responden más rápido que otros, por qué la capacidad de cómputo se volvió el recurso más disputado de la industria, y por qué los proveedores firman acuerdos que se miden en cientos de megawatts. Cuando un servicio te responde en un parpadeo, del otro lado hay decisiones de silicio como esta.
La nota para tu despacho es más sencilla y menos dramática: la industria entera está decidiendo dónde y cómo corre su cómputo, y esa misma pregunta existe a tu escala. Cuando usas IA, tus datos corren en algún lugar: un servicio público, una API privada con contrato de por medio, o un modelo abierto en tus propios servidores. No hace falta entender de silicio para tener claro ese mapa; basta con saber qué información es sensible y por dónde viaja. Ese criterio sí se construye, y es el mismo que trabajamos pieza por pieza en la capacitación.