El 100.000 chips H100 de NVIDIA funcionando a pleno rendimiento. Es una cifra que suena a ciencia ficción, pero es real. Elon Musk, ese hombre que prometió una ciudad en Marte y todavía no ha cambiado de opinión, está usando esa masa de poder computacional en Colossus Memphis, un centro de datos tan grande como un campo de fútbol, para entrenar a Grok, su modelo de inteligencia artificial. Esta cantidad de chips equivale a más de la mitad de los fabricados en todo 2023. Es como si alguien comprara la mitad de los aviones producidos en un año solo para hacer una línea aérea privada.
El fracaso que no fue un fracaso
Tesla invirtió mil millones de dólares y más de cinco años en Dojo, un superordenador ideado desde cero para entrenar el sistema de conducción autónoma FSD. Era una apuesta arriesgada: en lugar de usar hardware estandarizado, Tesla diseñó su propio chip, el D1, y construyó una arquitectura paralela extremadamente especializada. El objetivo era independizarse de NVIDIA y tener ventaja en eficiencia. Pero en agosto del año pasado, el proyecto se detuvo. No por falta de visión, sino por problemas humanos y técnicos. La fuga de ingenieros clave y los costes exorbitantes de mantener una máquina tan personalizada hicieron tambalear el sueño.
Podría haber sido el final. Pero en el mundo de Musk, los finales son a menudo reinicios disfrazados. El proyecto Dojo no murió. Renació.
Dojo 3: la nueva apuesta modular
El nuevo Dojo, ahora llamado Dojo 3, abandona el enfoque ultraespecializado. En lugar de depender de chips D1 únicos, apuesta por una arquitectura modular. La idea es colocar varios chips AI en una misma placa, reduciendo el cableado, el espacio físico y el consumo energético. Es como pasar de construir un edificio con piezas únicas hechas a mano a usar bloques prefabricados estandarizados. Más rápido, más barato, más escalable.
El cambio de estrategia es profundo. Ya no se trata de tener el chip más rápido del mundo, sino de tener una cadena de chips que evolucionen de forma continua y que sirvan tanto para entrenar modelos como para ejecutarlos en los coches —una capacidad llamada inferencia— lo que multiplica su utilidad. Los nuevos chips, bautizados AI5, AI6 y AI7, no son tan específicos como el D1, pero son más versátiles.
El AI5, desarrollado junto a TSMC, está casi terminado, según el propio Musk. El AI6 apenas comienza su desarrollo. Tesla ha previsto lanzar una nueva versión cada nueve meses, una cadencia casi militar de innovación que se extiende hasta 2027. Es un plan a largo plazo, pero con hitos muy concretos. Y hay un dato que no pasa desapercibido: el AI6 ya no se fabricará con TSMC. El contrato, por 16.500 millones de dólares, se lo ha llevado Samsung. Es un giro geopolítico en la cadena de suministro global de chips, un recordatorio de que la guerra por el silicio no es solo técnica, sino también económica y estratégica.
La energía detrás del cerebro artificial
Todo este poder tiene un precio. No solo económico, sino energético. Colossus Memphis consume más electricidad que toda la ciudad de San Francisco en hora punta. Imagina. Miles de hogares sin luz, y todo para alimentar una máquina que aprende a hablar, razonar, predecir. Esa cifra no es solo un dato técnico. Es un espejo de los tiempos. La inteligencia artificial no avanza solo con algoritmos. Avanza con megavatios. Y mientras celebramos cada salto tecnológico, también deberíamos preguntarnos quién paga la factura eléctrica, y qué consecuencias tiene en el planeta.
Robotaxis sin volante: el futuro que viene
El objetivo final no es solo tener un asistente de IA más listo. Es más ambicioso. En 2026, Tesla planea lanzar los Cybercab, vehículos robotaxi sin pedales ni volante. Coches que nacen para ser autónomos. Para eso sirve Dojo 3. Para entrenar redes neuronales capaces de entender el tráfico, las señales, los peatones, el caos cotidiano de la calle. Y para hacerlo, necesita chips eficientes, escalables, producidos en serie.
El fracaso del Dojo original no fue un error. Fue una lección. A veces, el progreso no viene de hacer algo perfecto desde el principio, sino de adaptarse. De reconocer que el camino más directo no siempre es el más rápido. Y que, en la carrera por la inteligencia artificial, no gana solo quien tiene más dinero, sino quien sabe cambiar de dirección sin perder velocidad.