Visitamos el centro de Intel en Guadalajara que desarrolla la tecnología para los data centers y la infraestructura del futuro

A solo un kilómetro y medio del Estadio Akron se encuentra el Guadalajara Design Center (GDC) de Intel, un sitio que abarca una enorme superficie de hasta 104,000 metros cuadrados, justo en las orillas de la ciudad de Zapopan. Su aspecto solitario en las faldas de un cerro lo hace lucir como un Xanadú tecnológico.

Al ingresar a las instalaciones, en el área de recepción, el visitante se topa primero con una oblea gigante que exhibe placas con todas las patentes que ha obtenido el GDC, seguido por un pequeño museo. Ahí uno aprende que el GDC nació como una startup mexicana fundada en el año 2000, y que al poco tiempo esta pasó a ser la primera adquisición de Intel en América Latina. En 2001 desarrolló el primer chip para Intel llamado SOL, y en 2003 se convirtió oficialmente en centro de validación de nuevos procesadores para servidores.

En 2010, Intel anunció una inversión de 177 millones de dólares a lo largo de tres años para expandir el centro, lo que incluía la construcción de un nuevo edificio que es el campus que hoy conocemos, inaugurado en 2014 y ubicado cerca de la actual sede oficial de las Chivas y a unos pasos del Cinvestav Unidad Guadalajara.

El GDC es el único centro de investigación y desarrollo de Intel en América Latina, y uno de los más importantes de la empresa a nivel mundial, con más de 200 patentes otorgadas. De ser una pequeña compañía con solo 33 empleados hace 26 años, hoy cuenta con poco más de mil empleados y sus áreas de trabajo abarcan desde el diseño de semiconductores y plataformas para centros de datos hasta investigación avanzada en inteligencia artificial, cómputo neuromórfico y robótica, entre muchas otras áreas. En el centro también se realiza la labor crucial de validar productos en sus etapas finales para su comercialización, así como customer support.

Fue durante una visita a estas instalaciones cuando WIRED en Español conversó con Kevork Kechichian, vicepresidente ejecutivo y gerente general del Data Center Group (DCG). “Creo que es una de las configuraciones más impresionantes que he visto, no solo para Intel, sino en general”, dijo sobre los laboratorios del GDC.

Con más de 30 años de experiencia en la industria de los semiconductores, Kechichian se sumó a las filas de Intel en septiembre de 2025 por invitación de su director ejecutivo, Lip-Bu Tan. Hoy encabeza la división de centros de datos de Intel Corporation, una de las unidades clave para el futuro de la compañía. “Obviamente, hay mucho por hacer”, dijo Kechichian. “Pero Intel cuenta con muchos recursos valiosos. Mi objetivo es asegurarme de que aprovechemos al máximo estos recursos, ya sean personas u otros activos”.

Esta entrevista ha sido editada para mejorar su lectura.

WIRED: Para alguien ajeno a la industria, ¿cómo explicarías qué hace el Data Center Group de Intel? ¿Y cómo es que influye en la vida diaria de millones de personas?

Kevork Kechichian: Los centros de datos existen desde hace décadas. No es algo nuevo. Tradicionalmente se utilizaban para la banca, para grandes empresas como Boeing, para laboratorios de investigación o para la previsión meteorológica. En realidad, el impacto se veía venir desde esa perspectiva. En los últimos cinco años, diría yo, la IA ha cobrado un gran impacto en la vida personal de la gente, en el día a día. Y ese es un cambio muy interesante. Ahí es donde vemos el auge de la demanda.

Esta mañana, hablando con el equipo, analizamos las áreas en las que un agente de IA puede ayudar en el desarrollo y la innovación. Esto se centra en nuestro sector. Pero si consideramos a cualquier persona, ya sea en el trabajo o en su vida cotidiana, hay muchas áreas en las que estos agentes pueden tener un impacto significativo.

Piensen en esto: hace unos 20 años, cuando apareció el smartphone, alrededor de 2007, era simplemente un dispositivo para navegar por internet, tenías un navegador, una cámara, etcétera. Pero con el tiempo, surgió la economía de las aplicaciones. Y eso ha supuesto un cambio importante en nuestras vidas. Se pueden hacer muchas cosas que influyen en el día a día. Ahora estamos trabajando con agentes. Creo que hay muchas analogías con las apps, pero el impacto es mucho mayor porque los agentes realizan tareas mucho más complejas. Todo eso está relacionado con el centro de datos, ya que se necesita ese procesamiento. En mi opinión, muchas organizaciones están trabajando para aprovechar al máximo todo esto. Desde nuestra perspectiva, simplemente proporcionamos la tecnología, la infraestructura necesaria.

Hoy en día, como mencionas, casi todo depende de los centros de datos: streaming, la IA, la banca, los videojuegos, la computación en la nube. Así que ustedes ofrecen soluciones no solo a clientes, sino al mundo entero. ¿Te vas como un titiritero invisible que mueve el mundo?

Me gusta esa definición. Deberíamos usarla [Risas]. No, me considero más bien un proveedor de tecnología. Es decir, se puede definir como se quiera. Pero hay pocas empresas que tienen la penetración que Intel ha tenido en las últimas tres o cuatro décadas. Y si observamos lo que está cobrando protagonismo ahora mismo, se trata de todo lo relacionado con las CPU y los centros de datos.

Hace quizás dos años, se trataba más de entrenar los modelos. Ahora, con los flujos de agentes, la CPU juega un papel cada vez más importante. Ese es nuestro terreno, nuestro vecindario. Es a lo que nos hemos dedicado. Es un territorio familiar para nosotros. Así que, desde nuestra perspectiva, nos consideramos facilitadores de esta tecnología.

Por supuesto, nuestra base de clientes es muy variada. Mi cartera de servicios abarca desde el extremo de la red (Edge). Por supuesto, tenemos el negocio Telco. Estamos al tanto de las novedades en 5G y 6G. Tenemos el networking. Y tenemos una presencia muy activa en esos ámbitos. Pero, desde nuestro punto, todo empieza en el extremo de la red, pasa al centro de datos y, finalmente, a los aceleradores. Y ahora mismo, una gran parte se centra en las CPU de los centros de datos, y tenemos décadas de experiencia en implementaciones, tradicionalmente en el ámbito empresarial.

Ahora bien, esto está cambiando bastante, así que se puede apreciar la diversidad. Hace tres años, estos segmentos estaban bien definidos. Hoy en día, la situación se está volviendo cada vez más difusa. Las empresas buscan una solución híbrida donde mantengan sus implementaciones locales (on-prem deployments), pero que también aprovechen la nube. Y los hyperscalers están cada vez más involucrados con proveedores de nube soberana, neoclouds.

Esa es también la parte interesante desde nuestra perspectiva: ¿cómo gestionar esto teniendo en cuenta que, a la larga, estamos proporcionando la mejor solución para el usuario final? Es decir, nuestros clientes directos son una cosa; se trata de multinacionales con cientos de miles de millones de dólares en ingresos. Ya sabes quiénes son los actores clave. Pero también lo que nos interesa son sus propios clientes. ¿Qué están haciendo? Tenemos diferentes foros para interactuar con ellos. Por eso, además de hablar con nuestros clientes directos, también hablamos con sus clientes para ver cómo está cambiando el panorama. Y esa es parte de nuestra manera de afrontar el cambio.

Hablando de cambio, la curva de demanda respecto a la capacidad de centros de datos ha cambiado drásticamente con las cargas de trabajo de la IA. ¿Estamos construyendo la infraestructura adecuada para la evolución de la IA?

Hay dos aspectos en esa pregunta. Uno de ellos es el nivel de inversión y el tamaño del mercado. Ahora mismo estamos intentando discernir qué es real y qué no. Porque normalmente hay ciclos: un ciclo de auge y luego un ciclo de caída. Y estamos intentando averiguar qué sucederá después de 2028.

Sabemos que hasta 2028 la demanda y los pedidos están confirmados. El reto que tenemos es que, en parte, se debe a que los actores del sector utilizan cifras muy elevadas y escuchamos diferentes tipos de métricas para describir el mercado. Así que ese es un aspecto: intentar determinar cuánto necesitamos invertir para asegurarnos de satisfacer las necesidades de ese mercado. Esto, desde una perspectiva puramente financiera, para asegurar la cuota de mercado y los ingresos.

El otro aspecto tiene que ver con la tecnología, y ahí es donde estamos apostando por tecnologías que nos garantizarán la sostenibilidad a largo plazo. Por ejemplo, nuestra tecnología GPU y otros aceleradores en los que estamos trabajando son soluciones que perdurarán incluso si el paradigma de la IA evoluciona hacia algo distinto a los grandes modelos de lenguaje o las redes neuronales. Estamos monitoreando todo esto. Por lo tanto, en este momento, confiamos en nuestra estrategia. Como mencioné, el desafío radica en dimensionar correctamente el mercado y determinar la inversión necesaria.

¿Tiene el DCG planes para México?

Bueno, siempre tenemos planes de expansión, especialmente después de haber hablado sobre el nivel de inversión. Me reuní recientemente con funcionarios de gobierno y buscamos tres cosas diferentes. Nos fijamos en la calidad del sistema educativo y el número de graduados. Creo que aquí hay de lo mejor que se puede encontrar, por lo que he visto en otros lugares.

El otro factor es el nivel del ecosistema disponible. Incluso en ese aspecto, tenemos varias empresas y socios ahí. Porque se necesita un ecosistema sólido; uno no quiere ser el único empleador en una región.

Así que creo que cumplimos con los dos primeros. Y el tercero es el respaldo y la inversión del gobierno. Pero no necesariamente desde una perspectiva monetaria. Es decir, siempre es bueno contar con alguna inversión del gobierno. Pero también demuestra compromiso y crecimiento a largo plazo.

Así que, desde esas perspectivas, sí, esta ubicación cumple con todos los requisitos. Y estamos viendo, de hecho, cómo podemos convertirlo en realidad. Esta es mi primera visita aquí [en el GDC]. Así que es una exploración. Y luego veremos qué pasa.

¿Qué deberían estudiar los jóvenes ingenieros para entrar en el negocio de los centros de datos y la infraestructura de IA?

Bueno, por suerte no tengo que darles este consejo a mis hijos. Ya terminaron sus estudios. Sí, creo que, tal como van las cosas, mi recomendación sería... quizás dos áreas completamente diferentes.

La primera es la de los fundamentos. Tengo un hijo que es ingeniero y otro que planea hacer un doctorado en filosofía. Así que, si estuvieran empezando, les recomendaría estudiar ciencias básicas. Física, química o incluso matemáticas aplicadas. Porque las cosas cambian tanto que uno no sabe dónde estará [la industria] cuando uno termine su carrera.

Es decir, estamos viendo que hace años hubo una gran avalancha de trabajo en software e informática. Es decir, hoy en día no necesitamos programadores, necesitamos personas que realmente sepan arquitectura de sistemas.

Así que esa es un área. Y por otro lado, mis dos hijos trabajan en el campo de la IA, pero desde perspectivas diferentes. Me expongo a ello cada vez que hablo con ellos, sobre todo cuando estamos juntos, los tres. Hay muchos aspectos externos, desde la perspectiva política, la ética y la gobernanza, que son específicos de la IA.

Así que esa sería mi recomendación, dependiendo de tus intereses. Si te interesa la ciencia, dedícate a la ciencia básica.

Y luego está la otra área, que implica una reflexión más profunda sobre políticas. Conocí a un grupo de personas la semana pasada que estaban preocupadas por el rumbo que puede tomar la IA. Y estaban pensando [risas] en cómo detenerla eventualmente.

¿Cuál es el mayor obstáculo para escalar la IA hoy en día? ¿Es la energía, los chips, la refrigeración, las redes o los costos?

Voy a empezar por lo último. A nadie parece importarle el costo. Es decir, fíjense en lo que está pasando en la industria con la escasez de memoria, cosas así. El precio de la memoria está por las nubes, pero la gente sigue comprando esos sistemas.

Diría que la energía era un problema, pero ahora, materiales como los sustratos están cobrando cada vez más importancia. Todos en la industria están intentando llegar a acuerdos que les aseguren su parte. Así que vamos a lidiar con eso porque parte de ello es nuestra inversión, pero también tenemos muchos socios que tienen diferentes partes. Pero, sin duda, no será la fabricación de semiconductores en sí misma, serán todos los aspectos relacionados.

La memoria se está convirtiendo rápidamente en un problema. Por eso estamos intentando averiguar diferentes tipos de memoria y cómo podemos utilizarla. La potencia era un problema, pero ya veremos. Esta mañana, Jesús [Palomino, gerente general del GDC] comentaba que alguien quiere enviar centros de datos al espacio. Pero, quiero decir, la cuestión es que tendremos diferentes limitaciones. Por ejemplo, hace unos años no teníamos suficientes obleas simplemente porque no teníamos suficientes fabs.

Creo que estamos superando rápidamente esa situación. Esa es mi opinión, considerando toda la inversión que se está realizando en los distintos centros de fabricación a nivel mundial. El problema principal será el material. En algún momento superaremos esa limitación, y entonces la energía se convertirá en un problema. Eso está muy cerca, justo después.

La nube: ¿Te has preguntado cómo es la infraestructura que hace posible su existencia?

Cada vez que subes una foto o usas IA, activas una red invisible de servidores, chips y cables: la nube. No flota, está anclada a tierra y consume el 2% de la electricidad global. Si el futuro será en la nube, más vale entender la infraestructura que lo sostiene.

Hace unas semanas me llamó la atención una pregunta de un lector del New York Times a un periodista de tecnología. Esta persona decía que, hace décadas, una computadora ocupaba una habitación entera. Ya sabes, como esas enormes máquinas de IBM en los años 50. Hoy en día, llevamos máquinas complejas en nuestros bolsillos. Entonces pregunta, “¿existe alguna tecnología emergente que pueda volver obsoletos o reducir considerablemente el tamaño de estos centros de datos?” El periodista básicamente respondió que no, que la ley de Moore no aplica en la era de la inteligencia artificial porque la IA se basa en un nuevo tipo de chip especializado que se requiere en cantidades enormes. ¿Está de acuerdo con esa valoración?

Sí, creo que sí, porque hay varios factores a considerar. En primer lugar, el tipo de computación que necesitamos, al menos durante los próximos años, sigue la misma tendencia. Ahora bien, lo que está sucediendo es que, además de lo que ha ocurrido desde las computadoras de los años 40 y 50 hasta hoy, los transistores se han vuelto cada vez más pequeños.

Si observamos las tecnologías actuales, tenemos algo llamado dimensión crítica en la fabricación. Actualmente, esa dimensión crítica se mide en número de átomos. 10 átomos, 20 átomos, 100 átomos. Y esto se está reduciendo. En algún momento, aunque se siga reduciendo, se volverá inmanejable porque, si se tiene una dimensión crítica de uno o dos átomos, es muy difícil fabricar para ese paradigma. Así que, como saben, esta tendencia continuará un tiempo más.

Lo que vemos que la ralentiza es realmente la parte algorítmica. Se necesita ese tipo de memoria. Ahora mismo, si observamos estos modelos de vanguardia que superan el billón de parámetros, hablamos de 5 billones, 10 billones, incluso se habla de 50 billones. Son modelos enormes. Para entrenarlos, se necesita, en primer lugar, mucha potencia, lo que nos mantiene en la misma curva. Pero incluso después del entrenamiento, digamos que pasamos a la inferencia, observamos una tendencia similar a la del cerebro humano: al escanearlo mientras alguien bebe, se activan diferentes áreas durante distintos tipos de pensamiento o visión. Existe el concepto de mezcla de expertos (MOE, por sus siglas en inglés), donde se toman modelos muy inteligentes y se analiza qué partes se activan para una tarea específica. Esto reduce significativamente el tamaño de los modelos, hasta 10 o 100 veces. Así, se obtiene un modelo muy inteligente, pero no se necesita todo su conocimiento; solo la experiencia específica.

La clave está en que la siguiente fase del cambio, dado que nos acercamos a un límite tecnológico en cuanto a la reducción de tamaño, provendrá de la investigación avanzada en algoritmos y matemáticas aplicadas. Por eso la física y todos estos factores entrarán en juego. Empezaremos a averiguar qué hacer con la infraestructura existente y cómo usarla de manera eficiente.