Huawei ha situado la IA agéntica como uno de los principales motores del próximo ciclo de infraestructura tecnológica. La compañía ha identificado diez áreas de desarrollo que considera necesarias para sostener un escenario en el que los agentes de inteligencia artificial actúen de forma continuada, utilicen herramientas, coordinen recursos y operen tanto en entornos digitales como físicos.
La propuesta forma parte de Intelligent World 2035: Turning Vision into Action , presentado junto con el Global Digitalization and Intelligence Index (GDII) 2026. El primero traslada a una hoja de ruta tecnológica las tendencias que Huawei había ido definiendo en anteriores ediciones de su estudio sobre 2035; el segundo trata de medir las condiciones que permitirían a las economías aprovechar esa evolución.
Ambos documentos comparten una premisa: el crecimiento de la inteligencia artificial trasladará una parte creciente de la demanda tecnológica desde las aplicaciones convencionales hacia sistemas capaces de ejecutar cadenas de tareas de manera autónoma. Esto afecta a los modelos de IA, pero también a la capacidad de cálculo, las redes, el almacenamiento, los centros de datos y la gestión energética que deben mantenerlos funcionando.
De las aplicaciones a una Internet dominada por agentes
Huawei describe este cambio como el paso de un entorno digital centrado en aplicaciones a otro centrado en agentes. En ese modelo, un sistema de IA puede percibir información de su entorno, razonar, decidir qué herramientas emplear, ejecutar acciones y mantener interacciones continuadas con usuarios u otros sistemas.
Cada uno de esos procesos genera y consume tokens, las unidades en las que los modelos de IA dividen la información que reciben y producen. A partir de esa dinámica, Huawei estima que el consumo anual mundial de tokens podría multiplicarse por 100.000 hasta 2035 y que los agentes llegarían a representar más del 90% del tráfico asociado a ellos. Son previsiones de la compañía, sujetas a la evolución de los modelos, los costes y los casos de uso durante la próxima década.
El cambio de escala tendría consecuencias directas sobre la infraestructura. Una aplicación tradicional genera tráfico principalmente cuando un usuario interactúa con ella. Un agente puede permanecer activo, consultar diferentes servicios, intercambiar información con otros sistemas y ejecutar varias operaciones para completar una sola petición.
Ese patrón explica que buena parte de las diez líneas propuestas por Huawei estén relacionadas con la capacidad para producir, transportar, almacenar y procesar tokens, más que con aplicaciones concretas.
Más computación y un menor coste por tarea
Una de las prioridades identificadas es aumentar hasta 100 veces la escala de los clústeres de computación mientras se reduce en un factor de 1.000 el coste de ejecutar tareas mediante agentes. Huawei plantea combinar mejoras en los chips con arquitecturas de sistemas de gran tamaño, entre ellas sus denominados SuperPoD.
La compañía incluye además nuevos sistemas de almacenamiento y memoria capaces de mantener relaciones causales y trazabilidad. La memoria adquiere más importancia cuando los agentes dejan de resolver interacciones aisladas y necesitan conservar contexto, experiencias anteriores y conocimiento acumulado para ejecutar trabajos prolongados.
La conectividad forma otra parte de esa infraestructura. Huawei propone integrar capacidades de IA en las propias redes para gestionarlas en función de la experiencia y de las necesidades de las cargas de trabajo. El objetivo declarado es asegurar flujos continuos entre los distintos componentes que intervienen en la ejecución de un agente.
El planteamiento reúne esos elementos bajo el concepto de una infraestructura «centrada en tokens», que cubriría desde su generación hasta su distribución, consumo y protección. En términos empresariales, desplaza parte de la discusión sobre IA desde el modelo elegido hacia el coste y la arquitectura necesarios para mantener grandes cantidades de agentes funcionando de manera persistente.
Huawei plantea un sistema operativo específico para agentes
Otra de las líneas es el desarrollo de un Agent OS, un sistema operativo concebido para que los agentes puedan coordinar recursos, ejecutar acciones, mantener memoria, comunicarse con otros sistemas y evolucionar a partir de la experiencia.
Huawei sostiene que las plataformas actuales pasarán progresivamente de funcionar como herramientas para desarrollar agentes a proporcionar servicios de sistema para desplegarlos y gobernarlos a gran escala. Entre las capacidades que identifica figuran la coordinación entre varios agentes, la memoria jerarquizada, la ejecución eficiente, la interconexión con otros ecosistemas y la optimización autónoma.
La compañía extiende la misma lógica a los dispositivos. Ordenadores, móviles, vehículos y otros equipos dejarían de funcionar únicamente como puntos de acceso a aplicaciones para convertirse también en soportes locales de agentes capaces de interpretar contexto y coordinar acciones entre dispositivos.
En conducción inteligente, Huawei plantea vehículos con capacidad de aprendizaje continuo y mayores mecanismos de seguridad. Es una de las áreas en las que la expansión de la IA desde los sistemas digitales hacia el entorno físico hace más evidente la necesidad de combinar autonomía con controles sobre su comportamiento.
Chips, energía y refrigeración condicionan la siguiente escala
La hoja de ruta también aborda límites físicos de la infraestructura. Huawei incluye entre sus diez prioridades la denominada Tau Scaling Law, una propuesta presentada por la compañía para complementar la evolución tradicional de los semiconductores mediante la reducción del tiempo de propagación de las señales y nuevas técnicas de diseño tridimensional.
El enfoque sustituye el énfasis exclusivo en reducir geométricamente los transistores por una optimización basada en el tiempo, con técnicas como LogicFolding. Su aplicación requeriría modificar herramientas de diseño electrónico y coordinar desde el nivel del dispositivo hasta el sistema completo aspectos como latencia y eficiencia energética.
Al mismo tiempo, el aumento de la potencia de cálculo plantea un problema energético. Otra de las líneas de actuación persigue superar los límites de potencia eléctrica y disipación térmica de los centros de datos de IA. El consumo energético, la refrigeración y la disponibilidad de capacidad eléctrica se convierten así en variables directamente relacionadas con el crecimiento que Huawei anticipa para la computación de IA.
La décima área es la seguridad y la privacidad. Cuanto mayor sea la capacidad de los agentes para acceder a datos y ejecutar acciones de manera autónoma, más relevante resulta controlar permisos, identidad, trazabilidad y comportamiento. El documento sitúa estas funciones como componentes estructurales de la arquitectura y no únicamente como capas adicionales de protección.
El GDII vincula infraestructura, datos y talento
El segundo estudio presentado por Huawei amplía el análisis desde la tecnología hacia la economía. Elaborado junto con el Instituto de Economía de la Universidad de Tsinghua, el GDII 2026 evalúa 90 economías a partir de factores relacionados con creación, transmisión, procesamiento y uso de datos, energía, políticas públicas y disponibilidad de talento.
Sus autores calculan que el impacto económico acumulado de la inteligencia artificial podría superar los 27 billones de dólares durante los próximos cinco años. También prevén que la inversión mundial en infraestructura digital e inteligente crezca a una tasa anual compuesta del 19,14% y supere los cuatro billones de dólares en 2030. Se trata de estimaciones del propio estudio, no de resultados económicos ya materializados.
El índice divide las economías analizadas entre las categorías «Builder», «Adopter» y «Frontrunner». Su metodología concede un papel complementario a redes, computación y almacenamiento: una elevada capacidad en una de esas áreas no compensaría completamente las carencias en las restantes. El modelo incorpora también calidad y velocidad de utilización de los datos y la combinación entre profesionales especializados y el conjunto de la fuerza laboral.
Para las empresas, esta aproximación deja una consecuencia más inmediata que las proyecciones a 2035. Si los agentes pasan de pruebas acotadas a intervenir de manera continuada en operaciones, atención al cliente, ingeniería o procesos industriales, la capacidad para desplegarlos dependerá progresivamente de decisiones sobre infraestructura, consumo energético, datos, seguridad y costes de inferencia. La competencia alrededor de la IA se extenderá así desde los modelos hacia toda la arquitectura necesaria para mantenerlos operativos a escala.
