Durante décadas, el avance de la inteligencia artificial ha dependido de una carrera armamentista en silicio: chips más pequeños, más transistores, más watts consumidos. Pero en mayo de 2026, un reporte publicado en Photonics Spectra vuelve a poner sobre la mesa una alternativa radical: la IA óptica, un paradigma donde los fotones sustituyen a los electrones como protagonistas del cómputo.
¿Qué es exactamente la IA óptica?
La computación óptica no es un concepto nuevo. Los investigadores llevan años explorando la posibilidad de usar luz —concretamente fotones láser— para realizar operaciones matemáticas. Lo que ha cambiado en los últimos dos años es la escala y la aplicabilidad directa a redes neuronales artificiales.
Un procesador óptico no almacena datos en transistores que se abren y cierran, sino que codifica información en propiedades de la luz: amplitud, fase y polarización. Las multiplicaciones matriciales —la operación más repetida en cualquier red neuronal— pueden ejecutarse a la velocidad de la luz y con un consumo energético drásticamente menor.
Empresas como Lightmatter, con sede en Boston, y el spin-off del MIT Luminous Computing, llevan años desarrollando chips fotónicos que prometen realizar inferencia de modelos de lenguaje hasta 100 veces más rápido que una GPU convencional en ciertas cargas de trabajo. El informe de Photonics Spectra de este mes señala avances concretos en la integración de estos procesadores con arquitecturas de transformadores, el corazón de modelos como GPT o Gemini.
Las ventajas reales frente al hardware convencional
El argumento más contundente a favor de la IA óptica no es solo la velocidad bruta, sino la eficiencia energética. Entrenar un modelo grande como GPT-4 consumió, según estimaciones de investigadores de la Universidad de Washington, más de 50 gigawatts-hora de electricidad. Los centros de datos que alimentan la IA representan ya el 2% del consumo eléctrico mundial, y esa cifra crece cada año.
Los procesadores fotónicos operan sin la resistencia eléctrica que genera calor en los chips de silicio. En la práctica, esto significa:
- Menor consumo energético por operación de punto flotante (FLOP).
- Menor necesidad de refrigeración, uno de los costos ocultos más grandes de los centros de datos modernos.
- Latencia ultrarraja para tareas de inferencia en tiempo real, clave en aplicaciones como vehículos autónomos o diagnóstico médico instantáneo.
Sin embargo, la tecnología no está exenta de limitaciones. La programación de estos chips requiere representar los pesos de una red neuronal como señales ópticas, lo que introduce errores de precisión. Además, fabricar chips fotónicos a escala es sustancialmente más complejo que la litografía de silicio convencional.
El estado actual del mercado y la investigación
El ecosistema de startups en computación fotónica ha captado más de 800 millones de dólares en financiamiento de riesgo desde 2020, según datos de PitchBook. Intel y NVIDIA han publicado investigaciones propias en integración electro-óptica, lo que sugiere que los gigantes del sector no están ignorando esta tendencia.
En el ámbito académico, el MIT y Caltech han publicado en 2025 y principios de 2026 resultados prometedores con redes neuronales ópticas difractivas (D2NN, por sus siglas en inglés), capaces de clasificar imágenes usando únicamente luz que pasa a través de capas físicas de material. No hay software en el ciclo de inferencia: el propio aparato físico es la red neuronal.
Esto plantea preguntas filosóficas interesantes sobre qué significa realmente "ejecutar" un modelo de IA, pero también abre puertas prácticas enormes para dispositivos de borde (edge AI) que necesitan velocidad sin conectividad a la nube.
¿Cuándo llegará a producción masiva?
Los analistas del sector son cautelosos. La mayoría de los sistemas ópticos actuales funcionan bien para inferencia pero tienen serias dificultades para el entrenamiento, que requiere operaciones de retropropagación extremadamente precisas. Hybrid approaches —chips que combinan procesamiento óptico para las capas de atención y silicio convencional para el resto— parecen ser el camino más viable en el corto plazo.
El consenso entre investigadores consultados por Photonics Spectra apunta a que veremos los primeros aceleradores ópticos en centros de datos comerciales entre 2027 y 2029. No sustituirán a las GPU de inmediato, pero podrían especializarse en tareas de inferencia masiva donde el ahorro energético justifique la inversión.
En un mundo donde la sostenibilidad del cómputo se ha convertido en una preocupación real —no solo un argumento de marketing— la IA óptica deja de ser ciencia ficción y empieza a parecerse cada vez más a la próxima gran apuesta de la industria tecnológica.
