¿Cómo cambiará México con la supercomputadora Coatlicue?

Coatlicue, la supercomputadora pública de México: 314 petaflops, 24 meses de despliegue y 6.000 millones de pesos con usos reales y aliados.

México ha puesto nombre y números a su salto al supercómputo público. Coatlicue, bautizada como la diosa mexica de la tierra, nace con el objetivo de situar al país en la primera línea de la inteligencia artificial y el procesamiento masivo de datos en América Latina. El plan oficial fija una capacidad de 314 petaflops, una inversión pública inicial de 6.000 millones de pesos y un horizonte de 24 meses para su despliegue. Se trata de un proyecto de Estado bajo el paraguas del Plan México que la presidenta Claudia Sheinbaum presentó como palanca tecnológica para ciencia, industria y administración pública. En números sencillos: será el sistema público de cálculo más potente de la región y multiplicará, de entrada, la potencia disponible hoy en el ecosistema mexicano.

La máquina —concebida para entrenar modelos avanzados de IA, simular fenómenos naturales y analizar grandes volúmenes de datos— se construirá con una malla de aceleradores (GPU) de última generación que, sumados, equivalen a entre 375.000 y 400.000 ordenadores trabajando en paralelo. El Gobierno prevé arrancar la instalación el próximo año y activar servicios de forma escalonada, mientras se culmina el montaje durante dos ejercicios. La sede se definirá con criterios técnicos —energía, agua, conectividad, sismicidad— tras un proceso que el Ejecutivo ha calendarizado para enero de 2026. El relato, sí, es ambicioso: México quiere un supercomputador público a la altura de sus retos productivos y científicos, y pretende hacerlo con reglas claras de acceso para universidades, centros de investigación, instituciones y empresas.

Un salto cuantitativo: potencia, coste y calendario

Coatlicue se ha diseñado con una arquitectura eminentemente paralela. El dato que lo resume todo: 314 petaflops. Es decir, una capacidad teórica para ejecutar 314.000 billones de operaciones por segundo en precisión de cómputo orientada a IA. Esta cifra coloca al sistema, sobre el papel, muy por encima del techo que hoy exhiben los mayores equipos públicos de Hispanoamérica. Para lograrlo, el Gobierno y su equipo técnico han planificado un clúster con entre 14.480 y 15.000 GPU, integradas en alrededor de 7.500 chasis y 200 gabinetes de alta densidad. La escala importa: hablamos de decenas de kilómetros de cableado, redes de interconexión de baja latencia y un sistema de almacenamiento de varios petabytes preparado para mover datos sin cuellos de botella.

El presupuesto inicial asciende a 6.000 millones de pesos. No es una cifra menor, pero hay matiz: en HPC (high-performance computing) el coste de operación —energía, refrigeración, mantenimiento, renovación de tarjetas— pesa tanto o más que el coste de adquisición. Por eso Coatlicue nace con dos decisiones técnicas que condicionan el ciclo de vida del centro: refrigeración líquida directa (para extraer calor con mayor eficiencia que el aire) y contratos eléctricos que priorizan el acceso a potencia de base con garantías de suministro. El cronograma oficial habla de 24 meses hasta la plena capacidad, con hitos intermedios para ir entregando “islas” de cómputo utilizables por la comunidad científica y tecnológica conforme se van certificando.

El proyecto se inscribe en el Plan México, la hoja de ruta económico-industrial de la Presidencia que busca acelerar inversión productiva, relocalización de cadenas (nearshoring) y adopción de tecnologías avanzadas. En la práctica, Coatlicue será el corazón digital de ese impulso: un servicio de supercómputo público que aumenta por siete la potencia de referencia en la región y abre espacio a casos de uso que hoy se contratan fuera del país por falta de capacidad.

Quiénes están detrás y cómo se va a gobernar

La presidenta Claudia Sheinbaum Pardo es la cara política del anuncio, pero la ingeniería institucional tiene más nombres propios. En el diseño y coordinación aparecen la Secretaría de Ciencia, Humanidades, Tecnología e Innovación (Secihti) y la Agencia de Transformación Digital y Telecomunicaciones (ATDT), dirigida por José Antonio Peña Merino (Pepe Merino), que ha puesto las cifras y los plazos sobre la mesa. El mensaje es nítido: un activo de uso público gestionado con criterios técnicos, con vocación de servicio para academia, centros de datos públicos, dependencias gubernamentales y también sector privado bajo reglas de acceso transparentes.

La gobernanza combinará un equipo operativo con comités de asignación de tiempo de cómputo y almacenamiento. La idea, importada de los grandes centros europeos, pasa por convocatorias periódicas donde grupos de investigación, laboratorios o empresas presenten proyectos, justifiquen recursos y reciban un cupo temporal. Habrá prioridades estratégicas (por ejemplo, salud, clima o seguridad alimentaria) y cuotas orientadas a emprendimiento y pymes tecnológicas que busquen entrenar o afinar modelos sin capacidad propia. El objetivo es doble: maximizar el uso —la máquina no puede estar ociosa— y democratizar el acceso a la computación de altas prestaciones, hoy concentrada en grandes multinacionales.

Acceso abierto con prioridades claras

No habrá barra libre; sí reglas previsibles. La computación de propósito general convivirá con una cola prioritaria para emergencias nacionales (por ejemplo, simulaciones críticas ante huracanes o incendios), y con un carril específico para proyectos de alto impacto validados por pares. Los contratos con empresas —tarifas competitivas, propiedad de datos y cláusulas de confidencialidad— darán aire financiero al centro y, a la vez, tejerán comunidad industrial: desde fintech que buscan detectar fraudes hasta agrotech que optimizan riegos con visión por computador. La formación de talento será parte del paquete: se prevén escuelas de verano, residencias técnicas y plazas para operadores de centros de datos y administradores de clústeres. No basta con comprar hardware; se necesita gente que lo exprima.

Para qué servirá: usos concretos y medibles

La lista de aplicaciones no es retórica. Coatlicue nace para entrenar y afinar modelos de IA de gran tamaño en castellano y lenguas indígenas, crear gemelos digitales de cuencas hidrológicas y centros urbanos, ejecutar modelos numéricos de predicción meteorológica a alta resolución y correr simulaciones de dinámica de fluidos o mecánica de materiales que hoy requieren semanas en equipos modestos. En salud, abre la puerta a genómica clínica, diseño computacional de fármacos o radiología asistida por IA con garantías de soberanía de datos. En agricultura, permitirá ajustar modelos de rendimiento de cultivos con datos satelitales e históricos; en energía, evaluar redes eléctricas con integración masiva de renovables y almacenamiento.

Hay, también, un uso de política pública que el equipo ha verbalizado con claridad: analítica fiscal y detección de fraude. Con flujos de datos de facturación electrónica, aduanas, comercio exterior y bancarización, un sistema con cientos de petaflops puede desplegar modelos de riesgo en tiempo casi real para encontrar patrones anómalos sin fisgonear donde no debe: con anonimización y controles. En seguridad civil, modelos de propagación de incendios, análisis forense de vídeo y sistemas de búsqueda en grandes bases de datos pueden ganar minutos que salvan vidas. Y en cultura y educación, desde restauración digital de patrimonio hasta plataformas educativas con tutores inteligentes entrenados en contenidos locales. No es ciencia ficción; son cargas de trabajo que ya corren en supercomputadores públicos de Europa y Asia y que ahora tendrán “casa” mexicana.

Dónde se ubicará y qué condiciones exige

La ubicación definitiva se resolverá en enero de 2026 con criterios técnicos. El pliego es conocido en el sector: potencia eléctrica disponible y estable, acceso hídrico suficiente para refrigeración líquida, conectividad de fibra óptica de muy alta capacidad —idealmente anillos redundantes— y riesgo sísmico acotado por diseño de infraestructura. A partir de ahí, entran variables logísticas: cercanía a universidades y centros de investigación, disponibilidad de suelo y normativas urbanísticas. Hay, además, una capa ambiental. El plan contempla contratos de energía que prioricen fuentes renovables, estrategias de reaprovechamiento de calor —por ejemplo, para climatizar edificios colindantes— y monitoreo en tiempo real del consumo.

La sala blanca que alojará Coatlicue tendrá que soportar densidades térmicas muy altas por rack, con distribución de manifolds para líquido, sistemas inerciales y de backup y una cadena de seguridad física —accesos, CCTV, zonas estancas— que cumpla estándares internacionales. En comunicaciones, redes InfiniBand o Ethernet de muy baja latencia con topologías de alto bisection bandwidth, segmentación por microservicios y zonas air-gapped para datos especialmente sensibles. Son palabras mayores; el país, eso sí, cuenta con comunidades de operadores y administradores que han llevado centros universitarios y estatales a niveles muy solventes. Ahora toca multiplicar escala y profesionalizar turnos.

La cooperación internacional: de Barcelona a Pune

El Gobierno ha anunciado acuerdos técnicos con el Barcelona Supercomputing Center (BSC) y con el Centre for Development of Advanced Computing (C-DAC) de la India. Dos socios con pedigrí. El BSC, responsable del MareNostrum y nodo clave de la red europea de supercomputación, aporta metodologías de operación, optimización de cargas y —probablemente— asesoría en eficiencia energética. C-DAC, artífice del programa nacional indio de HPC, tiene experiencia en despliegues rápidos y escalables, además de bibliotecas y middleware adaptados a arquitecturas heterogéneas. Para México, esta cooperación reduce curvas de aprendizaje y, sobre todo, baja el riesgo de “aprender caro” con una máquina de estas dimensiones.

En paralelo, Coatlicue se integrará en el Clúster Nacional de Súper Cómputo, una malla de centros universitarios y públicos que compartirá no solo capacidad sino también servicios (desde almacenamiento de objetos hasta colas de batch federadas) y procedimientos. El flujo natural es que una simulación pequeña arranque en un clúster regional y, si escala, se “promueva” a Coatlicue con datos y contenedores portables. Eso exige estándares, herramientas unificadas y devops científico para que el salto no sea traumático.

El contexto latinoamericano: ¿cuánto es 314 petaflops?

En la jerga del sector, un petaflop equivale a mil billones de operaciones de coma flotante por segundo. Con 314 petaflops, Coatlicue aspira a colocarse muy por delante de la referencia regional actual —ubicada en Brasil— y a dejar atrás, de manera holgada, la capacidad del mejor sistema mexicano activo hoy, identificado por las autoridades como Yucca (Sonora). Aquí conviene una precisión técnica: el “ranking” internacional depende de benchmarks específicos (LINPACK, HPL-AI) y de la precisión numérica usada (cuanto menor la precisión, mayor el número). Por eso las comparaciones deben hacerse con cautela. Aun así, hay consenso en la magnitud: con más de 14.000 GPU y esa potencia teórica, el sistema mexicano entraría en la parte alta del Top500 si se ejecutan los test estándar, y tendría condiciones para programas de IA a la escala que hoy monopolizan unos pocos centros comerciales.

El ejemplo práctico ayuda. Un modelo lingüístico de decenas de miles de millones de parámetros que hoy tarda semanas en entrenarse en un clúster medio podría reducirse a días al distribuir el trabajo en miles de GPU coordinadas. O un modelo climático regional con celda de kilómetro que exige petabytes de entrada —observaciones, satélite, batimetrías— puede cumplir ventanas de cálculo subdiarias. En finanzas públicas, cadenas de árboles de decisión y redes neuronales para señales débiles corren en tiempo real con los ancho de banda y memorias adecuados. Son ejemplos con impacto inmediato y medible.

Qué gana México: soberanía de datos, industria y talento

Hay dos ideas que atraviesan el proyecto. La primera: soberanía tecnológica. Acceder a cómputo de altas prestaciones en el propio territorio y bajo regla pública reduce la dependencia de nubes extranjeras, baja costos de latencia y —clave— permite custodiar datos sensibles sin sacarlos del país. La segunda: multiplicar el tejido productivo. Un supercomputador no crea industria por sí solo, pero acelera la curva de innovación de quienes ya están compitiendo —automoción, aeroespacial, minería inteligente, medtech, finanzas— y crea nichos nuevos: desde startups que sirven modelos como servicio hasta consultoras especializadas en optimización de kernels y pipelines de datos.

La formación es otra derivada. Los grandes centros de HPC funcionan como imanes de talento. Atraen perfiles que manejan schedulers, empaquetan tareas con contenedores, afinan bibliotecas (BLAS, NCCL) y exprimen la interconexión para que la comunicación entre nodos no mate el rendimiento. México ya cuenta con grupos punteros en UNAM, IPN, Cinvestav, universidades estatales y laboratorios sectoriales. Con Coatlicue, esa base puede convertirse en una escuela que alimente tanto al sector público como a empresas. Un detalle práctico: el plan incluye programas de residencias y estancias técnicas para crear cantera de operadores y administradores capaces de mantener el sistema con SLAs exigentes.

Riesgos y retos: energía, OPEX, dependencia y seguridad

Ningún proyecto de esta escala está libre de riesgos. El primero, obvio: energía. Un clúster de decenas de miles de GPU puede consumir decenas de megavatios a plena carga. Contratos eléctricos, subestaciones y líneas dedicadas no son un adorno, son la condición de posibilidad para que el sistema funcione y no se quede en vitrina. Segundo: el OPEX. La operación anual —electricidad, agua, químicos, repuestos, garantías, upgrades— será relevante. Si el presupuesto no contempla esa partida con realismo, la máquina puede degradarse rápido.

Tercero: dependencia tecnológica. Aunque Coatlicue nace con vocación de diversidad de proveedores, en la práctica los ecosistemas de IA y HPC están fuertemente concentrados en pocas arquitecturas. Mitigar ese riesgo implica promover software portable, estimular contendencia entre suministradores y reservar presupuesto de renovación para no quedar anclados a una generación de hardware que envejece deprisa. Cuarto: seguridad y privacidad. La combinación de datos sensibles y altísimas capacidades exige seguridad por diseño: segmentación de redes, auditorías de código y modelos, trazabilidad de datasets y gobernanza robusta para impedir usos indebidos. El componente normativo —apego a la legislación mexicana de protección de datos y a estándares internacionales— va de la mano de procesos y personas.

Por último, la gestión de expectativas. Un supercomputador no es una varita mágica. Si no hay datos de calidad, proyectos bien definidos y equipos competentes, la capacidad bruta se diluye. De ahí que el plan operativo contemple asesoramiento a usuarios, bibliotecas de modelos base y una mesa de soporte capaz de acompañar proyectos desde el ingreso hasta la puesta en producción. La idea es sencilla: que Coatlicue produzca resultados concretos, no ruido.

El detalle técnico que marcará la diferencia

Más allá de los grandes números, el rendimiento real dependerá de decisiones de ingeniería fina. Una: la interconexión. A escalas de miles de nodos, la latencia y el ancho de banda entre GPU y entre servidores determinan si un modelo distribuye gradientes sin atascos o se queda sincronizando eternamente. Dos: el almacenamiento. La mezcla entre sistemas paralelos (para I/O de altísima velocidad) y almacenamiento de objetos (para datasets masivos y fríos) tiene que estar bien balanceada; de nada sirve tener 300 petaflops si la entrada/salida está estrangulada. Tres: orquestación. Un scheduler capaz de pre-asignar nodos, reanudar trabajos, reservar GPU por lotes y gestionar preemption sin matar eficiencia. Cuatro: software. Bibliotecas optimizadas, compiladores ajustados y, sobre todo, observabilidad: métricas continuas, perfiles de rendimiento y alarmas tempranas para detectar hotspots. Ahí entra, de nuevo, la cooperación con BSC y C-DAC y la experiencia internacional.

Un apunte más: los modelos fundacionales que hoy mueven la frontera de la IA requieren datos curados y pipelines serios de etiquetado, filtrado y evaluación. Coatlicue no resolverá sola ese reto, pero sí ofrece la fábrica de cálculo para que equipos mexicanos compitan en la capa de valor: modelos multilingües con español de México y lenguas indígenas bien representadas, agentes especializados en trámites públicos, modelos de visión para industria o sistemas de recomendación para comercio local. Si el país se organiza, puede liderar en dominios donde la cercanía a los datos es ventaja.

Y la pregunta del ranking mundial…

¿En qué puesto del mundo quedaría Coatlicue? Depende. El Top500 se elabora con LINPACK, un test que mide rendimiento en coma flotante de doble precisión. Muchas cifras de “petaflops” que se anuncian hoy —también en IA— usan precisiones reducidas (FP16, BF16) propias de aprendizaje profundo. No es trampa; es otra cosa. Si México decide correr LINPACK con doble precisión y publica el resultado, tendremos una posición clara. Mientras tanto, lo relevante es que la escala ya se sitúa en la liga de los grandes centros públicos que marcan agenda en Europa o Asia. Para la industria, lo que cuenta es si sus cargas —entrenamientos, inferencias, simulaciones— corren bien y a tiempo. Y ahí es donde se jugará de verdad el partido.

Coatlicue, una apuesta de Estado con retorno medible

El anuncio encaja con una tendencia global: Estados que invierten en supercómputo público como infraestructura crítica, al nivel de los puertos o las autopistas. México se suma con un plan que combina ambición técnica —314 petaflops, más de 14.000 GPU, 24 meses— con una promesa política nítida: uso público, reglas claras y beneficios compartidos para ciencia, sector productivo y administración. Si el proyecto mantiene el pulso —financiación de operación, gobernanza profesional, talento, energía—, Coatlicue puede convertirse en motor de competitividad y soberanía tecnológica en la década que arranca.

Quedarán decisiones por afinar —sede, contratos, hojas de ruta de actualización— y habrá baches. Aun así, la dirección está marcada. Un país con economía abierta, industria exportadora y un ecosistema científico amplio necesita capacidad propia de cómputo a gran escala. Coatlicue es la respuesta que México ha elegido: una máquina pública, diseñada para trabajar a destajo, que aspira a situar a la región en un nuevo umbral digital. Si cumple su promesa, no solo entrenará modelos; cambiará procesos y acortará tiempos en claves que importan: salud, clima, seguridad fiscal, industria y conocimiento. El impacto, esta vez, se podrá medir en experimentos que salen antes, algoritmos que rinden mejor y decisiones públicas un poco más informadas. Y eso, más que el titular, es lo que define a las grandes infraestructuras.