GPU en el Estado: ¿por qué la política no se ve en las compras?
La política existe. Su arquitectura deja una huella incompleta en las compras ordinarias.
La Política Nacional de IA ya reúne talento, infraestructura y datos; ordena catastros y prospección, y el Estado financió en 2025 dos proyectos de supercómputo por $14 mil millones. Mercado Público, sin embargo, muestra equipos distribuidos y licencias de escritorio. Este inventario describe esa brecha observable, pero no basta para auditar toda la ejecución de la política.
Base del análisis: 22.591 órdenes candidatas de Mercado Público entre 2006 y agosto de 2026, detectadas en cinco campos del registro y clasificadas individualmente, más cuatro instalaciones documentadas fuera de ese canal.
La capacidad de cálculo está documentada; lo que falta conocer es su continuidad y disponibilidad. Chile cuenta con cuatro instalaciones o configuraciones donde las GPU están interconectadas por diseño, todas alojadas en universidades y ninguna en el gobierno central. En conjunto suman 131 GPU: 12 en Leftraru Epu, 8 en Pewma, unas 15 en Patagón y 96 en el clúster de Latam-GPT. La evidencia pública localizada no confirma todavía la operación productiva de este último.
Estas 131 GPU no son comparables con un inventario operativo: reúnen instalaciones observadas en fechas distintas, una cifra aproximada para Patagón y capacidad anunciada cuyo uso productivo no siempre está confirmado. Sirven para documentar que existe una vía compartida, no para calcular su disponibilidad actual.
Fuera de esas instalaciones, el cálculo identifica 1.946 unidades con modelo o capacidad estimable. No hay evidencia pública de que formen sistemas compartidos; tampoco la hay para afirmar que estén físicamente aisladas, disponibles o todavía en servicio. La mayor tarjeta discreta observada tiene 48 GB y el mayor Mac, 128 GB de memoria unificada. Un nodo anunciado de Latam-GPT suma 1,1 TB de HBM entre ocho GPU conectadas: memoria agregada utilizable con software distribuido, no una piscina contigua y coherente para cualquier programa.
Tesla, DGX, L40S, Jetson, servidores y clústers GPU: 397 unidades compradas por 62 instituciones en veinte años. Es el canal formal: licitación, presupuesto, proceso. (La orden completa suma $1.464 MM; el resto es monitores, licencias y servicios.)
Las tarjetas de consumo de gama alta —RTX 4070 Ti, 4080, 4090, 5070, 5080 y 5090— suman 134 unidades en 98 compras de 43 instituciones. Aunque siguen por debajo del canal de aceleradores en el acumulado, desde 2023 registran 95 compras, frente a 91 de aceleradores en el mismo periodo. Se compran por compra ágil y trato directo.
Dos curvas distintas
Los aceleradores crecen despacio desde 2021. Las tarjetas de consumo de gama alta aparecen en 2023 y se disparan: hasta agosto, 2026 suma 37 compras de tarjetas de gama alta, frente a 29 en todo 2025.
Quién llegó primero
Primera compra de acelerador de cómputo identificada para una selección de instituciones. La primera del registro es de la Universidad de Chile en 2010; DIFROL aparece en 2013 y otros servicios públicos y universidades se incorporan en años posteriores. Es una cronología de órdenes, no de uso efectivo.
- 2010-08-05Universidad de ChileUniversidadTarjeta NVIDIA Tesla C2050$1 MM
- 2013-06-12Dirección Nacional de Fronteras y Límites (DIFROL)Gob central/servicio…1300W (225-2096) con Nvidia Tesla K20C no aplica 941964 | DELL Dell Precision,T7600,MT 1300W (225-2096) con Nvidia…$15 MM
- 2019-07-31Universidad Tecnológica MetropolitanaUniversidadClúster de computación acelerada por GPU · Servidor Intel Skylake, 2 CPU de 18 cores, 384GB de RAM, disco SSD 1X…$40 MM
- 2024-04-19Cámara de Diputados de ChileGob central/servicioServidor Dell y tarjeta NVIDIA · Servicio Profesional de Instalación y Configuración (Instalación Sistema…$14 MM
- 2026-02-06Servicio de Evaluación Ambiental (SEA)Gob central/servicioEquipos con GPU para Inteligencias Artificial$18 MM
Quién compra más
Instituciones ordenadas por el total de compras que involucran una GPU. Las dos columnas siguientes aíslan las compras donde la GPU es el objeto —aceleradores de cómputo y tarjetas de consumo de gama alta—: son subconjuntos contados aparte, no suman al total.
| Institución | Compras con GPU | Aceleradores | Gama alta | Monto | Desde |
|---|---|---|---|---|---|
| Universidad de ChileUniversidad | 517 | 31 | 27 | $1.150 MM | 2008-07-02 |
| Universidad de Santiago de ChileUniversidad | 160 | 13 | 3 | $582 MM | 2010-08-23 |
| Universidad de ValparaísoUniversidad | 147 | 2 | 3 | $469 MM | 2020-06-16 |
| Universidad de TarapacáUniversidad | 125 | 17 | 9 | $341 MM | 2020-10-13 |
| Universidad de La FronteraUniversidad | 79 | 5 | 2 | $180 MM | 2020-07-28 |
| Universidad de La SerenaUniversidad | 77 | 13 | 2 | $163 MM | 2021-01-06 |
| Universidad del Bío BíoUniversidad | 67 | 18 | 4 | $262 MM | 2013-09-04 |
| Universidad de AntofagastaUniversidad | 42 | 1 | 1 | $191 MM | 2022-05-16 |
| Universidad de TalcaUniversidad | 34 | 3 | 2 | $121 MM | 2015-05-08 |
| Universidad de O’HigginsUniversidad | 33 | 2 | 0 | $93 MM | 2021-01-12 |
| Universidad de MagallanesUniversidad | 33 | 1 | 3 | $73 MM | 2009-04-07 |
| Universidad de AtacamaUniversidad | 33 | 0 | 4 | $69 MM | 2021-11-11 |
| Universidad de Playa Ancha de Ciencias de La Educ.Universidad | 28 | 1 | 2 | $97 MM | 2019-11-29 |
| Universidad de Los LagosUniversidad | 25 | 2 | 1 | $116 MM | 2015-10-08 |
Un tercio son notebooks
Sus órdenes completas suman $282 MM, el 47% del techo de gasto del segmento; no todo ese monto es atribuible a la GPU. Un notebook con RTX 5090 tiene la memoria y el consumo recortados frente a la versión de escritorio, y no se puede montar en rack ni encadenar con otros. Puede servir para desarrollo, inferencia y entrenamiento acotado, pero es menos apropiado para operación continua, administración remota y cargas que exceden una sola máquina.
Lo que el gasto no permite concluir
Dividir las compras de un año por el precio de lista de una H100 no produce un clúster comprable. Faltarían servidores, red, almacenamiento, obras, energía, soporte, impuestos, operación y las condiciones reales de una licitación. El inventario puede motivar un estudio de consolidación, pero no demuestra cuánto habría ahorrado ni qué máquina alternativa podía adquirirse con el mismo dinero.
Las mayores compras de cómputo
| 2024-10-21 | Instituto Nacional de Hidráulica (INH)…de alto rendimiento y sistema HPC con GPU · Servidor de Cómputo de GPU Servidores Estación de Trabajo de Alto Rendimiento | $178 MM |
| 2025-08-29 | Universidad del Bío Bío…i9-14900T, 128GB DDR5 RAM, 2TB M.2 SSD GeForce RTX4080 Super AI Blower o superior. Notebook, laptop o computador portátil excepto… | $111 MM |
| 2022-11-24 | Universidad de Santiago de Chile…DDR4 Servidores de gama alta Producto: GPU Node Server Xi® NetRAIDer¿ 64LT Server o similiar con la siguiente configuración: CPU:… | $79 MM |
| 2025-11-14 | Senado de la República…de un servidor de alto rendimiento en GPU nuevo, para el senado, en la comuna de valparaíso. 1.- objeto de la licitación y entidad | $49 MM |
| 2016-05-13 | Servicio de Salud Metropolitano Sur…Artec 1U dual XEON E5 3.4 (AS1R-C612H04SA-GPU (1272033) RACK Artec 1U dual XEON E5 3.4 (AS1R-C612H04SA-GPU) 128GB/ 3.8 TB / 2… | $45 MM |
Por qué no sumamos estas GPU como si fueran un supercomputador
Una versión anterior sumaba rendimiento teórico de arquitecturas distintas y lo expresaba como “nodos DGX equivalentes”. Retiramos esa comparación: mezcla convenciones de precisión, no descuenta equipos retirados y omite interconexión, software, energía y utilización. El resultado era una normalización aritmética, no capacidad disponible ni rendimiento de una carga real.
Veinte años de órdenes no dicen qué equipo sigue instalado, disponible o mantenido. La fecha de compra solo acredita un flujo histórico.
Ocho H200 suman 1.128 GB de HBM, pero una carga necesita software de paralelismo para repartir el modelo. No es una única memoria contigua por el solo hecho de tener NVLink.
Precisión, cuantización, contexto, lote y pipeline cambian memoria y velocidad. Solo un benchmark común permite comparar una 5090, una L40S, una H100 y la nube.
El registro sí permite una observación más acotada: fuera de las cuatro configuraciones investigadas no documentamos una topología compartida. Algunos modelos soportan NVLink, pero compatibilidad no demuestra que dos tarjetas estén físicamente enlazadas. Tampoco la ausencia de NVLink vuelve inútil una tarjeta: OCR, visión y otros lotes divisibles pueden distribuirse entre trabajadores independientes.
¿El Estado compró GPU, o le llegaron?
No es lo mismo pedir una tarjeta que recibir un computador que venía con una. La distinción sale del propio registro: si la GPU aparece en el texto del comprador —el nombre de la orden o lo que especificó al pedir— hubo intención de comprarla; si solo aparece en el texto del proveedor, llegó adentro de un equipo que nadie pidió con GPU.
En esta submuestra de 253 compras de tarjeta, el 84% tiene intención explícita: el comprador escribió que quería una GPU o el registro contiene evidencia coincidente del comprador y el proveedor. No debe extrapolarse automáticamente a las otras categorías.
Las 11 compras donde solo el proveedor la nombra son el caso opuesto y merecen leerse aparte: el registro no demuestra que el comprador haya especificado la GPU. Y las 30donde nadie la nombra son las más débiles del análisis; van marcadas como tales en el detalle.
Las 1.885 compras agrupadas como equipos Apple o GPU integrada quedan fuera de esta medición porque ahí no se compra una tarjeta separada. La categoría incluye registros cuya generación exacta no siempre puede identificarse; por eso tampoco se usa para estimar capacidad agregada.
La RTX 5090: capacidad útil por lotes
El Estado registra siete RTX 5090 en seis compras por $26 millones atribuibles a GPU. No son, por definición, una mala compra. Su memoria de 32 GB y su capacidad de cómputo abren un campo amplio de trabajo estatal fuera de la inferencia en línea: OCR masivo, detección de estructura y puntos de referencia en documentos, extracción de tablas, conversión a Markdown, creación de embeddings, anonimización y modelos de visión que quepan en una tarjeta.
Esas cargas son divisibles: cada página, imagen o expediente puede entrar a una cola, procesarse de manera asíncrona y entregar el resultado después. No necesitan compartir memoria entre tarjetas; por eso la ausencia de NVLink no anula su utilidad. Una o varias 5090 pueden actuar como trabajadores independientes de un servicio por lotes, siempre que su instalación respete la licencia y las condiciones de operación. No reemplazan una GPU de datacenter cuando un modelo exige más de 32 GB, alta disponibilidad o varias GPU estrechamente acopladas. El soporte de Blackwell en el proyecto evaluado todavía es experimental. Son límites de carga y despliegue, no evidencia de una mala compra.
La prueba que falta
Para comparar una RTX 5090 con una L40S, una H100 o la nube hay que ejecutar el mismo pipeline sobre las mismas imágenes, con igual resolución, precisión y versión de software. El benchmark debe publicar páginas por segundo, calidad del resultado, energía, costo por millón de páginas, estabilidad durante 24 horas y recuperación frente a fallas. El ancho de banda o los TFLOPS por sí solos no permiten convertir una ficha técnica en días de procesamiento ni en período de repago.
El mercado privado, por resta
Todo lo anterior mide al Estado comprador. Para saber qué peso tiene eso hay que conocer el denominador: cuántas GPU entran a Chile. El microdato de aduanas —el registro ítem a ítem de las declaraciones de importación— lo tiene, y permite una resta simple: lo que entró al país menos lo que compró el Estado es el mercado privado.
Entre 2020–2026 entraron 8.692 tarjetas de los modelos que el Estado también compra. El Estado se llevó 185: el 2%. Pero ese promedio esconde dos mercados distintos.
| Segmento | Importado | Estado | Privado | % privado |
|---|---|---|---|---|
| Gama alta (consumo) | 8.523 | 139 | 8.384 | 98% |
| Acelerador de datacenter | 138 | 37 | 101 | 73% |
| Workstation profesional | 31 | 9 | 22 | 71% |
En tarjetas de consumo de gama alta el Estado es irrelevante: 139 de 8.523 tarjetas, el 2%. Frente a las 8.384 que entran para gamers, mineros y armadores, las compras públicas son ruido estadístico.
En cómputo de datacenter pasa lo contrario. El Estado se lleva 27% de los 138 aceleradores que entraron al país, y en workstation profesional el 29%. La RTX A6000 es el caso extremo: entraron a Chile del orden de 12 en siete años y el Estado compró 8, dos de cada tres. Esa cifra es una estimación por valor y no un conteo: esas tarjetas llegaron declaradas en kilos, y el peso declarado no resiste el contraste con el de fábrica.
Eso no significa que el Estado compre mucho. Significa que el país entero compra poco: 138 aceleradores de datacenter importados en siete años, para todo Chile —empresas, universidades privadas, startups y Estado juntos—. La escasez que este trabajo documenta en el sector público no es una anomalía del sector público: es la del país.
Ver el detalle por modelo
| Modelo | Lanz. | Importado | Estado | Privado |
|---|---|---|---|---|
| RTX 5070 | 2025 | 4.174 | 39 | 4.135 |
| RTX 5080 | 2025 | 1.103 | 10 | 1.093 |
| RTX 5090 | 2025 | 863 | 7 | 856 |
| RTX 4080 | 2022 | 863 | 30 | 833 |
| RTX 4090 | 2022 | 655 | 17 | 638 |
| RTX 4070 Ti | 2023 | 612 | 34 | 578 |
| RTX 3090 | 2020 | 253 | 2 | 251 |
| Jetson Orin | 2022 | 121 | 35 | 86 |
| RTX 6000 Ada | 2022 | 19 | 1 | 18 |
| RTX A6000 | 2020 | 12 | 8 | 4 |
| L40S | 2023 | 9 | 1 | 8 |
| DGX Spark | 2025 | 8 | 1 | 7 |
Cómo se calculó. Servicio Nacional de Aduanas — microdato de Declaraciones de Ingreso (DIN), datos.gob.cl, licencia ODC-BY. Ventana 2020–2026 (2026 cubre enero–junio). Solo se restan modelos lanzados desde 2020: ahí todo el historial de compra del Estado cae dentro de la ventana de aduanas.
La unidad de medida no es única. Las tarjetas se declaran unas en unidades y otras en kilo neto. 'contado' son las declaradas en unidades; 'total' suma el tramo en kilos convertido con el precio por pieza del mismo modelo.
Cuando el peso declarado no sirve. Para modelos que llegan declarados solo en kilos la conversión se hace por valor, con el precio de lista de lanzamiento, porque el peso declarado no es usable: en la RTX A6000 los 168 kg declarados darían 116 tarjetas a US$487 cada una, imposible para una tarjeta de US$4.650. Solo 2 de sus 8 ítems declaran un peso compatible con los ~1,45 kg que pesa una tarjeta de ese form factor (el dato publicado para la A100 PCIe, de dimensiones idénticas).
El mercado privado es un piso. Aduanas no ve las GPU que vienen dentro de un servidor armado: se declaran como servidor. El mercado privado es un piso, no un techo. Por el otro lado, el registro de compras tampoco ve las importaciones directas de universidades privadas. Las dos fuentes subestiman, así que la resta da un orden de magnitud, no una cifra cerrada.
Dónde el cómputo está diseñado para sumarse
Chile tiene cuatro instalaciones documentadas donde las GPU están conectadas entre sí por diseño. La topología describe capacidad física, no demuestra que cada instalación esté operativa ni disponible. Ninguna aparece como compra de GPU en Mercado Público: las tres primeras se financiaron por concursos de equipamiento científico, y el clúster de Latam-GPT por una inversión de US$10 millones de la propia Universidad de Tarapacá —universidad estatal—, operado en alianza con CENIA, que es una corporación privada sin fines de lucro. Es la principal limitación de este análisis — mide lo que el Estado compra por el canal formal, no toda la capacidad que existe.
12 AMD Instinct MI210
Suma de los 12 MI210 del sistema, repartidos entre nodos: ningún proceso ve toda esa memoria de una vez.
29 nodos en un rack · ~7.100 núcleos AMD EPYC · 24 TB RAM · InfiniBand NDR 400 Gbps
Todo el laboratorio nacional suma 18 aceleradores: 12 MI210, 2 MI100 y 4 Tesla V100 del sistema anterior.
8 NVIDIA A100
Un solo nodo: los 8 A100 comparten esa memoria por NVLink.
8 GPU A100 con NVLink · 640 GB de memoria unificada
FONDEQUIP EQM220137. Es un appliance de un solo nodo, no un clúster.
~15 GPU en 2 nodos
Corresponde al DGX; el segundo nodo, heterogéneo, no está contado.
DGX A100 más un segundo nodo heterogéneo · ~15 GPU en 2 nodos
FONDEQUIP EQM180042, $230 millones CLP.
96 NVIDIA H200
Es la memoria de UN nodo (8 H200). El clúster tiene 12 nodos; su memoria total es doce veces esa cifra, pero no es coherente entre nodos.
12 nodos × 8 NVIDIA H200 = 96 GPU · despliegue por etapas, operación plena anunciada para junio de 2026 · la primera versión de Latam-GPT (55 mil millones de parámetros) se entrenó en la fase inicial
La mayor instalación de IA del país, financiada por la propia UTA —universidad estatal— ensamblando tres fuentes ajenas al propósito: $2.200 MM del Fondo de Fortalecimiento Universidades Estatales 2030 (Mineduc), $1.400 MM de recursos propios y aportes de la banca multilateral CAF. Operada en alianza con CENIA, corporación privada sin fines de lucro. Tampoco figura en el registro de compras.
Las horas que no vuelven
La capacidad de cómputo es perecible: una hora GPU disponible y sin trabajo no puede almacenarse para usarla mañana. Eso no significa que estos centros estén ociosos, ni que deban operar siempre al 100%: mantenciones, fallas, capacidad de reserva y períodos sin trabajos compatibles son parte de una operación normal. Significa que la utilización es central para evaluar el valor público de la inversión y que hoy no se publica de manera comparable.
Leftraru Epu. El NLHPC informó más de 500 usuarios registrados en 2024 y documenta un tablero interno de nodos, trabajos y colas. Una cifra de 2021 describía 45,9 millones de horas de cómputo anuales para más de 400 científicos, pero no permite conocer la ocupación actual de sus GPU. Monitor NLHPC
Patagón. La UACh informó en 2025 más de 140 usuarios, 30 proyectos, 20 publicaciones WOS y 20 tesis. Publica su mecanismo de acceso y sus reglas de Slurm, pero no horas GPU consumidas ni tiempos de espera. Reporte UACh
Pewma. La UBB publica las características, un contacto de acceso y al menos un proyecto aplicado. No encontramos una cuenta pública de usuarios, proyectos, horas GPU, colas o disponibilidad. Sitio de Pewma
Clúster UTA. En enero de 2026 la Universidad de Tarapacá informó que las obras civiles seguían en licitación y estimó funcionamiento para junio. Al 20 de agosto no encontramos una confirmación oficial posterior de operación ni datos de uso. Por eso sus 96 H200 se cuentan como capacidad documentada, no como disponibilidad operacional comprobada. Estado informado por la UTA
Ninguno de los cuatro centros publica una serie comparable de horas GPU disponibles, consumidas, en espera y asignadas a organismos públicos. Una evaluación oficial de Fondequip ya había advertido una dificultad sistémica para seguir horas de uso interno y externo. Evaluación de Fondequip
Leftraru Epu se financió por FONDEQUIP, el fondo genérico de equipamiento científico de ANID: el mismo concurso al que postula un microscopio o un espectrómetro. Hasta 2025 no existió en Chile una línea presupuestaria destinada a capacidad de cómputo.
Eso no es descuido de los organismos: es lo que produce un diseño donde la capacidad de cómputo no tiene presupuesto propio y se renueva por goteo, cada vez que alguien gana un concurso.
El desarrollo reciente: En junio de 2025 apareció el primer instrumento dedicado: un programa CORFO de $14 mil millones —anunciado como la mayor inversión estatal en supercómputo— adjudicado a la Universidad de Chile (SCAI-LAB, entrenamiento de modelos) y a la empresa privada Tecnoera (centro de inferencia como servicio), con acceso previsto para universidades, centros de investigación, servicios del Estado y emprendimientos en las regiones Metropolitana y de Valparaíso. Es una fracción de lo que un solo nodo DGX cuesta operar a escala, pero es la primera vez que el cómputo tiene un instrumento propio.
No se contabiliza infraestructura internacional alojada en Chile —correlador de ALMA, Vera Rubin Observatory— porque no es capacidad nacional.
La tercera vía: 91 organismos compran servicios de IA generativa
Además de comprar tarjetas, el Estado empezó a comprar servicios de IA generativa: 183 órdenes por $616 MM desde 2023. La adopción creció con rapidez: pasó de 5 organismos en 2023 a 52 en 2026, que va al corte de 2026-08 y ya supera los 40 de todo 2025.
* 2026 va al corte de 2026-08: 52 organismos, contra 40 en todo 2025.
El cruce observado es parcial: 45 organismos aparecen en ambos registros. Eso no prueba coordinación ni descoordinación; solo identifica quién usó los dos canales. Y un detalle define lo capturado por esta búsqueda: solo 2 organismos compran APIs o plataformas; predominan licencias de escritorio como Copilot, ChatGPT y Claude. Por tanto, estas cifras miden principalmente asientos de software, no horas de GPU ni capacidad programable en la nube.
La compra pública observada se concentra en equipos no documentados como parte de una instalación compartida y en suscripciones de productividad. Las instalaciones documentadas como infraestructura compartida —Leftraru Epu, Pewma, Patagón y el clúster de Latam-GPT— se financiaron con fondos científicos o programas especiales, no con órdenes de Mercado Público. El grado de operación y apertura no es igual ni está publicado de manera comparable entre ellas.
Búsqueda solo en el nombre de la orden, con patrones validados por lectura ("copiloto" de vehículo, empresas Géminis y personas llamadas Claude quedaron fuera). Es un piso: si el servicio aparece solo en el detalle del ítem, no está contado.
Si la política ya lo contempla, ¿por qué no se nota en las compras?
El inventario no demuestra que la política haya fallado ni que no se esté ejecutando. Sí muestra que sus principios —infraestructura, coordinación, datos y talento— todavía no producen una señal nítida en el canal ordinario de adquisiciones. Hay al menos cuatro explicaciones que deben separarse.
La política nació en 2021, fue actualizada después y buena parte del inventario precede a ambas. Los centros adjudicados por CORFO en 2025 todavía estaban en despliegue durante el período analizado.
CORFO, ANID, FONDEQUIP, aportes universitarios y programas especiales pueden financiar infraestructura sin aparecer como una orden de GPU en Mercado Público. Este análisis no es una contabilidad completa de la política.
Gran parte del parque corresponde a computadores y tarjetas de consumo para necesidades locales. Contarlos describe el hardware estatal, pero no implica que cada compra haya debido formar parte de un clúster de IA.
Lo que no aparece públicamente es una capa común y verificable de demanda, catálogo, acceso, cuotas, costos y utilización que conecte la política con cada decisión de comprar, arrendar o compartir. Es una brecha de evidencia y posible implementación, no una causalidad probada.
Fuentes oficiales: Política y Plan de Acción de IA · programa de supercómputo CORFO 2025.
Tres vías, tres formas de uso
La evidencia no obliga a escoger entre decenas de GPU, nube o una gran máquina compartida. La arquitectura razonable puede combinar las tres, siempre que cada compra responda a una carga, un nivel de servicio y un costo total identificables.
Cómo otros países vuelven operativa esa idea
La política chilena ya contiene infraestructura, datos, talento y coordinación. La experiencia internacional ayuda a identificar la capa operativa: reúne capacidad escasa, reglas de acceso y soporte, mientras universidades, servicios públicos y empresas conservan sus propios equipos y proyectos. El ahorro potencial de compartir utilización, operación y renovación no está cuantificado para Chile y debe probarse con demanda y costos reales.
La lección común: centralizar hardware sin acceso, datos, soporte y formación crea un centro de costo; repartir tarjetas sin coordinación crea islas. La infraestructura produce capital humano cuando personas de distintas instituciones pueden usarla sobre problemas reales y llevar ese aprendizaje entre el Estado, la academia y las empresas.
OCR acotado, embeddings, clasificación, anonimización, prototipos e inferencia frecuente que cabe en una tarjeta. Reduce latencia y puede mantener los datos dentro del organismo.
Condición: responsable técnico, utilización sostenida, respaldo, energía y plan de renovación. Una RTX 5090 puede ser una buena compra inicial; no reemplaza un clúster.
Demanda variable, pilotos de corta duración, acceso temporal a modelos de frontera y aumentos de capacidad que no justifican comprar hardware. Permite empezar rápido y pagar por consumo.
Condición: medir tokens, almacenamiento, salida de datos, soporte y dependencia del proveedor. Una licencia de escritorio no equivale a capacidad programable ni garantiza que el costo sea sostenible al escalar.
OCR de corpus nacionales, entrenamiento y evaluación, modelos abiertos grandes, procesos recurrentes de varios organismos y cargas que necesitan memoria o varias GPU interconectadas.
Condición: presupuesto basal, operador, seguridad, soporte, cuotas y acuerdos de nivel de servicio. Puede estar alojada en universidades y funcionar como una red nacional.
Una puerta de entrada, dos servicios
Una API de inferencia serviría modelos seleccionados, con llaves, presupuestos y respuesta en segundos. El OCR masivo, entrenamiento y procesamiento nocturno entrarían a una cola de trabajos por lotes. Mezclarlos en una sola cola dejaría a los servicios interactivos sin disponibilidad predecible.
Reglas visibles
Emergencias y servicios críticos; obligaciones con plazo legal; producción recurrente; investigación; y trabajos oportunistas. Dentro de cada nivel, fair share y antigüedad. El monitor publicaría utilización, horas asignadas y consumidas, trabajos en espera, tiempos medianos y percentil 95, mantenciones y costos, sin revelar el contenido procesado.
La cantera ya existe: datos públicos y problemas reales
A nuestro entender, la experiencia de Unholster construyendo los monitores de Mercado Público, Municipios, Nodo Educacional y No Estatal muestra que Chile posee una reserva excepcional de datos administrativos. Convertir expedientes, fallos, imágenes, contratos y registros dispersos en servicios útiles exige equipos que conozcan el dominio, reglas de acceso y capacidad de procesamiento. No todo análisis requiere una GPU; pero OCR, comprensión visual, embeddings e inferencia sobre corpus masivos sí pueden depender de ellas para operar a una escala y un costo razonables.
Esa combinación puede formar capital humano público y privado: funcionarios plantean y validan el problema; universidades y empresas desarrollan métodos; y una infraestructura accesible permite probarlos sobre datos chilenos. La política no debería financiar solo máquinas, sino también cohortes, soporte técnico, evaluaciones reproducibles y proyectos con resultados que puedan reutilizar otros organismos.
Una política estable no tiene por qué ser estática
Todo hardware empieza a envejecer desde que entra en servicio; cambian los modelos mínimos útiles, el soporte del software, el costo de la nube y las exigencias de memoria. Por eso conviene fijar de manera duradera quién decide, qué datos pueden salir, cómo se prioriza y qué nivel de servicio se exige, pero revisar periódicamente el catálogo de modelos, la demanda, la utilización, el costo por tarea y la combinación entre compra, arriendo y capacidad compartida. Coordinar no es congelar una tecnología: es construir el mecanismo para cambiarla con evidencia.
Primero medir; después expandir
Con tantos corpus, expedientes y modelos por procesar, es natural ampliar nodos cuando la demanda persistente y las colas exceden la oferta. También es natural usar primero capacidad compatible que esté ociosa, si existe, y recurrir a nube para picos transitorios. Los datos disponibles no permiten escoger entre esas alternativas. La secuencia verificable es medir utilización y espera; enrutar la carga hacia capacidad disponible; usar nube para la variación; y comprar cuando quede demanda recurrente sin atender. Comprar sin medir puede agregar otra isla; asumir ociosidad sin medirla sería igualmente injustificado.
También el Reino Unido proyecta un ecosistema de cómputo conectado y centrado en usuarios, no una sola máquina; CSCS y LUMI muestran la capa técnica: API compatible con aplicaciones existentes, créditos por proyecto y ejecución sobre infraestructura científica.
Los actores regionales, en números
La vara común es el Top500, que mide rendimiento FP64 sostenido (Linpack). Brasil tiene 9 máquinas en la lista y es el 11º país del mundo; Argentina tiene una; Chile, ninguna.
| Máquina | País · dueño | PFLOPS | vs Leftraru Epu | Nota |
|---|---|---|---|---|
| Clementina XXI | Argentina · Servicio Meteorológico | 15,7 | ≈59× | #232 del Top500 (jun-2025) |
| Santos Dumont | Brasil · LNCC (investigación) | 14,3 | ≈54× | Rmax medido · #89 del Top500 (nov-2024) |
| Leftraru Epu | Chile · NLHPC (U. de Chile) | 0,27 | 1× | no alcanza el umbral de entrada al Top500 |
| Clúster Latam-GPT | Chile · U. de Tarapacá | s/m | — | 96 H200; operación anunciada para jun-2026, sin confirmación pública localizada al 20-08-2026 |
La brecha con la región es de dos órdenes de magnitud. La máquina argentina pertenece al Servicio Meteorológico —un servicio público operativo, la categoría que en Chile registra cero compras de cómputo— y Santos Dumont es el equipo brasileño dedicado a investigación pública. La comparación no es exacta —el Top500 es voluntario y mide FP64, no la vara de la IA— pero muestra una brecha grande en el universo observado.
Una política que no puede quedarse quieta
Chile ya decidió, al menos sobre el papel, que la infraestructura de cómputo es un factor habilitante de su política de inteligencia artificial. La actualización aprobada en 2025 y su Plan de Acción encargan catastros, prospección de demanda, infraestructura tecnológica y coordinación entre ministerios. El Plan Nacional de Data Centers agrega la promesa de acceso compartido a cómputo avanzado. El problema, por tanto, ya no es reconocer la necesidad: es convertirla en una capacidad del Estado.
No sería correcto leer veinte años de compras como el resultado de una política aprobada en 2021. Tampoco sería correcto ignorar el período reciente: mientras los programas especiales financian supercómputo, el canal ordinario registra un aumento de tarjetas de consumo y licencias de escritorio. Pueden ser decisiones justificadas; lo que el registro no muestra es la arquitectura común que las vincula con la hoja de ruta nacional.
La pregunta es de última milla institucional. ¿Qué entidad convierte el catastro en demanda agregada, decide qué cargas deben resolverse localmente, cuáles en la nube y cuáles en infraestructura compartida, y conecta esas decisiones con el presupuesto? ¿Quién publica utilización, disponibilidad, costos y antigüedad del parque? Sin esa trazabilidad no es posible distinguir desde afuera entre una estrategia híbrida deliberada y varias decisiones correctas que aún operan como islas.
Pero coordinación no puede significar una arquitectura inmutable. El hardware adquirido envejece; algunos modelos dejan de tener soporte y otros pasan a ejecutarse en equipos mucho menores. Una política de IA puede mantener objetivos estables —continuidad, seguridad, acceso y rendición de cuentas— y, al mismo tiempo, revisar con evidencia su catálogo de modelos, sus cuotas y la mezcla entre equipos locales, nube y capacidad compartida. La alternativa a la fragmentación no es congelar la tecnología: es gobernar su recambio.
Esto no significa que todo deba concentrarse. Una GPU aislada puede ser la compra correcta para OCR, embeddings, investigación o inferencia de bajo volumen. Pero esa decisión debe responder a una arquitectura común, no al azar presupuestario de cada servicio. El Estado necesita estaciones de trabajo, nube y supercómputo; lo que no necesita es seguir adquiriendo las tres cosas como si no tuvieran relación.
Los modelos de Estados Unidos, Europa y Canadá sugieren una alternativa: consolidar una fracción de los fondos para infraestructura y acceso compartidos, y distribuir las preguntas, los equipos humanos y los proyectos. Chile tiene una ventaja que no aparece en el inventario de GPU: sus datos públicos. La experiencia de Unholster con Mercado Público, municipios, educación y entidades no estatales muestra que esa materia prima puede convertirse en infraestructura de información. Procesarla a escala puede demandar GPU; convertirla en valor público exige, además, dominio institucional, ingeniería y continuidad.
La política chilena de IA promete coordinación. El inventario no la refuta; muestra que todavía no es visible en la compra ordinaria. La prueba será trazar cada inversión hasta una necesidad, un modo de acceso, una métrica de uso y un responsable, y sostener una red que transforme cómputo, datos y problemas reales en capacidades que sobrevivan a la próxima generación de hardware.
Fuentes oficiales: Política Nacional y Plan de Acción de IA — MinCiencia · Decreto 12 de 2025 — Ley Chile · Plan de Acción de la Política Nacional de IA · Plan Nacional de Data Centers 2024–2030.
Cómo se clasificó
Metodología: Cómo se hizo, y qué queda fuera
Estado de la prueba ácida
La evidencia publicada permite auditar compras individuales y sostener patrones descriptivos de órdenes. Todavía no permite reconstruir el análisis completo desde cero: esta rama contiene los resultados derivados, pero no el pipeline de extracción y clasificación, la versión y el prompt del modelo, ni una evaluación estratificada de precisión y recall. Por eso retiramos del relato principal los TFLOPS agregados, los “nodos DGX equivalentes” y el ranking de capacidad. Deben considerarse exploratorios hasta publicar código, snapshots con hash y validación independiente.
Compras, unidades y stock son conceptos distintos. Una compra es una orden única. Una unidad es la cantidad atribuida a la línea o especificación; cuando falta, se imputa una y se introduce incertidumbre. Ninguna de las dos acredita que el equipo haya sido recibido, siga instalado o esté disponible. En las instalaciones contamos aceleradores físicos descritos por fuentes externas, con su fecha y estado documental.
Tres conceptos distintos de interconexión. Un equipo puede estar (1) documentado como parte de un sistema interconectado, con evidencia de su topología o configuración técnica; (2) compatible con interconexión, cuando la tarjeta soporta NVLink u otra tecnología pero no hay evidencia de que esté enlazada; o (3) tener memoria agregada en un nodo, que el software puede repartir mediante paralelismo. Las tres no son equivalentes: dos tarjetas compatibles no son un sistema y ocho GPU conectadas no se transforman automáticamente en una sola memoria coherente. Los 1.128 GB citados para un nodo H200 son 8 × 141 GB de HBM agregada.
Capacidad teórica retirada como indicador. No sumamos FP16 entre NVIDIA, Jetson y equipos Apple como si fuera una medida homogénea. Las fichas usan convenciones distintas y el inventario mezcla veinte años de hardware. Para comparar capacidad se requiere un mismo pipeline, precisión, lote, software y medición de reloj de pared; para medir oferta estatal se requieren además disponibilidad, utilización, energía y estado operativo.
Serie anual versus unidades. El canal registra 171 compras y 397 unidades declaradas: no son magnitudes intercambiables. La serie anual grafica compras y suma 163; las ocho compras restantes son anteriores a 2013 y quedan fuera del gráfico.
Detección en cinco niveles. Las categorías de producto de ChileCompra son gruesas —un servidor de inteligencia artificial queda catalogado como “gabinete o chasis del computador”— y muchas veces las especificaciones vienen vacías. Por eso no basta mirar la glosa del ítem: se buscó también en el nombre de la orden, en la marca y modelo de convenio marco, en el detalle de compra ágil y en la descripción de las licitaciones.
Clasificación asistida, aún sin métrica de error publicada. Cada candidata se clasificó en cinco categorías con un modelo de lenguaje local. Se probaron casos trampa conocidos: la “GPU” que resultó ser un Ground Power Unit —el generador de pista de una base aérea—, el oxigenador QUADROX, y un notebook GETAC V100 que nada tiene que ver con una Tesla V100. Las compras mayores se revisaron manualmente. Eso detecta errores evidentes, pero no estima precisión ni recall. La validación pendiente es una muestra estratificada de positivos y negativos, doble anotación humana, desacuerdos resueltos y resultados por categoría con intervalos de confianza.
Los montos que se citan son los de la línea de GPU, no los de la orden completa. Una auditoría posterior mostró que sumar la orden entera inflaba el gasto un 28%: dentro de las mismas órdenes venían monitores, licencias, teclados y contratos de garantía. Donde existe línea atribuible se usa esa; donde no, se indica el techo. Las categorías G, C2 y C3 se cuentan por operaciones y compradores, nunca como gasto en GPU.
La cantidad requiere trazabilidad propia. Una orden puede traer muchas tarjetas, pero una cifra incluida en la glosa también puede describir capacidad máxima, accesorios o equipos ofrecidos. Antes de presentar unidades como inventario, cada cantidad debe quedar ligada a una línea adjudicada y marcada como observada, inferida o imputada. Asumir una cuando falta puede ser una cota baja, pero no corrige otras ambigüedades.
Cómo verificar una compra, paso a paso. El detalle permite auditar 2.415 órdenes, no las 22.591 candidatas completas. Para 2.326 hay una cita textual y para 89 no; las fuentes se ordenan por fuerza probatoria:
- Glosa del comprador — lo que la institución pidió, en el nombre de la orden o en la especificación del ítem. Cubre el 95% de los casos. Es un requerimiento, no una constancia de lo entregado.
- Oferta adjudicada — el campo
DetalleCotizacionde los dumps de compra ágil, filtrado porProveedorSeleccionado = sí. Es el paso que más fácil se hace mal: en compra ágil cotizan varios proveedores y gana uno solo. Al exigir que la cita provenga del proveedor adjudicado se descartan las GPU ofrecidas por proveedores que perdieron la compra. Sobreviven 15 casos en el detalle publicado, con el RUT del proveedor cruzado entre la cotización y la orden. - Especificación del proveedor en la orden —
especificacion_proveedora nivel de ítem. Aquí no hace falta filtrar: la orden ya es del adjudicado. Resuelve 24 casos.
El detalle publicado cubre 2.415 compras: 2.287 con cita del comprador (95%), 15 por oferta adjudicada y 24 por especificación del proveedor. Quedan 89 (3,7%) sin ninguna cita: ni el comprador ni el proveedor adjudicado nombran la GPU en el registro público. Van marcadas como tales, no ocultas. Para comprobar las fuentes primarias, los dumps mensuales están en datos-abiertos.chilecompra.cl (órdenes, ítems, compra ágil, convenio marco y licitaciones), y cada línea del detalle publica su código de orden. Eso permite auditoría puntual, no reproducción end-to-end mientras el pipeline no esté publicado.
Qué universo cubre esto. El registro cubre a quienes compran por Mercado Público, es decir el Estado y las universidades estatales. Las universidades privadas —PUC, Federico Santa María, Concepción, Austral, y las privadas nuevas— NO aparecen: ninguna figura como compradora. Su capacidad de cómputo, que existe, es estructuralmente invisible aquí. Por eso las cifras hablan del Estado comprador, no del país. Aparecen 18 universidades, todas estatales. Patagón se incluye entre las instalaciones aunque la Universidad Austral no figure como compradora: se identificó por investigación documental, no por el registro de compras.
Capacidad arrendada: existe y no está medida. Este análisis mide GPU adquirida. El Estado también arrienda cómputo: entre 2019 y 2026 gastó del orden de $190 mil millones en servicios de nube, pero ese monto es mayoritariamente correo, almacenamiento, ofimática y hosting — no cómputo GPU. Intentamos aislar la porción de GPU y no fue posible con los datos publicados: las órdenes más grandes vienen sin descripción. La capacidad arrendada existe y no está medida aquí.
Es un piso, no un techo. El registro solo cubre órdenes de Mercado Público: quedan fuera las compras con fondos propios de universidades, las importaciones directas y las donaciones académicas. Y las especificaciones técnicas de las licitaciones grandes viven en PDF adjuntos que ningún dato abierto publica, así que una compra de servidores puede contener GPU sin que se pueda saber desde aquí.
Qué falta para cerrar la prueba ácida
- Publicar consultas, reglas de deduplicación, código, prompt y versión del modelo.
- Congelar los archivos de entrada y salida con fecha, versión y hashes.
- Medir precisión y recall por categoría con una muestra estratificada y doble revisión.
- Conciliar cada unidad y monto con la línea adjudicada y una marca de incertidumbre.
- Separar compra histórica, stock verificado, disponibilidad y utilización.
- Fechar y verificar operación, topología y acceso de cada instalación externa.
- Comparar hardware y nube con un benchmark común de calidad, tiempo, energía y costo.
- Publicar denominadores y análisis de sensibilidad para cada cifra principal.
ChileCompra · Mercado Público — órdenes de compra, ítems, convenio marco, compra ágil y licitaciones (2006–2026) · actualizado 2026-08