La expansión de GPU de SpaceXAI Colossus se acerca a los 1,44 millones de chips, pero la energía es la verdadera prueba
Elon Musk afirma que la expansión de GPU de SpaceXAI Colossus añadirá hasta 660.000 chips Nvidia GB300 antes de que termine 2026. Si todas las fases previstas entran en funcionamiento, SpaceXAI contaría con alrededor de 1,44 millones de aceleradores de IA repartidos entre Colossus 1 y Colossus 2.
Esa cifra acercaría mucho más a Musk a la ambición de alcanzar un millón de GPU que expuso hace casi dos años. También cambiaría la cuestión competitiva a la que se enfrenta SpaceXAI. Adquirir chips es solo el primer paso. La prueba más difícil consiste en alimentarlos, refrigerarlos, conectarlos en red y utilizarlos de forma productiva a una escala sin precedentes.
Musk reveló las cifras más recientes en una publicación del 25 de septiembre en X, según el informe original sobre la expansión de GPU. Dijo que 220.000 GPU GB300 entrarían en funcionamiento en cuestión de días, seguidas de otras 220.000 en noviembre. Una tercera fase de 220.000 podría llegar a finales de diciembre, aunque Musk matizó ese objetivo final con un “si tenemos suerte”.
El calendario sigue siendo una afirmación de la empresa y no ha sido verificado de forma independiente. Los totales de GPU tampoco revelan cuántos chips están disponibles de manera continua para entrenamiento, inferencia, mantenimiento o clientes externos.
Aun así, la escala anunciada importa. OpenAI, Meta, Amazon, Google, Anthropic y otros desarrolladores también persiguen enormes campus de computación. SpaceXAI intenta concentrar esa expansión en un calendario inusualmente corto alrededor de Memphis, Tennessee, y Southaven, Mississippi.
Su principal adversario ya no es otro laboratorio de IA individual. Es la infraestructura física necesaria para convertir silicio instalado en capacidad de computación sostenida.
La expansión de GPU de SpaceXAI Colossus añade tres fases de despliegue
SpaceXAI afirma que sus próximas 660.000 GPU llegarán en tres fases iguales, pero solo las dos primeras cuentan con plazos expresados con firmeza.
El desglose de Musk separa el sistema Colossus en dos grandes instalaciones. Según los informes, Colossus 1 incluye 150.000 GPU Nvidia H100, 50.000 GPU H200 y 30.000 GPU GB200. Esto da un total declarado de 230.000 aceleradores.
Según los informes, Colossus 2 ya contiene 110.000 GPU GB200 y 440.000 GPU GB300. Eso representa otros 550.000 chips antes de las nuevas fases de despliegue anunciadas.
En conjunto, esas cifras implican una flota existente de 780.000 GPU. Añadir 660.000 unidades GB300 elevaría el total combinado a 1,44 millones a finales de diciembre.
El calendario tiene tres niveles de confianza distintos. Musk dijo que las primeras 220.000 GPU GB300 estarían plenamente operativas la semana siguiente. El segundo grupo está previsto para noviembre. Describió el grupo de diciembre como dependiente de una ejecución favorable.
Esa distinción es importante. Un chip puede entregarse sin estar operativo. Los servidores deben ensamblarse, conectarse a redes de alta velocidad, recibir electricidad, integrarse con la refrigeración y probarse bajo carga.
La GB300 pertenece a la generación Blackwell Ultra de Nvidia. Estos aceleradores están diseñados para funcionar en sistemas densamente conectados, en lugar de como procesadores aislados. Su rendimiento depende de la arquitectura de rack circundante, la estructura de red, la memoria, el suministro eléctrico y el software.
Por tanto, un gran número de GPU mide capacidad potencial, no trabajo de computación completado. El hito más significativo es la operación sostenida de un clúster completo sin fallos excesivos ni hardware inactivo.
SpaceXAI ya ha demostrado que puede desplegar infraestructura con rapidez. Colossus 1 pasó de ser un edificio industrial a un importante sistema de IA en un calendario que recibió elogios de la dirección de Nvidia.
Ese despliegue anterior aporta credibilidad a la primera fase de expansión. No valida automáticamente el objetivo completo para finales de año. La nueva construcción es varias veces mayor y depende de una generación de hardware más exigente.
La composición de la flota también complica el total del titular. Las GPU H100, H200, GB200 y GB300 tienen sistemas de memoria, perfiles de consumo y características de rendimiento distintos. Un recuento que trata cada chip por igual no puede describir la capacidad efectiva de entrenamiento.
El hardware mixto aún puede ser útil. Las GPU más recientes pueden encargarse del entrenamiento de modelos de frontera, mientras que los sistemas más antiguos sirven para inferencia, experimentación o trabajos de entrenamiento más pequeños. SpaceXAI también puede asignar parte de la capacidad a clientes externos.
Los totales declarados por la empresa crean una referencia clara para la verificación. Los observadores deberían distinguir entre el hardware que ha llegado, el que ha superado la puesta en servicio y el que ejecuta cargas de trabajo de producción sostenidas.
Hasta que SpaceXAI aporte evidencia operativa, la cifra de 1,44 millones sigue siendo un objetivo construido a partir del inventario y el calendario de despliegue declarados por Musk.
La carrera por la computación de IA ha pasado de los chips a la electricidad
A esta escala, el recurso limitante de SpaceXAI ya no es el acceso a las GPU de Nvidia. Es una energía fiable que pueda mantener operativos clústeres completos.
SpaceXAI afirma que está construyendo una central eléctrica permanente de 1,2 gigavatios en Southaven. La instalación respaldará su infraestructura informática a ambos lados de la frontera entre Tennessee y Mississippi.
Un gigavatio equivale a mil millones de vatios. Las grandes centrales eléctricas y los sistemas de servicios públicos metropolitanos suelen medirse a esa escala. Aplicar esa unidad a la infraestructura de IA de una sola empresa muestra hasta qué punto la carrera computacional ha superado los centros de datos convencionales.
La actualización oficial de construcción de SpaceXAI indica que la planta permanente utilizará 41 turbinas autorizadas bajo un permiso de la Clean Air Act concedido en marzo de 2026. La empresa dijo que comenzaría a retirar las turbinas temporales a medida que estuviera disponible la generación permanente.
La instalación permanente es esencial porque la flota de GPU prevista no puede funcionar solo con entregas de chips. Los servidores también requieren equipos de red, almacenamiento, bombas, ventiladores, sistemas de refrigeración y hardware de conversión eléctrica.
No todos los vatios llegan a una GPU. Los centros de datos pierden parte de la energía durante la conversión y destinan otra parte a la refrigeración y los equipos auxiliares. Los operadores siguen esta sobrecarga mediante la efectividad del uso de energía, que compara el consumo total de la instalación con el consumo de los equipos de computación.
SpaceXAI ha recurrido a generación in situ porque las mejoras de la red regional no podían seguir su calendario de construcción. Esa decisión permitió un despliegue más rápido, pero trasladó a la empresa un desafío propio de los servicios públicos.
El resultado es una competencia directa entre la velocidad de despliegue y la preparación de la infraestructura. Cada nueva fase de GPU aumenta el coste de un retraso en otra parte del sistema. El hardware que no puede recibir energía no produce capacidad de entrenamiento ni de inferencia.
Este mecanismo explica por qué el objetivo de diciembre es menos seguro. SpaceXAI debe coordinar entregas de servidores, equipos eléctricos, circuitos de refrigeración, redes, software y generación eléctrica. Un retraso en cualquiera de estas capas puede limitar el clúster completo.
La empresa también debe gestionar la fiabilidad. Los trabajos de entrenamiento de modelos de frontera pueden ejecutarse en miles de aceleradores durante periodos prolongados. Los fallos de hardware o de red interrumpen el trabajo útil y complican el entrenamiento.
Un sistema instalado con baja disponibilidad puede aportar menos valor que un clúster más pequeño y estable. Para clientes e investigadores, las tareas de computación completadas importan más que una sala fotografiada llena de servidores.
La energía se ha convertido en una presión compartida en todo el sector de la IA. OpenAI afirma que, junto con sus socios, está evaluando ubicaciones adicionales de centros de datos estadounidenses más allá de un objetivo inicial de infraestructura de 10 gigavatios. Su plan de infraestructura de computación presenta la capacidad de construcción como un requisito estratégico.
Meta persigue campus de varios gigavatios, mientras que Amazon ha desplegado grandes clústeres en torno a sus aceleradores Trainium. Google sigue ampliando una infraestructura basada en sus propias unidades de procesamiento tensorial.
Estos proyectos difieren en propiedad, diseño de chips y geografía. Comparten una restricción: los proyectos energéticos avanzan más lentamente que los ciclos de hardware de IA.
SpaceXAI está poniendo a prueba si la coordinación vertical puede reducir esa brecha. Su enfoque combina instalaciones de computación, generación in situ, construcción rápida y control directo sobre una mayor parte de la cadena de despliegue.
La apuesta no es simplemente que más GPU produzcan mejores modelos. La apuesta es que SpaceXAI pueda hacer que la infraestructura energética avance a la velocidad de una empresa de software.
El recuento de GPU de SpaceXAI aumenta la presión sobre OpenAI y Meta
Una flota funcional de 1,44 millones de GPU presionaría a los laboratorios rivales para defender sus modelos con infraestructura, no solo con afirmaciones de rendimiento en benchmarks.
Los desarrolladores de IA rara vez revelan inventarios de computación directamente comparables. Las empresas cuentan los chips de forma diferente, combinan varias generaciones y distribuyen los sistemas en ubicaciones separadas. Algunas publican capacidad prevista, mientras que otras solo hablan de clústeres operativos.
Eso hace que las clasificaciones precisas sean poco fiables. Aun así, el recuento de GPU declarado por SpaceXAI establece un punto de referencia llamativo. Pocos anuncios públicos de infraestructura describen más de un millón de aceleradores Nvidia bajo una misma organización.
OpenAI se está expandiendo a través de socios de infraestructura que incluyen Oracle y otros desarrolladores. Su estrategia pone el énfasis en múltiples grandes campus y una expansión nacional más amplia. Ese enfoque puede distribuir el riesgo, pero también exige coordinación entre propietarios, empresas de servicios públicos y socios financieros.
Meta cuenta con una ventaja distinta. Controla negocios publicitarios consolidados que generan efectivo mientras su infraestructura respalda modelos internos, sistemas de recomendación y productos. Su trabajo en silicio personalizado también podría reducir la dependencia de Nvidia para determinadas cargas de trabajo.
Amazon y Google pueden combinar el desarrollo de IA con plataformas de nube consolidadas. Ambas disponen de aceleradores propios, lo que les ofrece otra vía cuando el suministro de Nvidia, la economía o la densidad energética se vuelven restrictivos.
SpaceXAI sigue estando más concentrada. Colossus respalda Grok, sus productos relacionados y, según los informes, algunos acuerdos de computación externos. Esta concentración puede acelerar las decisiones, pero también aumenta la importancia de cada ubicación.
El efecto competitivo depende de la utilización. Un millón de aceleradores disponibles podría respaldar entrenamientos más grandes, experimentación más rápida, mayor capacidad de inferencia o clientes externos. Un millón de aceleradores limitados produciría principalmente una impresionante estadística de inventario.
El desarrollo de modelos también depende de más que la computación bruta. La calidad de los datos, el talento investigador, los algoritmos, los métodos de evaluación y la distribución de productos siguen siendo decisivos. El hardware adicional no puede garantizar que Grok supere a los sistemas rivales.
La computación sí cambia el número de experimentos que un laboratorio puede intentar. Puede acortar el tiempo entre las ideas de investigación y las pruebas a escala completa. También puede respaldar mayores cargas de trabajo de inferencia una vez que un modelo llega a los usuarios.
Eso otorga a SpaceXAI flexibilidad estratégica. Podría reservar los sistemas GB300 más recientes para entrenamiento, asignar las GPU Hopper más antiguas a inferencia y vender la capacidad no utilizada. La división exacta no se ha detallado públicamente.
La flota mixta también plantea un reto de programación. SpaceXAI debe asignar cargas de trabajo a distintas generaciones sin desperdiciar memoria, redes o energía. La orquestación eficiente se vuelve más importante a medida que el hardware es menos uniforme.
Para los desarrolladores y compradores empresariales, la expansión podría influir en la disponibilidad y la fiabilidad de los modelos. Una mayor capacidad de inferencia puede reducir las carencias durante picos de demanda. También puede respaldar servicios de razonamiento o multimodales con alta exigencia computacional.
Estos beneficios siguen dependiendo de la ejecución del producto. Las empresas evaluarán el tiempo de actividad, la seguridad, la calidad de los modelos, la gobernanza y el soporte de integración. No elegirán un proveedor de IA únicamente porque posea más GPUs.
Por lo tanto, la expansión presiona a los competidores en la capa de infraestructura sin resolver la competencia por el producto. OpenAI y Meta no necesitan igualar a SpaceXAI chip por chip. Necesitan suficiente capacidad efectiva para sostener el desarrollo de modelos y atender a los usuarios de forma competitiva.
Mientras tanto, SpaceXAI debe demostrar que su despliegue inusualmente concentrado ofrece una mayor velocidad de investigación o un mejor desempeño comercial. De lo contrario, el total de GPUs se convierte en una ventaja costosa sin un resultado duradero.
Colossus 2 explicado a través de sus riesgos energéticos y comunitarios
La velocidad detrás de Colossus 2 tiene un coste público, y la expansión seguirá siendo controvertida incluso si cada GPU llega según lo previsto.
Las instalaciones de SpaceXAI dependen en parte de turbinas de gas instaladas cerca de comunidades en Memphis y Southaven. Esa infraestructura ha generado disputas relacionadas con permisos de calidad del aire, ruido, emisiones, agua y supervisión pública.
La empresa afirma que la generación permanente sustituirá 69 turbinas móviles temporales en Southaven para julio de 2027. También asegura que los controles de emisiones y la monitorización reducirán los efectos ambientales.
Esa es la postura de la empresa, no el final de la disputa. Residentes y grupos medioambientales han cuestionado la estrategia de permisos y se preguntan si máquinas temporalmente individuales que operan en conjunto deberían considerarse una única fuente estacionaria de contaminación.
Una detallada investigación sobre Colossus informó que los reguladores de Mississippi contabilizaron 69 turbinas temporales en el sitio de Southaven en julio. El informe también describió quejas de vecinos por un persistente ruido de baja frecuencia.
La investigación citó una monitorización local preliminar que detectó lecturas elevadas de partículas finas. Esos monitores no pudieron determinar qué proporción de la contaminación procedía de la planta de SpaceXAI, por lo que los hallazgos no permiten establecer una causalidad directa.
La distinción importa. Las preocupaciones de la comunidad están documentadas, mientras que la contribución de cada fuente de contaminación sigue siendo objeto de disputa. La cobertura debe preservar ambos hechos en lugar de presentar como resuelta la posición de cualquiera de las partes.
SpaceXAI afirma que la calidad del aire local cumple o supera los estándares federales. Los críticos sostienen que el tratamiento de los permisos, las emisiones acumuladas y la exposición de los vecindarios aún merecen un mayor escrutinio.
La expansión también pone a prueba una promesa más amplia de la industria. Las empresas de IA afirman cada vez más que aportarán nueva generación eléctrica, pagarán mejoras de la red y evitarán trasladar los costes de infraestructura a los clientes comunes.
La generación in situ puede reducir la presión inmediata sobre la red. Sin embargo, también puede acercar las cargas ambientales y acústicas a barrios concretos. La solución a un problema de infraestructura puede crear otro.
La rapidez de la empresa dificulta la rendición de cuentas. El desarrollo convencional de servicios públicos incluye largos periodos de planificación, permisos y revisión pública. El enfoque de SpaceXAI comprime la construcción mientras continúan los debates legales y políticos en torno al proyecto.
Ese desajuste crea la principal disyuntiva. El rápido despliegue de capacidad informática puede acelerar la investigación y generar actividad económica. También puede superar el ritmo de las instituciones responsables del uso del suelo, la revisión ambiental y la protección comunitaria.
Los servicios públicos locales describieron anteriormente una capacidad de red mucho menor en torno a la instalación original de Memphis. Una actualización del estado de la empresa de servicios enumeró dos subestaciones que proporcionaban 150 megavatios en esa etapa, con trabajos adicionales de transmisión bajo consideración.
La planta permanente prevista de 1,2 gigavatios ilustra hasta qué punto han crecido las necesidades. SpaceXAI no está añadiendo una expansión ordinaria de centro de datos. Está construyendo un sistema energético privado comparable con grandes instalaciones de generación.
Las turbinas permanentes pueden ofrecer permisos más claros y una operación más estable que los equipos móviles. No eliminan las dudas sobre emisiones, efectos climáticos, ruido o residentes cercanos.
Por ello, el calendario de GPUs anunciado por la empresa debe evaluarse mediante dos pruebas separadas. La primera es técnica: ¿puede SpaceXAI energizar y operar el hardware de forma fiable? La segunda es institucional: ¿puede mantener legitimidad pública mientras lo hace?
Superar solo la prueba técnica dejaría el proyecto expuesto a demandas, medidas regulatorias, resistencia política y retrasos. Esos riesgos pueden afectar la capacidad informática tan directamente como un envío tardío de servidores.
Por eso el número de GPUs de SpaceXAI no puede separarse de su ubicación. Colossus es infraestructura física con consecuencias locales, no un conjunto abstracto de computación en la nube.
Tres señales mostrarán si 1,44 millones de GPUs son capacidad real
Los próximos tres puntos de control son las pruebas de puesta en marcha, el suministro eléctrico permanente y mejoras visibles derivadas de la capacidad informática añadida.
La primera señal será si SpaceXAI confirma que las 220.000 GPUs GB300 iniciales entraron en operación sostenida. Un anuncio de envío no bastaría. La evidencia significativa describiría sistemas puestos en marcha que ejecutan cargas de trabajo de producción.
Los observadores deberían buscar detalles sobre disponibilidad de clústeres, redes, trabajos de entrenamiento o uso por clientes. Nvidia también podría hablar del despliegue porque suministra los aceleradores y la tecnología de sistemas subyacentes.
Si SpaceXAI demuestra una operación estable en esta primera oleada, el calendario de noviembre de Musk ganará credibilidad. Si la empresa solo repite un recuento acumulado de chips, persistirá la incertidumbre sobre la capacidad utilizable.
La segunda señal será el avance de la planta eléctrica permanente de 1,2 gigavatios. SpaceXAI afirma que retirará gradualmente las turbinas temporales a medida que entre en funcionamiento la instalación permanente.
Fechas concretas de puesta en marcha de turbinas, registros de cumplimiento de permisos y retiradas de unidades temporales reforzarían el argumento de infraestructura de la empresa. Los retrasos reiterados debilitarían el objetivo de GPUs para diciembre, incluso si los servidores ya hubieran llegado al sitio.
El suministro eléctrico debe evaluarse junto con la refrigeración y la fiabilidad. Una planta puede generar electricidad antes de que cada sala de datos esté lista para consumirla. Del mismo modo, los racks de servidores terminados pueden permanecer por debajo de su plena utilización mientras los sistemas de apoyo se ponen al día.
La tercera señal será si la expansión produce resultados medibles para los modelos o el negocio. SpaceXAI debe traducir el hardware en mejores modelos, mayor uso de Grok, inferencia fiable o ingresos externos por computación.
Un lanzamiento importante de Grok entrenado en el sistema ampliado aportaría una forma de evidencia. Una mayor disponibilidad del servicio o cargas de trabajo de clientes divulgadas aportarían otra.
Este es el punto de control más difícil porque las afirmaciones causales requieren cautela. Un modelo mejor puede ser resultado de algoritmos, datos, métodos de entrenamiento o trabajo posterior al entrenamiento. SpaceXAI no debería atribuir cada mejora al volumen de GPUs.
Lo contrario también es cierto. Un periodo tranquilo tras la puesta en marcha no demostraría que la infraestructura carece de valor. Los grandes ciclos de entrenamiento llevan tiempo y las empresas pueden retener detalles operativos.
La validación más sólida conectaría las capas. SpaceXAI demostraría que los chips entraron en servicio, que el sistema eléctrico los respaldó y que la capacidad resultante completó cargas de trabajo significativas.
Los lectores también deberían observar cómo responden los competidores. Es poco probable que OpenAI, Meta, Google y Amazon respondan con publicaciones que igualen el número de GPUs. Sus respuestas podrían aparecer mediante anuncios de nuevos campus, despliegues de chips personalizados o lanzamientos de modelos respaldados por ciclos de entrenamiento más grandes.
Esa competencia hará más difícil interpretar las cifras brutas. Los totales de GPUs Nvidia no pueden compararse directamente con las TPUs de Google o los chips Trainium de Amazon. Los aceleradores más recientes también ofrecen mayor capacidad por chip que los modelos anteriores.
Por lo tanto, la pregunta útil no es quién posee la mayor flota nominal. Es quién convierte de manera más efectiva la energía, el hardware, la investigación y la distribución en servicios de IA fiables.
El anuncio de Musk ofrece a SpaceXAI un marcador claro para final de año. El inventario declarado comienza con 780.000 GPUs. Dos oleadas programadas elevarían esa cifra a 1,22 millones. La oleada condicional de diciembre produciría el total destacado de 1,44 millones.
Cada etapa puede comprobarse frente a divulgaciones posteriores. Eso hace que la afirmación sea más específica que un plan de campus lejano, pero no vuelve seguro el resultado.
Los desarrolladores deberían observar si la capacidad resultante mejora el acceso a los modelos, la latencia o la velocidad de experimentación. Los compradores empresariales deberían centrarse en la fiabilidad del servicio y la gobernanza, en lugar del espectáculo de la infraestructura.
Las comunidades de Memphis y Southaven tienen otro conjunto de indicadores. La retirada de turbinas, el seguimiento de emisiones, los controles de ruido, la información pública y el cumplimiento de permisos determinarán si un despliegue más rápido de IA implica costes locales aceptables.
La expansión de GPUs de SpaceXAI Colossus es significativa porque sitúa todas estas pruebas en un calendario comprimido. La empresa intenta poner en marcha cientos de miles de chips avanzados mientras construye el sistema energético que los sustenta.
Para diciembre, la cifra más reveladora no será el número que publique Musk. Será la proporción de esa flota que realiza trabajo sostenido con energía adecuada, operaciones fiables e infraestructura local responsable.
Ese es el estándar que los lectores deberían aplicar al próximo anuncio. ¿SpaceXAI adquirió más silicio o convirtió un inventario extraordinario en capacidad informática fiable?
