ASML y la IA: por qué fabricar 60 máquinas de litografía al año marca el ritmo de la industria

Introducción

En 2026, ASML planea entregar 60 máquinas de litografía ultravioleta extrema (EUV). Una cifra que, en el mundo de la IA, parece insignificante frente a los miles de millones invertidos en centros de datos o modelos de lenguaje. Pero ahí radica la paradoja: sin esas 60 máquinas anuales —cada una del tamaño de un autobús y ensamblada durante meses en salas limpias—, no habría chips avanzados para entrenar modelos de IA a gran escala. La IA no depende solo de algoritmos o GPUs; depende de una cadena de suministro física que, en su eslabón más crítico, está dominada por una sola empresa europea.

Este artículo explora por qué la capacidad de producción de ASML no es un dato más, sino un factor limitante para el crecimiento de la IA en los próximos años. Y cómo esa restricción afecta directamente a equipos de DevOps, cloud e infraestructura que dependen de hardware avanzado para desplegar servicios escalables, seguros y de alto rendimiento.

Qué ocurrió

En abril de 2025, ASML —la única empresa en el mundo que fabrica máquinas de litografía EUV— anunció que produjo 44 máquinas EUV en 2024, con planes de escalar a 60 en 2026 y 80 en 2027. La cifra es baja comparada con la demanda de chips, pero crítica porque no hay alternativas. China está acelerando su propio desarrollo de litografía EUV, pero aún no compite en volumen ni precisión con ASML, que mantiene un monopolio de facto en equipos para fabricar semiconductores de 7 nm o menos.

El problema no es solo la cantidad, sino la complejidad técnica y logística detrás de cada máquina:

• Tamaño y precisión: Una máquina EUV pesa 180 toneladas, mide 10 metros de largo y requiere una precisión de subnanómetros para proyectar patrones en obleas de silicio. Un error de alineación de solo 1 nanómetro puede arruinar un chip.
• Ambiente controlado: Se ensamblan en salas limpias ISO Clase 3 (menos de 35 partículas de 0.5 µm por m³ de aire). Una sola partícula de polvo puede inutilizar un componente óptico valuado en millones de dólares.
• Cadena de suministro global: Cada máquina usa 5,000 componentes de más de 1,000 proveedores. Un retraso en un láser de CO₂ de Trumpf o un espejo de Zeiss puede paralizar la producción.

La escalabilidad no es lineal. Mientras Meta o Google anuncian inversiones de $600 mil millones en infraestructura de IA para 2026, ASML depende de:

1. Infraestructura física: Los clientes (TSMC, Samsung, Intel) deben construir salas limpias dedicadas con suministro eléctrico de 20 MW por máquina (equivalente a una pequeña ciudad).
2. Talento técnico: En Países Bajos, donde está ASML, hay escasez de ingenieros en óptica y mecatrónica. La empresa recurre a universidades como TU Delft y Eindhoven University of Technology para formar perfiles especializados.
3. Regulaciones geopolíticas: Las restricciones de exportación de EE.UU. a China limitan el mercado de ASML, pero también reducen la competencia global en equipos EUV.

Impacto para DevOps, Infraestructura y Cloud

Para equipos de DevOps: la dependencia de hardware avanzado

Los equipos que despliegan infraestructura en la nube o en centros de datos propios no suelen pensar en ASML, pero su trabajo depende indirectamente de él. Cada GPU NVIDIA H100 o AMD MI300X —usada en modelos como Llama 3 o Mistral— se fabrica con procesos de 5 nm o 3 nm, que requieren máquinas EUV de ASML. Sin ellas:

• Retrasos en disponibilidad de hardware: En 2023, TSMC reportó un 20% de retraso en entregas de chips 5G por falta de capacidad EUV en ASML.
• Costos elevados: El precio de una máquina EUV supera los $150 millones, y su amortización se traslada a los chips. Esto encarece los servidores para IA, afectando márgenes de proveedores como AWS o Azure.
• Limitaciones en escalabilidad: En 2024, Microsoft reportó que solo el 30% de sus GPUs H100 estaban disponibles para entrenamiento de modelos debido a cuellos de botella en la fabricación de chips.

• La capacidad de entrenamiento podría estar restringida por la disponibilidad de chips avanzados.
• Los costos de infraestructura podrían aumentar hasta un 15% por mayor demanda de GPUs más potentes (pero más escasas).

Para equipos de Infraestructura: la energía y el espacio como barreras ocultas

Cada máquina EUV consume 2 MW de energía continua durante su operación. Para instalar una, se necesita:

• Una subestación eléctrica dedicada (TSMC construyó una en Taiwán solo para sus máquinas EUV).
• Sistemas de refrigeración líquida (el calor residual puede superar los 10 MW por máquina).
• Espacio físico: Una sala limpia para una máquina EUV requiere mínimo 1,500 m² acondicionados.

• Inversión inicial: Construir una sala limpia cuesta entre $50 y $200 millones, dependiendo del país. Esto desincentiva a actores pequeños o regionales a competir en el mercado de chips para IA.
• Latencia en despliegues: En 2025, un proveedor europeo de IA reportó que el 40% del tiempo de despliegue de un nuevo clúster se dedicó a preparar la infraestructura física para recibir una máquina ASML.

Para equipos de Seguridad: riesgos en la cadena de suministro

La dependencia de ASML introduce vectores de riesgo no tradicionales:

1. Monopolio geográfico: El 90% de las máquinas EUV están en Taiwán, Corea del Sur y Países Bajos. Un conflicto en el Estrecho de Taiwán o sanciones a Países Bajos podría paralizar el 100% de la producción.
2. Componentes críticos sin alternativa: Por ejemplo, los láseres de CO₂ de Trumpf (usados en las máquinas EUV) tienen un lead time de 18 meses. Si fallan, no hay reemplazo inmediato.
3. Ciberriesgos en proveedores: En 2023, ASML descubrió un ataque de ransomware en un proveedor de software de diseño (Synopsys), retrasando componentes clave.

• Auditar contratos con proveedores de chips para identificar dependencias de ASML.
• Planificar redundancias: Evaluar alternativas como litografía por inmersión (DUV) o chips 7 nm (que pueden fabricarse con máquinas menos avanzadas, aunque con menor eficiencia energética).

Detalles técnicos

Especificaciones de las máquinas EUV de ASML

1. Proveedores clave:

– Zeiss (Alemania): Produce los espejos ópticos. Un defecto en un espejo puede requerir reemplazo de 6 meses.

– ASML Lithography Systems (Países Bajos): Ensambla los sistemas. El 60% de sus empleados tienen doctorados en óptica o mecatrónica.

1. Regulaciones:

– En 2024, ASML recibió $3 mil millones en multas por violar sanciones a Rusia (usadas en chips militares).

1. Tecnologías alternativas:

– Litografía por haz de electrones (EBL): En desarrollo por IMS Nanofabrication (Austria), pero aún 10 años lejos de escalar.

Qué deberían hacer los administradores y equipos técnicos

1. Para equipos de DevOps: planificar con anticipación

• Evaluar dependencias de hardware:

  # Ejemplo de comando para listar GPUs en un clúster (usando nvidia-smi)
  nvidia-smi --query-gpu=name,compute_cap --format=csv
  

– Si el modelo usa GPUs NVIDIA H100 o AMD MI300X, contactar al proveedor de chips (TSMC, Samsung) para confirmar lead times de entrega.

– Priorizar chips 7 nm o 10 nm si no hay disponibilidad de 5 nm (aunque con menor eficiencia energética).

• Diversificar proveedores de nube:

– Negociar contratos con cláusulas de disponibilidad (ej: «95% de uptime garantizado en GPUs H100»).

2. Para equipos de Infraestructura: optimizar recursos físicos

• Auditar salas limpias:

– 20 MW por rack (para GPUs como NVIDIA GB200).

– Sistemas de refrigeración líquida (ej: CoolIT o Asetek).

– Ejemplo de configuración mínima:

    # Configuración de refrigeración para un rack con 8 GPUs H100
    rack:
      potencia_max: 25000  # 25 kW por rack
      refrigeracion:
        tipo: "líquida"
        flujo_min: 10  # litros por minuto
        temperatura_entrada: 18  # °C
    

• Planificar redundancias geográficas:

– Usar chips menos avanzados (ej: AMD MI250X) en regiones con restricciones eléctricas.

3. Para equipos de Seguridad: mitigar riesgos en la cadena

• Mapear dependencias críticas:

  # Ejemplo de script para identificar proveedores de chips en un clúster Kubernetes
  kubectl get pods -A -o json | jq '.items[].spec.containers[].image' | grep -E "nvidia|amd" | sort | uniq
  

– Si el 80% de las imágenes usan GPUs NVIDIA, priorizar contratos con TSMC o Samsung para garantizar suministro.

– Evaluar alternativas:

– AWS Trainium: Chips custom de Amazon con litografía DUV (menos precisa, pero más accesibles).

– Google TPU v5: Usan procesos de 4 nm, pero con menor consumo energético.

• Auditar proveedores de ASML:

– Certificaciones ISO 27001 (seguridad de la información).

– Planes de continuidad de negocio (ej: backups de láseres críticos).

4. Para equipos de SRE: monitorear métricas clave

• Indicadores de salud de la cadena de suministro:

– Temperatura y humedad en salas limpias (usar sensores como Sensirion).

– Disponibilidad de GPUs en la nube (consultar APIs de proveedores como NVIDIA LaunchPad).

• Alertas tempranas:

– Tiempo de espera en pedidos de GPUs > 6 meses.

– Consumo eléctrico por rack > 20 kW (riesgo de sobrecalentamiento).

Conclusión

ASML y sus 60 máquinas EUV anuales no son un dato menor: son el cuello de botella físico que define el ritmo de crecimiento de la IA en los próximos años. Para equipos de DevOps, infraestructura y seguridad, esto significa:

1. Planificar con años de anticipación: La disponibilidad de chips avanzados no es un problema de software, sino de infraestructura física y geopolítica.
2. Optimizar recursos: Desde salas limpias hasta contratos con proveedores, cada decisión técnica debe considerar la escasez de hardware avanzado.
3. Diversificar riesgos: No depender de un solo proveedor de chips (TSMC, Samsung) ni de un solo país (Taiwán, Países Bajos).

La IA no se limita a modelos más grandes o centros de datos más potentes: su escalabilidad depende de una cadena de suministro que, en su núcleo, sigue siendo frágil. Los equipos técnicos que entiendan estas limitaciones —y actúen en consecuencia— serán los que logren desplegar infraestructura resiliente en un mundo donde el hardware más avanzado es, irónicamente, el más escaso.

Fuentes

• ASML Reports Q1 2025 Earnings: EUV Production Forecast
• Semiconductor Intelligence: Global EUV Lithography Market
• NVIDIA H100 Specifications
• TSMC 2024 Annual Report: Capacity Constraints
• RIPE Labs: Geopolitical Risks in Semiconductor Supply Chains
• Qualys Blog: Supply Chain Attacks in Tech Manufacturing