La infraestructura de IA ya no es solo una cuestión de comprar más aceleradores o añadir otro edificio de centro de datos. Los campus de computación se están convirtiendo en la unidad de planificación porque la IA de vanguardia depende de coordinar chips, electricidad, transmisión, refrigeración y software a una escala que las implementaciones individuales de servidores no pueden describir adecuadamente.
Los anuncios de OpenAI, Google, Microsoft y NVIDIA muestran cómo está tomando forma este cambio: desarrollos a escala de gigavatios, campus vinculados a nueva generación eléctrica y sistemas operativos que coordinan las cargas de trabajo con la infraestructura física. Para entender estos proyectos, hay que mirar más allá de la capacidad anunciada y preguntarse qué está realmente disponible, cómo se alimentará y si el sistema resultante puede ofrecer una capacidad de computación fiable y económicamente útil.
¿Qué son los campus de computación y por qué son importantes para la IA?
Los campus de computación son desarrollos coordinados que reúnen capacidad de centros de datos, hardware de computación para IA, suministro eléctrico, refrigeración y gestión operativa. Su importancia radica en que la capacidad de IA depende cada vez más del rendimiento de todo este sistema, y no solo del número de aceleradores instalados en un edificio.
La diferencia está en la unidad de planificación, no simplemente en el tamaño de una propiedad. Un enfoque de campus plantea cómo funcionarán conjuntamente los edificios, la infraestructura eléctrica, los sistemas térmicos y las cargas de trabajo a medida que se amplíe la capacidad. Esto cambia la conversación: pasa de la adquisición de equipos al desarrollo de un entorno operativo interconectado.
OpenAI describe lo que está en juego con la frase «la infraestructura es el destino» y sostiene que los chips, la generación eléctrica, la transmisión y la capacidad de los centros de datos determinarán quién puede entrenar e implementar sistemas de vanguardia.
Este enfoque ayuda a explicar por qué los anuncios sobre infraestructura recurren cada vez más a los gigavatios en lugar de al número de servidores. OpenAI informó que su capacidad de computación disponible pasó de 0,2 GW en 2023 a aproximadamente 1,9 GW en 2025, un aumento de 9,5 veces. También afirma que está ampliando la infraestructura de IA en Estados Unidos con el objetivo de alcanzar 10 GW para 2029.
Estas cifras reflejan un cambio en la escala de planificación. Por sí solas, no describen la calidad de los modelos, la eficiencia de los aceleradores ni la cantidad de trabajo útil completado. La capacidad eléctrica es una medida importante de la infraestructura, pero no sustituye la necesidad de entender el hardware, el software y la utilización.
De un conjunto de edificios a un sistema integrado
La perspectiva del campus reúne varias decisiones en un mismo proceso de planificación:
- Computación: ¿Qué chips de IA y qué infraestructura de apoyo se implementarán, y qué cargas de trabajo atenderán?
- Energía: ¿De dónde procederá la electricidad y cómo llegará a los equipos?
- Gestión térmica: ¿Cómo gestionará el sitio el calor generado por un hardware cada vez más denso en potencia?
- Operaciones: ¿Cómo coordinará el software las cargas de trabajo con la energía y la refrigeración disponibles y con la capacidad fiable?
La consecuencia práctica es sencilla: un componente sólido no puede compensar indefinidamente una dependencia deficiente. Tener más chips no equivale a disponer de más capacidad de IA utilizable si la infraestructura que los rodea no puede darles soporte.
Los anuncios de gigavatios requieren una interpretación cuidadosa
La cartera reciente de proyectos demuestra por qué los campus se han vuelto centrales en la estrategia de infraestructura de IA. También muestra por qué las cifras anunciadas necesitan contexto: un desarrollo anunciado, un acuerdo de infraestructura y una capacidad operativa disponible describen cosas distintas.
OpenAI: obras en Michigan y un acuerdo de computación en Ohio
En mayo de 2026, OpenAI anunció el inicio de las obras de The Barn, un campus de centros de datos de 1 GW en Saline, Michigan. La empresa describió la capacidad de computación adicional como una forma de mejorar los modelos y reducir el coste de ofrecer IA avanzada. Ese es el vínculo económico previsto entre el desarrollo de infraestructura y los servicios que utilizan las personas.
Por separado, OpenAI afirmó haber llegado a un acuerdo para aproximadamente 8 gigavatios-IT en el PORTS-Pike Technology Campus, en el condado de Pike, Ohio. Según la empresa, el sitio albergaría exclusivamente infraestructura de computación de IA de NVIDIA. El acuerdo establece un compromiso de infraestructura considerable, pero no debe presentarse como prueba de que toda esa capacidad ya esté operativa.
Microsoft y Google: distintas medidas de expansión
Microsoft anunció un campus de centros de datos de varios miles de millones de dólares en Pecos, Texas, que, según la empresa, ampliaría la capacidad mundial en unos 2 GW durante los próximos cinco a siete años. Microsoft lo calificó como una de las mayores incorporaciones individuales de capacidad de su historia. El plazo de desarrollo declarado importa tanto como la cifra de capacidad final.
Google anunció una inversión de 1.500 millones de dólares para ampliar su campus de centros de datos en el condado de Jackson, Alabama, durante 2026 y 2027. Se trata de una cifra de inversión, no de una medida directamente comparable de capacidad eléctrica o producción de computación de IA. Tratar los compromisos en dólares y los anuncios en gigavatios como si fueran intercambiables ocultaría el mercado en vez de aclararlo.
- Comprueba el estado: ¿La empresa habla de un acuerdo, obras en curso, capacidad planificada o capacidad de computación disponible?
- Comprueba la unidad: Los GW, los GW-IT, el gasto de inversión y los ingresos miden aspectos distintos del desarrollo.
- Comprueba el alcance: El anuncio de un solo campus puede diferir de un objetivo de infraestructura para toda la empresa.
- Comprueba el horizonte temporal: Los proyectos de varios años no deben presentarse como incorporaciones inmediatas de capacidad.
En particular, el anuncio de Ohio utiliza explícitamente la unidad GW-IT. Los lectores deben conservar esa denominación en lugar de tratarla tácitamente como idéntica a cualquier otra cifra de potencia. Los anuncios citados no proporcionan una base contable común que justifique sumar sin más todas las cifras.
La disponibilidad de energía está transformando la ubicación y el diseño de los campus
La energía se está convirtiendo en un factor determinante para elegir el emplazamiento, en lugar de ser un servicio que se aborda una vez definido el plan de computación. Los anuncios recientes de Google en Alabama, Texas y Michigan ilustran distintas formas de vincular el desarrollo de campus con la planificación energética.
En junio de 2026, Google e Intersect anunciaron el Meitner Energy Center en Texas, que combinará un nuevo centro de datos con nueva generación de energía limpia. Google describió el proyecto como un centro de datos situado junto a una fuente de energía limpia dedicada, con el objetivo de reducir la demanda sobre la red local. El cambio importante es que la generación forma parte del propio concepto de desarrollo.
El anuncio de Google sobre la fiabilidad de la red en Michigan adopta un enfoque relacionado. La empresa afirma que añadirá energía limpia disponible las 24 horas directamente a la red para dar soporte a un nuevo centro de datos y mejorar la fiabilidad de la red eléctrica del estado. Así, la necesidad de electricidad se plantea tanto como una cuestión de suministro para el campus como de infraestructura regional.
La generación en el mismo emplazamiento y el apoyo a la red responden a preguntas distintas
Estos enfoques no deben reducirse a una sola afirmación según la cual los campus ya no necesitan la red. La generación en el mismo emplazamiento aborda la relación entre un sitio y el nuevo suministro energético. Añadir energía directamente a la red aborda el sistema más amplio que da soporte al desarrollo. Ninguno de los anuncios, por sí solo, demuestra que un campus funcione independientemente de la infraestructura pública.
Esta distinción importa al evaluar los efectos locales. Un compromiso de nueva generación responde a una pregunta distinta de un compromiso sobre quién paga la infraestructura. Google afirma que financiará el 100 % de sus propios costes de energía e infraestructura para la ampliación de Alabama; esa declaración debe entenderse dentro del alcance de ese proyecto.
- Suministro: ¿Qué nueva generación o acuerdo energético está asociado al campus?
- Distribución: ¿Qué infraestructura de transmisión y eléctrica deberá dar soporte al sitio?
- Responsabilidad por los costes: ¿Qué costes se compromete explícitamente a financiar el promotor?
- Efectos regionales: ¿Qué beneficios para la fiabilidad de la red o la demanda local afirma la empresa?
La lección general no es que ya se haya impuesto un único modelo energético. Es que las propuestas de campus necesitan una estrategia energética explícita. Para promotores, clientes y comunidades, la comparación pertinente es entre planes completos de suministro y distribución, no simplemente entre ubicaciones con terrenos atractivos o ambiciones de computación anunciadas.
La densidad térmica de los chips de IA convierte la refrigeración en una decisión central de infraestructura
La refrigeración es otro motivo por el que ampliar la capacidad de IA no puede reducirse a instalar más servidores. En junio de 2026, Google Cloud señaló que los chips de IA y de computación de alto rendimiento de última generación superan habitualmente los 1.000 W de potencia de diseño térmico. Se trata de una medida térmica a nivel de chip, no de una medición de la demanda eléctrica total del campus.
Lo importante es la concentración de calor que la infraestructura debe gestionar. El plan de un campus debe vincular el hardware que se va a implementar con un sistema térmico capaz de darle soporte. Por tanto, la refrigeración debe formar parte del debate inicial sobre el diseño, junto con la energía y la computación, y no tratarse como un servicio secundario del edificio.
Empieza por el hardware previsto y las condiciones de funcionamiento
Una evaluación útil empieza por el equipo de computación previsto y pregunta qué enfoque de gestión térmica pretende utilizar el operador. La siguiente pregunta es si ese enfoque puede dar soporte a la implementación propuesta en sus distintas fases de desarrollo. Una descripción de refrigeración avanzada es menos útil si no se relaciona con el hardware al que debe dar servicio.
Esto también cambia la forma de comparar las instalaciones existentes con los campus diseñados específicamente para este fin. Reutilizar un sitio y desarrollar un campus nuevo son alternativas, pero su idoneidad no puede determinarse solo por la superficie disponible. El análisis debe incluir si la infraestructura eléctrica y térmica disponible se ajusta a la carga de trabajo de IA prevista.
- Define los requisitos del equipo. Determina qué necesita el hardware propuesto antes de evaluar si un edificio está preparado para la IA.
- Examina el diseño de refrigeración. Pregunta cómo prevé el operador gestionar la carga térmica y qué supuestos sustentan ese plan.
- Sincroniza las fases de implementación. Comprueba que la disponibilidad de refrigeración coincida con la llegada de la capacidad de computación.
- Evalúa la interacción operativa. Considera cómo responderá la gestión de cargas de trabajo cuando las condiciones térmicas o eléctricas limiten la capacidad utilizable.
Los anuncios citados no establecen una tecnología de refrigeración universal para todos los campus. Respaldan una conclusión más acotada, pero importante: el aumento de la densidad térmica de los chips convierte la gestión térmica avanzada en un requisito central de diseño. Las afirmaciones sobre un método de refrigeración concreto, el uso del agua o la eficiencia del sitio requieren pruebas específicas de cada proyecto.
Para quienes compran servicios de IA, esto es, en última instancia, una cuestión de calidad de la capacidad. El hardware instalado es solo una parte de la oferta. La infraestructura que lo sustenta debe permitir que el proveedor lo opere en las condiciones prometidas a los clientes.
Las fábricas de IA dependen de la orquestación y la resiliencia, no solo del tamaño
NVIDIA describe cada vez más estos desarrollos como fábricas de IA a escala de gigavatios. Su anuncio sobre campus vincula la infraestructura de IA a hiperescala con agentes de IA que optimizan dinámicamente la energía, la refrigeración y las cargas de trabajo. El término «fábrica» enfatiza un sistema de producción gestionado, en lugar de un conjunto pasivo de equipos de computación.
La idea útil detrás de esta terminología es la coordinación. La programación de cargas de trabajo y los sistemas eléctricos y de refrigeración se consideran aspectos operativos interconectados. Si alguna parte del campus limita la capacidad disponible, el software debe tener en cuenta esa circunstancia en lugar de dar por sentado que todos los recursos instalados se pueden utilizar por igual en todo momento.
La fiabilidad debe incorporarse al diseño del sistema
El anuncio de OpenAI sobre PORTS-Pike añade una dimensión de resiliencia. La empresa afirma que el proyecto publicará un documento técnico sobre diseño de infraestructura resiliente, cualificación rigurosa de componentes y gestión de cargas de trabajo a nivel de software. El objetivo declarado es mejorar la fiabilidad y el tiempo medio entre interrupciones.
Este compromiso es más concreto que una promesa general de contar con una instalación grande y moderna. Identifica el diseño físico, la cualificación de los equipos y el software como partes de un mismo problema de fiabilidad. También ofrece a quienes evalúen el proyecto en el futuro una publicación concreta con la que contrastar su enfoque técnico.
Sin embargo, la promesa de publicar un documento técnico no equivale a resultados operativos publicados. Hasta que haya pruebas pertinentes, lo adecuado es describir el enfoque anunciado y el resultado previsto sin afirmar que el campus ya haya alcanzado un nivel de fiabilidad determinado.
- Resiliencia física: ¿Cómo está diseñada la infraestructura para afrontar interrupciones o condiciones limitantes?
- Cualificación de componentes: ¿Qué proceso determina si los equipos son adecuados para el entorno operativo previsto?
- Gestión por software: ¿Cómo se coordinan las cargas de trabajo con la infraestructura realmente disponible?
- Pruebas operativas: ¿Qué resultados demuestran que el sistema ofrece un servicio de computación fiable?
Aquí es donde el concepto de campus deja de ser una simple historia inmobiliaria. La generación eléctrica y los edificios establecen el potencial físico; la orquestación y la resiliencia determinan con qué eficacia ese potencial se convierte en un servicio útil. Por tanto, evaluar una fábrica de IA exige prestar atención tanto a su plan de infraestructura como a su modelo operativo.
La economía conecta los chips, los modelos y el gasto en infraestructura
En agosto de 2026, OpenAI hizo explícito el argumento de la integración de toda la cadena y describió su estrategia de computación como un sistema que abarca centros de datos, chips, modelos de vanguardia, plataformas para desarrolladores, productos y dispositivos de IA. El mensaje estratégico es que las decisiones sobre infraestructura y las capacidades de los productos están conectadas, en lugar de gestionarse como capas completamente separadas.
El anuncio de The Barn expresa el resultado comercial previsto: más capacidad de computación puede contribuir a mejorar los modelos y reducir el coste de ofrecer IA avanzada. Este es el argumento de la empresa, no una prueba de que todos los campus adicionales vayan a reducir los precios para los clientes. El resultado depende de cómo la inversión se traduzca en servicios y producción de computación útiles.
Los indicadores de demanda explican la ambición
NVIDIA informó de unos ingresos récord de 75.200 millones de dólares en centros de datos en el primer trimestre fiscal de 2027, un aumento interanual del 92 %. Esto ofrece un indicio concreto de la demanda concentrada en la infraestructura de centros de datos. No mide la capacidad de campus terminada, pero ayuda a explicar la magnitud de la atención inversora.
En agosto de 2026, NVIDIA también afirmó que la cartera de pedidos del sector de la nube superaba los 2 billones de dólares y estimó que el gasto de capital de los cinco principales hiperescaladores podría alcanzar casi 800.000 millones de dólares en 2026 y 1,3 billones en 2027. Estas cifras deben conservar su atribución y condición: son la evaluación de NVIDIA sobre la cartera de pedidos y sus estimaciones de gasto, no garantías de construcción o ingresos futuros.
La integración también genera compensaciones y oportunidades
Una cadena tecnológica estrechamente coordinada puede diseñarse en torno a una plataforma de computación y un enfoque operativo definidos. Por ejemplo, el acuerdo de PORTS-Pike especifica que el sitio albergará exclusivamente infraestructura de computación de IA de NVIDIA. Esto convierte la elección de plataforma en una característica explícita del proyecto, y no en un detalle incidental de adquisición.
Para quienes planifican la infraestructura, la pregunta correspondiente es cuánta especialización se ajusta al servicio previsto. Un campus diseñado en torno a una plataforma concreta puede respaldar una estrategia centrada, mientras que un plan que conserve más opciones de hardware responde a otra prioridad. Los datos proporcionados no establecen cuál de estos enfoques ofrecerá mejores resultados económicos para todas las cargas de trabajo.
Por tanto, la evaluación adecuada no consiste simplemente en preguntarse si el gasto es suficientemente elevado. Se trata de determinar si la infraestructura, el hardware, el software operativo y la estrategia de producto encajan entre sí. El crecimiento de los ingresos y las previsiones de gasto de capital muestran el impulso del mercado; para evaluar la economía de cada proyecto, aún hacen falta pruebas sobre el servicio que podrá ofrecer el sistema una vez terminado.
Los beneficios regionales y la estrategia nacional forman parte cada vez más del plan
El desarrollo de campus también se está convirtiendo en una cuestión de economía regional e infraestructura pública. La actividad reciente descrita aquí abarca Texas, Michigan, Ohio, Alabama y Finlandia. Apunta a una red geográficamente distribuida de desarrollos, en lugar de una historia limitada a un solo lugar o a un puñado de regiones de nube ya existentes.
Cada ubicación pone de relieve un conjunto distinto de compromisos. La inversión energética, el empleo en la construcción, los puestos permanentes y los programas de formación forman ahora parte de la manera en que las empresas explican sus proyectos. Estos compromisos merecen un análisis por separado, en lugar de agruparse en una única afirmación de beneficio comunitario.
Los empleos de construcción y el empleo permanente son resultados distintos
Microsoft afirma que su campus de Pecos podría respaldar más de 6.000 empleos de construcción durante el pico de las obras y crear cientos de puestos permanentes. Ambas cifras importan, pero describen fases y tipos de empleo distintos. La actividad máxima de construcción no debe presentarse como el nivel de personal permanente del campus.
La ampliación de Google en Alabama incluye un Fondo de Impacto Energético de 2 millones de dólares y apoyo a la educación STEM. Su compromiso en Finlandia incluye formación en IA para más de 4.400 trabajadores y capacitación de 100 estudiantes para carreras en centros de datos. Se trata de iniciativas concretas de empleo y apoyo comunitario, no de pruebas de que cada participante vaya a obtener un puesto determinado.
- Empleo: Distingue la actividad temporal de construcción de los puestos operativos permanentes.
- Formación: Diferencia el acceso a la educación de los resultados de contratación medidos.
- Compromisos energéticos: Examina la financiación declarada y los acuerdos de apoyo a la red.
- Rendición de cuentas: Comprueba si se cumplen los programas y compromisos de infraestructura anunciados.
El argumento de la infraestructura nacional eleva las apuestas
El documento de OpenAI de enero de 2026 sostiene que la infraestructura moderna de IA, incluida la energía, la computación y los chips, debe tratarse como un activo estratégico nacional. Esta es una postura política, pero refleja el alcance cada vez mayor de la planificación de infraestructuras. Un campus puede considerarse a la vez una inversión comercial, un proyecto de desarrollo regional y parte de la capacidad nacional en IA.
Este enfoque más amplio no elimina la necesidad de pruebas locales. La importancia estratégica no demuestra que una ubicación concreta cuente con un plan energético adecuado, un programa de formación pertinente o un calendario de desarrollo viable. Las propuestas más sólidas vinculan sus ambiciones nacionales con compromisos específicos y evaluables en cada emplazamiento.
Cómo evaluar un campus de computación más allá de la cifra anunciada
Para compradores empresariales, inversores, promotores y responsables públicos, la tarea central consiste en convertir un anuncio general sobre un campus en una serie de preguntas que puedan responderse. El objetivo no es exigir todos los detalles técnicos desde el principio, sino identificar qué dependencias separan un anuncio de un servicio de IA fiable.
- Determina el estado real del proyecto. Registra si el anuncio se refiere a un acuerdo, el inicio de las obras, una inversión de ampliación, capacidad futura o capacidad de computación disponible actualmente. Mantén asociado a la afirmación el plazo de desarrollo indicado.
- Homogeneiza el lenguaje, no las cifras. Conserva las diferencias entre GW, GW-IT, gasto e ingresos. No calcules un total a menos que las medidas subyacentes y los límites de los proyectos sean realmente comparables.
- Analiza el plan energético. Identifica la generación propuesta, el apoyo a la red y los acuerdos de distribución. Distingue los compromisos de pagar costes de los compromisos de añadir suministro.
- Relaciona el hardware con la gestión térmica. Pregunta si el plan de refrigeración es adecuado para el equipo propuesto y si estará disponible en cada fase de implementación.
- Examina el modelo operativo. Busca planes de gestión de cargas de trabajo y resiliencia, no solo especificaciones de equipos. Distingue las intenciones de diseño del rendimiento operativo demostrado.
- Revisa los compromisos locales. Separa el empleo en la construcción, los puestos permanentes, la formación, la financiación comunitaria y las obligaciones energéticas para poder evaluar cada aspecto por separado.
Elige las alternativas en función de la limitación real
No todas las organizaciones necesitan desarrollar o controlar un campus para beneficiarse de una infraestructura a escala de campus. Quien se plantea utilizar servicios externos de IA evalúa la capacidad del proveedor para ofrecer capacidad útil, mientras que quien desarrolla infraestructura evalúa lo necesario para crear esa capacidad. Son decisiones relacionadas, pero distintas.
Del mismo modo, un campus nuevo y la ampliación de uno existente no deben compararse solo por su tamaño. La comparación pertinente es cómo aborda cada opción los requisitos de la implementación propuesta. Una gran extensión de terreno no resuelve por sí sola la distribución eléctrica, y una ubicación consolidada no es automáticamente adecuada para las exigencias térmicas del nuevo hardware.
La disciplina más útil consiste en identificar primero la dependencia que limita el proyecto. Si la distribución eléctrica sigue sin resolverse, comprometerse a adquirir más chips no soluciona el problema. Si el modelo operativo no está claro, añadir edificios no garantiza la fiabilidad del servicio. Así, la evaluación se centra en la siguiente decisión que realmente puede cambiar el grado de preparación del proyecto.
¿Qué demostrará que la infraestructura de IA a escala de campus está funcionando?
La próxima prueba es la ejecución, no un nuevo vocabulario. Llamar «fábrica de IA» a un desarrollo no demuestra su eficacia, del mismo modo que anunciar gigavatios no demuestra que el servicio de computación correspondiente esté disponible. Los indicadores de progreso útiles vinculan la construcción física con la prestación operativa.
Los proyectos descritos aquí ofrecen varios aspectos concretos que conviene observar. El anuncio de Microsoft sobre Pecos incluye un plazo de cinco a siete años para ampliar la capacidad. La inversión de Google en Alabama tiene un periodo declarado para 2026 y 2027, además de compromisos específicos sobre los costes energéticos y la comunidad. El anuncio de OpenAI sobre PORTS-Pike menciona una publicación técnica prevista sobre resiliencia.
- Entrega de capacidad: ¿Informa la empresa de que la infraestructura planificada ya está disponible, utilizando medidas claramente definidas?
- Suministro energético: ¿Avanzan la generación asociada, el apoyo a la red y los compromisos de infraestructura al mismo ritmo que el desarrollo de la capacidad de computación?
- Transparencia técnica: ¿Explican las publicaciones y actualizaciones prometidas cómo está diseñado y cómo funciona el sistema?
- Resultados del servicio: ¿Hay pruebas que respalden las afirmaciones sobre fiabilidad, capacidad de los modelos o reducción de los costes de prestación?
- Cumplimiento de los compromisos regionales: ¿Se están llevando a cabo los programas de formación, los fondos comunitarios y los compromisos de empleo tal como se describieron?
Estos indicadores son más informativos que tratar cada nuevo anuncio como una confirmación de la misma historia de crecimiento. Permiten distinguir la ambición de la ejecución y la escala de la infraestructura del valor operativo. También permiten evaluar proyectos con diseños distintos sin fingir que todos tienen los mismos objetivos.
Para quienes utilizan IA, el resultado significativo es acceder a servicios capaces y fiables. Para quienes desarrollan infraestructura, es contar con un sistema cuyos elementos de computación, electricidad, gestión térmica y software funcionen conjuntamente. Para las regiones que acogen los proyectos, es que se cumplan los compromisos concretos sobre energía, empleo y comunidad asumidos durante el desarrollo.
Los campus de computación están transformando la infraestructura de IA porque el cuello de botella ya no es solo la capacidad de computación: es la combinación de computación, energía, refrigeración y funcionamiento fiable. Los anuncios recientes muestran que las empresas planifican a esa escala integrada, y también ponen de manifiesto diferencias importantes en el estado de los proyectos, las estrategias energéticas, la elección de plataformas y los compromisos regionales.
La conclusión práctica es evaluar el sistema completo, no la cifra más grande del anuncio. Conserva las unidades, examina las dependencias y busca pruebas de que la capacidad planificada se convierta en un servicio utilizable. Esa es la forma más clara de determinar si un campus está impulsando la capacidad de la IA o simplemente ampliando su huella de infraestructura.
