Desde hace más de medio siglo, la evolución de las tecnologías digitales se ha regido por un principio sencillo, casi profético: la ley de Moore. Formulada en 1965 por Gordon Moore, predecía que el número de transistores en un chip se duplicaría cada dos años, lo que provocaría automáticamente un aumento de la potencia de cálculo y una reducción de los costes. Esta observación empírica ha dado forma a la industria de los semiconductores, impulsando la informática en todos los ámbitos de nuestra vida cotidiana, desde los smartphones hasta los superordenadores.

Pero hoy en día, esta histórica ley está llegando a sus límites físicos y económicos. Para seguir avanzando, la industria debe encontrar nuevas vías, y aquí es donde entra en juego la inteligencia artificial. Durante mucho tiempo limitada al papel de aplicación de software, la IA se está convirtiendo ahora en un actor clave en el diseño de chips. Acelera los ciclos de I+D y concibe arquitecturas inéditas, a veces tan contrarias a la intuición que incluso a los ingenieros les cuesta comprender su funcionamiento.

De ahí surge una pregunta: ¿seguimos en una lógica de progreso lineal, o estamos entrando en una era en la que la IA redefine las reglas del juego al idear diseños que el ser humano nunca habría podido concebir por sí solo?

La ley de Moore: pilar fundamental de la era digital

La ley de Moore ha sido el verdadero motor de la revolución informática. Durante décadas, ha servido de brújula a los fabricantes: cada nueva generación de chips debía ser más pequeña, más rápida y más económica. Este ciclo virtuoso permitió la democratización de los ordenadores personales, el auge de Internet y el crecimiento del cloud.

Sin embargo, desde la década de 2010, se multiplican los indicios de agotamiento. La miniaturización está alcanzando sus límites físicos, topándose con las restricciones de la mecánica cuántica. Al mismo tiempo, los costes de fabricación se disparan: cada nuevo nodo tecnológico exige inversiones de varios miles de millones de dólares. Y las mejoras en el rendimiento, que durante mucho tiempo fueron exponenciales, ahora parecen mucho menos lineales.

No obstante, como recuerda Aart de Geus (Synopsys), «la ley de Moore no ha muerto». Los avances continúan, pero ya no pueden limitarse únicamente a la lógica de la densidad. El futuro de los semiconductores se juega ahora en la complejidad sistémica.

De «More Moore» a «SysMoore»: una nueva ambición

Esto es lo que Synopsys denomina «SysMoore»: un enfoque que ya no se basa únicamente en la densidad de los transistores, sino en la integración inteligente de múltiples componentes y sistemas. La idea es combinar dos dinámicas complementarias. El «More Moore» consiste en continuar con la miniaturización de los componentes siempre que sea posible, con el fin de prolongar las mejoras de rendimiento. Por su parte, «More than Moore» apuesta por añadir nuevas funcionalidades dentro de un mismo chip, como módulos de comunicación, sensores, unidades de IA integrada o incluso mecanismos de seguridad avanzados.

En esta lógica, la IA desempeña un papel determinante. Synopsys, pionera en la automatización del diseño electrónico, ha desarrollado una plataforma denominada DSO.ai (Design Space Optimization). Gracias al aprendizaje automático, esta herramienta es capaz de explorar en pocas horas millones de configuraciones posibles e identificar optimizaciones invisibles para el ojo humano.

Los resultados hablan por sí solos. Los experimentos realizados con DSO.ai han permitido mejorar la eficiencia energética de los circuitos en aproximadamente un 25 %, una mejora equivalente a la que suele esperarse de un salto generacional tecnológico completo. Esta cifra ilustra el alcance de SysMoore: ya no se trata solo de recortar unos pocos nanómetros más, sino de replantearse la arquitectura global para obtener una eficiencia sin precedentes.

La IA que inventa circuitos «extraños» pero eficaces

La industria de los semiconductores no es la única que saca partido de la IA. El mundo académico también se aventura por caminos inéditos. Investigadores de la Universidad de Princeton y del IIT Madras han demostrado el potencial del diseño inverso aplicado a los circuitos de radiofrecuencia (RF).

Tradicionalmente, los diseñadores partían de componentes conocidos y optimizaban los circuitos mediante iteraciones sucesivas. En este caso, el enfoque se invierte: se parte directamente de las prestaciones esperadas, y la IA imagina por sí misma la arquitectura capaz de alcanzarlas.

Los resultados son sorprendentes e impresionantes. El algoritmo ha diseñado antenas compactas capaces de funcionar simultáneamente en varias bandas de frecuencia, una ventaja decisiva para el 5G y aún más para el futuro 6G. En pocos minutos ha generado filtros de RF que habrían requerido semanas de trabajo manual. Por último, las formas generadas por la IA son radicalmente diferentes de los diseños habituales: geometrías irregulares, a veces desconcertantes, pero de una eficacia superior.

Esta paradoja es fascinante: la IA diseña sistemas cuya lógica interna no siempre comprendemos, pero cuyo rendimiento supera al de los diseños humanos. Estamos entrando en una era en la que la creatividad algorítmica supera la intuición de los ingenieros.

Oportunidades estratégicas

Estas innovaciones ya están redefiniendo los equilibrios estratégicos de varios sectores. En las telecomunicaciones, el diseño acelerado de antenas multibanda allana el camino hacia redes 5G y 6G más eficaces, más fiables y más eficientes energéticamente. En la movilidad autónoma, los radares y sensores integrados en los vehículos son cada vez más compactos y eficaces, lo que refuerza la seguridad al tiempo que reduce el consumo energético.

El impacto también se nota en la transición ecológica. Al reducir las pérdidas eléctricas, los chips diseñados mediante IA contribuyen directamente a la reducción de la huella de carbono del sector digital, un reto fundamental para todas las industrias. Por último, esta revolución afecta a la soberanía tecnológica: la posibilidad de diseñar rápidamente chips locales podría reducir la dependencia de los gigantes estadounidenses y asiáticos, un tema crucial para Europa.

Para las aseguradoras y los actores del ámbito de la ciberseguridad, estas oportunidades conllevan una responsabilidad: anticiparse a los riesgos relacionados con la rápida adopción de estas tecnologías, evaluando su solidez y resiliencia.

Límites y riesgos

La IA también plantea cuestiones fundamentales. La primera se refiere a la opacidad: los circuitos generados por la IA funcionan, pero su lógica interna a veces escapa a la comprensión humana. Esta falta de transparencia genera un problema de confianza.

La fiabilidad es otra preocupación importante. En entornos críticos como la sanidad, el transporte aéreo o las infraestructuras militares, ¿cómo se puede certificar un sistema que nadie comprende del todo?

A esto se suma el riesgo de dependencia. A medida que la IA asume tareas de diseño cada vez más complejas, las competencias humanas corren el riesgo de verse mermadas. Un fallo o la indisponibilidad de estas herramientas debilitaría la resiliencia de todo el sector.

Por último, la seguridad no está garantizada. En estas arquitecturas complejas pueden surgir vulnerabilidades inéditas, a veces imposibles de corregir. No se puede descartar el riesgo de introducir, de forma voluntaria o involuntaria, fallos explotables —incluidas puertas traseras—.

Estos retos nos recuerdan una realidad evidente: la velocidad de la innovación debe ir acompañada de un mayor rigor en materia de validación, certificación y gestión de riesgos.

Perspectivas y futuro

Sin duda, el diseño de chips dentro de diez o veinte años adoptará la forma de una estrecha colaboración entre el ser humano y la IA. El ingeniero seguirá siendo el arquitecto global, garante de la seguridad y la fiabilidad, mientras que la IA se convertirá en una herramienta de exploración y optimización, capaz de proponer soluciones inéditas.

Este enfoque híbrido podría extenderse a ámbitos emergentes: ordenadores cuánticos, redes inteligentes, infraestructuras energéticas o incluso la investigación de nuevos materiales. Así, asistimos a un cambio profundo: de una lógica de densidad predecible heredada de la ley de Moore, pasamos a una lógica de creatividad algorítmica, en la que el valor ya no se mide solo en nanómetros, sino en potencial funcional.

La inteligencia artificial no pone fin a la ley de Moore: prolonga su ambición al tiempo que transforma las reglas del juego. Las arquitecturas que diseña son a veces extrañas, a menudo imprevisibles, pero su eficacia es innegable.

Para las empresas, los investigadores y las aseguradoras especializadas en nuevas tecnologías, el reto será doble: aprovechar los espectaculares avances que prometen estos chips y, al mismo tiempo, controlar los riesgos relacionados con la opacidad y la dependencia de los algoritmos.

Una cosa es segura: el futuro de los semiconductores ya no lo escribirán únicamente los ingenieros ni la ley de Moore, sino una ecuación compartida entre el ser humano y la IA, en la que el rendimiento, la seguridad y la creatividad deberán avanzar al unísono.