Oscar García Retuerta, Analista de Inteligencia y David García Retuerta, Doctor en Ingeniería Informática han redactado un artículo en el Portal del CESEDEN, en la publicación del Instituto Español de Estudios Estratégicos sobre la cadena de suministros de la inteligencia artificial.
Introducción
El concepto de cadena de suministros de la inteligencia artificial describe el conjunto de capas interdependientes que hacen posible su funcionamiento, desde la extracción de recursos minerales hasta las aplicaciones finales. Esta estructura incluye seis niveles (materias primas, semiconductores, infraestructura de computación y energía, datos, capital humano y adopción tecnológica) que conforman un sistema integrado en el que cada etapa depende de la anterior, de modo que un bloqueo en cualquiera de ellas puede alterar toda la cadena de valor1. Para reforzar los eslabones más vulnerables, la Unión Europea ha desplegado un marco normativo e industrial de gran alcance. El European Chips Act prevé una inversión de 43.000 millones de euros con el propósito de duplicar la cuota europea de producción mundial de semiconductores hasta alcanzar el 20 % en 2030, fortaleciendo así la autonomía estratégica europea2.
En sintonía con esta iniciativa, España lanzó en 2022 el PERTE de Microelectrónica y Semiconductores, dotado con 12.250 millones de euros hasta 2027, orientado al desarrollo de capacidades industriales y formativas a lo largo de toda la cadena del chip3. Complementariamente, la Critical Raw Materials Act busca garantizar el suministro de minerales esenciales para la transición digital y verde mediante metas de producción, refinado y diversificación de proveedores, reduciendo la dependencia estructural de China, que domina más del 90 % del refinado de tierras raras4. Finalmente, la Estrategia Nacional de Inteligencia Artificial y la creación de la Agencia Española de Supervisión de la IA (AESIA) completan el marco institucional de gobernanza, talento y datos, consolidando una visión integral en la que la soberanía tecnológica y la resiliencia digital dependen de una cadena integrada que conecta el subsuelo con la nube, los materiales con el software y la innovación con la sociedad5.
Materias primas: la base mineral de la IA
Las tecnologías de inteligencia artificial suelen percibirse como un ámbito puramente digital, pero comienza en la geología. Los chips que conforman la infraestructura material de la IA dependen de un conjunto reducido de minerales críticos: silicio ultrapuro, galio, germanio, tierras raras, cobre, litio, cobalto y grafito. Sin ellos no puede existir la cadena tecnológica que sostiene la economía digital.
El caso de las tierras raras resume la magnitud del desafío. China produjo en 2024 alrededor de 270.000 toneladas de óxidos de tierras raras (casi siete de cada diez toneladas extraídas en el mundo) y mantiene un control aún mayor en las etapas de refinado y separación. En los últimos años, Pekín ha reforzado su política de control al establecer licencias sobre el galio, el germanio y productos de grafito, evidenciando cómo los minerales se han convertido en instrumentos de influencia geoeconómica6.
Esa concentración no es solo nacional sino también territorial: buena parte del suministro mundial procede de un único distrito, Bayan Obo, en Mongolia Interior. Este yacimiento de hierro, niobio y tierras raras ha financiado durante décadas la extracción de estos minerales como subproducto del hierro. Históricamente, hasta la mitad del suministro global provenía de este enclave, un caso paradigmático de “punto único de fallo”. Paradas técnicas, tensiones ambientales o restricciones locales pueden alterar de forma inmediata la cadena global, un riesgo que se replica en otras materias críticas7.
El patrón se repite en el caso del silicio de alta pureza, esencial para las obleas de silicio y crisoles utilizados en la microelectrónica. En 2024, el huracán Helene detuvo temporalmente la producción en Spruce Pine (Carolina del Norte), el principal proveedor mundial. Esto nos recuerda que la resiliencia del entramado tecnológico puede quebrarse por eventos naturales ajenos al sector8.
El valor económico de estas materias no refleja su verdadero peso estratégico. El mercado mundial de tierras raras es reducido (las exportaciones chinas alcanzaron en 2024 solo 489 millones de dólares9), pero su valor estratégico es desproporcionado, pues influye en cadenas industriales de alto valor añadido.
Ante esta fragilidad, Estados Unidos y la Unión Europea han adoptado estrategias convergentes para reducir la dependencia de China mediante la diversificación de proveedores, la creación de reservas estratégicas, el reciclaje y la búsqueda de materiales sustitutos. Sin embargo, el margen de maniobra es limitado: desarrollar una mina desde su descubrimiento hasta su producción comercial requiere más de 16 años, lo que dificulta corregir los desequilibrios a corto plazo.
España mantiene una alta dependencia exterior en el primer eslabón de la cadena de la inteligencia artificial, sin explotaciones activas de tierras raras ni producciones relevantes de galio o germanio. El marco estratégico nacional busca reducir esta vulnerabilidad mediante exploración doméstica, reaprovechamiento de residuos y desarrollo de procesado dentro de la UE 10 11. Proyectos como el de Matamulas, descartado por motivos ambientales, o los de Barruecopardo y Valtreixal, centrados en tungsteno y estaño-wolframio, junto con la refinería de San Cibrao, muestran tanto el potencial como las limitaciones de una política industrial aún incipiente12 13 14. En última instancia, la base mineral de la IA sigue siendo el cimiento invisible pero decisivo de toda la cadena tecnológica y un factor de poder geoeconómico que condicionará la autonomía y el ritmo de la revolución algorítmica.
Semiconductores: un dominio concentrado
La segunda capa de la cadena está formada por los semiconductores, los componentes que hacen posible el funcionamiento de los centros de datos. Constituyen, en la práctica, el “cerebro físico” de la IA. Desde 2023, la demanda de chips, en particular los aceleradores de IA como GPU, se ha disparado hasta provocar tensiones de oferta, retrasos de entrega y encarecimientos generalizados. Este fenómeno, centrado en productos de NVIDIA y sustentado por un virtual monopolio del software de computación con CUDA, ha revelado la extrema sensibilidad del ecosistema de IA 15 16.
La cadena del chip es una de las más complejas e interdependientes del sistema tecnológico global. En la fase de diseño, las herramientas de automatización electrónica (EDA) más avanzadas son dominadas por proveedores con sede en Estados Unidos y la Unión Europea, lo que ha permitido a Washington convertir esa posición en un instrumento de control exportador. Los principales diseñadores concentran el liderazgo en arquitecturas de aceleración de IA, consolidando la hegemonía del diseño en Silicon Valley y reforzando la dependencia de todo el ecosistema mundial respecto a las reglas norteamericanas.
Sin embargo, el eslabón más crítico se sitúa en la fabricación avanzada. La mayor parte de la producción por debajo de los 7 nanómetros (especialmente de 5 y 3 nm) se concentra en Taiwán (TSMC) y Corea del Sur (Samsung). Se estima que cerca del 90 % de la capacidad mundial se localiza en Taiwán. Una crisis geopolítica, un bloqueo comercial o incluso un desastre natural podría paralizar el suministro de chips de última generación y, con ello, ralentizar el progreso de la IA mundial17.
La producción depende, a su vez, de equipos y materiales ultraprecisos con mercados muy reducidos. La litografía ultravioleta extrema (EUV), indispensable para fabricar chips por debajo de 7 nm, es prácticamente monopolio de la neerlandesa ASML, sometida a regímenes de control que restringen exportaciones a China18.
El encapsulado y la prueba (última etapa del proceso) añaden otra dependencia geográfica. Empresas como ASE (Taiwán), Amkor (EE. UU.) y JCET (China) concentran la mayor parte de la capacidad de ensamblaje. Las técnicas más avanzadas de empaquetado se encuentran también ancladas en esa región, lo que implica que la mayoría de los chips occidentales viajan a Asia para completarse y retornan después integrados en productos finales19.
Las lecciones de la pandemia de 2020–2021 siguen marcando la estrategia industrial. El parón de fábricas, el auge del teletrabajo y el aumento de la demanda de electrónica de consumo provocaron una escasez sin precedentes. Sectores como el automovilístico perdieron hasta 9 millones de vehículos y más de 200.000 millones de dólares en ingresos, evidenciando que sin reservas estratégicas ni contratos a largo plazo, la prioridad de producción recae en los clientes con mayor poder de compra: las grandes tecnológicas20.
A raíz de estas tensiones, las políticas industriales se han reactivado. En Estados Unidos, la CHIPS and Science Act destina 52.700 millones de dólares para reindustrializar la producción de semiconductores, reanclar fábricas y atraer inversiones de TSMC, Samsung o Intel. En la Unión Europea, el European Chips Act (Reglamento 2023/1781) fija la meta de alcanzar el 20 % de la fabricación global en 2030 21.
España mantiene una posición rezagada en la cadena de valor de los semiconductores, sin fábricas de obleas a escala industrial y con una fuerte dependencia de importaciones para su industria tecnológica y de defensa. El PERTE Chip, con 12.250 millones de euros hasta 2027, busca revertir esta situación impulsando diseño, formación y encapsulado, aunque la cancelación de la planta de Broadcom en 2025 supuso un revés simbólico. Factores como el talento científico, la energía renovable competitiva y la buena logística ofrecen potencial, pero la falta de un “tractor” nacional y de capacidades intermedias limita su autonomía.
Investigación, algoritmos y talento: el capital intelectual
El quinto escalón, el del conocimiento y la capacidad de innovación, constituye el núcleo intelectual y científico de todo el ecosistema. Comprende la investigación en algoritmos, el desarrollo de modelos, la generación de propiedad intelectual (patentes y software) y, sobre todo, el capital humano especializado. Este nivel define qué actores crean la próxima generación tecnológica y con qué grado de autonomía. Su carácter intangible no lo hace menos estratégico: concentra poder estructural, ya que quien domina la innovación dicta los estándares y ritmos del progreso30.
Estados Unidos mantiene la primacía histórica en el desarrollo de la IA desde la conferencia de Dartmouth (1956). Instituciones como MIT, Stanford, Berkeley o Carnegie Mellon, junto con laboratorios empresariales (IBM, Google, OpenAI, Microsoft), han marcado el avance. China, sin embargo, ha escalado de forma vertiginosa: en 2020 ya superaba a EE. UU. en número de publicaciones científicas anuales sobre IA, aunque su impacto medido por citas seguía siendo inferior 31 32. Mientras que Europa conserva una base académica sólida, pero con menor capacidad de transferencia industrial. Persisten patrones de fuga de cerebros hacia EE. UU. y el Reino Unido, donde los investigadores encuentran financiación tanto pública como privada y condiciones más competitivas.
Otro punto de asimetría es la dimensión financiera. En 2023, las startups de IA en EE. UU. captaron cerca de 68 000 millones $, frente a 8 000 millones $ en toda la Unión Europea33. Este desequilibrio impide que empresas europeas escalen con rapidez y se traduce en adquisiciones tempranas por parte de conglomerados estadounidenses, casos emblemáticos son DeepMind (Reino Unido, adquirida por Google en 2014) o Vision Factory (España, adquirida por Apple).
Los especialistas más cualificados se agrupan en torno a las grandes corporaciones con abundantes recursos computacionales y capacidad de ofrecer remuneraciones elevadas. Google AI, Microsoft Research, Meta AI, Amazon AI, OpenAI, DeepMind o NVIDIA Research monopolizan a los principales doctores en IA, desplazando a las universidades como polo de innovación34.
La carrera por las patentes de IA se intensificó en la última década, dominada por corporaciones estadounidenses y chinas. Si bien el paradigma de las publicaciones científicas ha favorecido la rápida difusión de innovaciones, la tendencia a patentar algoritmos de optimización o arquitecturas propietarias podría derivar en un “cercamiento legal” del conocimiento. La Unión Europea, consciente de ello, promueve estándares abiertos y licencias libres como estrategia de soberanía tecnológica35.
España ocupa una posición intermedia en el ámbito de la investigación y el talento en inteligencia artificial. Dispone de una base académica sólida, con grupos destacados en universidades como la Politécnica de Cataluña, la Universidad Carlos III de Madrid o la Pompeu Fabra de Barcelona, que aportan alrededor del 5 % de las publicaciones europeas en IA23. Sin embargo, su impacto científico global es limitado y la fuga de talento hacia polos internacionales reduce su masa crítica: cerca del 10 % de los titulados en másteres de IA trabajan en el extranjero. A nivel empresarial, España cuenta con un ecosistema de startups dinámico (como Sherpa.ai o Satlantis), pero pocas escalan globalmente por la escasa financiación de riesgo doméstica36 37. De cara al futuro, el país necesita incrementar la inversión, retener talento y especializarse en áreas donde posee ventajas competitivas, como la IA en español o las aplicaciones a turismo y ciudades inteligentes, para pasar de ser un seguidor con potencial a un verdadero generador de tecnología.
Accede aquí al artículo completo: https://www.defensa.gob.es/ceseden/-/ieee/cadena-valor-ia-estrategias-espanna
