La décima edición de VivaTech ha comenzado en París con una jornada que ha ido mucho más allá del entusiasmo habitual por la innovación. La inteligencia artificial ha sido el centro de gravedad del primer día, pero las conversaciones más relevantes no han girado solo alrededor de los modelos. Han girado alrededor de todo lo que los hace posibles: chips, energía, centros de datos, capital, industria, datos, regulación, espacio y capacidad de ejecución.
VivaTech 2026 ha arrancado con más tamaño, más contenido y más carga simbólica que en ediciones anteriores. El evento se traslada al Hall 7 de Paris Expo Porte de Versailles, crece hasta los 70.000 metros cuadrados y reúne a más de 15.000 startups, alrededor de 1.500 experiencias tecnológicas para ver y probar sobre el terreno, 1.200 novedades presentadas en primicia, más de 4.000 inversores, 4.200 partners y 60 pabellones nacionales. Alemania es el país del año e India aparece como socio de referencia en inteligencia artificial.
Los números son importantes, pero no explican por sí solos el clima de esta primera jornada. Lo relevante es que VivaTech ya no se presenta únicamente como una gran feria de tecnología. En su décimo aniversario, el evento funciona como un termómetro del momento tecnológico europeo y global. En los pasillos hay robots, prototipos, soluciones de IA, startups, grandes compañías y delegaciones internacionales. En los escenarios, sin embargo, el debate ha sido más estructural: cómo se convierte la innovación en escala, cómo se reduce la dependencia tecnológica y quién tendrá capacidad real para construir la próxima década.
La apertura, con Bernard Arnault y Maurice Lévy, sirvió para conectar el décimo aniversario del evento con una idea que sobrevoló toda la jornada: la innovación no depende solo de tener una buena idea. Depende de ejecutarla. Arnault recordó que LVMH puede verse como un conglomerado de startups, porque cada una de sus grandes marcas comenzó en algún momento con un fundador, una idea y una capacidad de crecimiento. Pero introdujo un matiz importante: el objetivo de una startup no es permanecer siempre como startup, sino crecer sin perder ese espíritu inicial.
Esa idea de ejecución fue una de las claves del día. En un momento en el que Europa habla de soberanía, competitividad, inteligencia artificial y autonomía estratégica, el verdadero reto no parece estar en diagnosticar el problema. El diagnóstico está bastante claro. Europa tiene talento, universidades, investigadores, empresas industriales, startups y capacidades científicas. El punto débil aparece cuando esas capacidades tienen que convertirse en escala, capital, plataformas globales y adopción masiva.
Arnault también dejó un detalle revelador sobre el uso de la inteligencia artificial dentro de LVMH. Explicó que cada semana participa en sesiones de diseño con IA para imaginar productos y llevar algunos de ellos a la realidad. No fue la intervención más técnica del día, pero sí ayudó a colocar la IA en un terreno muy concreto: no como un concepto abstracto, sino como una herramienta que empieza a entrar en procesos creativos, industriales y comerciales.
La soberanía deja de ser un eslogan
El primer gran eje de la jornada fue la soberanía tecnológica. No en un sentido defensivo o proteccionista, sino como capacidad de decisión. Karsten Wildberger, ministro alemán de Digitalización y Modernización del Gobierno, lo formuló con claridad: durante décadas, Europa ha visto demasiados cambios tecnológicos desde la barrera. Las plataformas de software, el cloud, los chips y muchos de los modelos de negocio digitales se construyeron fuera. Europa los usó, los reguló y se adaptó a ellos, pero rara vez los definió desde el inicio.
Con la inteligencia artificial, según Wildberger, se abre una ventana para ponerse al día, pero esa ventana no permanecerá abierta indefinidamente. Su intervención fue relevante porque no planteó la soberanía como aislamiento. La definió como la capacidad de elegir, cambiar de proveedor cuando sea necesario, verificar lo crítico y construir soluciones propias. La soberanía, en ese enfoque, no consiste en cerrar Europa al mundo, sino en evitar que la apertura se convierta en dependencia.
El mensaje llega en un contexto especialmente sensible. Wildberger aludió a la posibilidad de que el acceso a determinados modelos avanzados pueda cambiar de un día para otro, algo que convierte la dependencia tecnológica en un riesgo operativo y estratégico. En ese escenario, la soberanía deja de ser una palabra de discursos institucionales y pasa a ser una cuestión práctica: qué ocurre si una empresa, una administración o un sector crítico no puede acceder a los modelos, chips, infraestructuras o servicios sobre los que había construido parte de su funcionamiento.
El ministro alemán bajó ese debate al terreno de la ejecución. Habló de duplicar la capacidad de computación de Alemania hasta 6 gigavatios, cuadruplicar la capacidad de IA en tres años y medio y construir una infraestructura cloud soberana, el Deutschlandstack, con consorcios germano-europeos. También introdujo un punto que suele quedar en segundo plano: el Estado no tiene por qué ser un buen emprendedor, pero puede ser un muy buen cliente. En otras palabras, la soberanía europea no se construirá solo con subvenciones, sino también con demanda pública, compras estratégicas y confianza en soluciones europeas.
Henna Virkkunen, vicepresidenta ejecutiva de la Comisión Europea para Soberanía Tecnológica, Seguridad y Democracia, desarrolló esa misma línea desde el marco comunitario. Su diagnóstico fue directo: Europa ha sido conocida durante años por regular la tecnología, pero ahora quiere construirla. La diferencia no es menor. Regular sigue siendo importante, pero no basta para competir en una economía donde la inteligencia artificial, los semiconductores, el cloud, la ciberseguridad y la computación cuántica se han convertido en fundamentos del poder económico y geopolítico.
Virkkunen insistió en que Europa cuenta con más de 45.000 startups, unas 8.000 centradas en IA, más investigadores de IA per cápita que otras regiones y una base industrial y científica significativa. El problema, según su intervención, no es la falta de ideas, sino el acceso a tres elementos críticos: computación, capital y clientes. De ahí el impulso de las AI Factories europeas, las futuras AI Gigafactories, el paquete de soberanía tecnológica, el Chips Act 2.0, el Cloud and AI Development Act y el intento de canalizar parte del ahorro europeo hacia tecnologías estratégicas.
La intervención de Virkkunen fue especialmente interesante porque conectó la agenda tecnológica con la financiera. Europa tiene un problema de inversión en capital riesgo frente a Estados Unidos y China, pero también una gran capacidad de ahorro privado. La cuestión es cómo transformar ese ahorro en inversión productiva en empresas tecnológicas europeas. De nuevo, la discusión volvía al mismo punto: no basta con tener conocimiento; hay que convertirlo en empresas, productos, infraestructuras y mercados.
La fragmentación europea como lastre
La mesa con Enrico Letta y Nick Clegg añadió una capa menos técnica pero muy necesaria. El debate sobre Europa no puede limitarse a repetir que el continente tiene talento. Esa afirmación es cierta, pero incompleta. Letta situó uno de los grandes problemas en la fragmentación de los mercados financieros. Mientras Estados Unidos cuenta con un mercado de capitales integrado y de enorme profundidad, Europa sigue operando con mercados nacionales fragmentados. Esa diferencia condiciona la capacidad de financiar empresas tecnológicas de gran escala.
Letta recordó que Europa tiene un peso relevante en la economía real mundial, pero pierde fuerza cuando se observa la capitalización bursátil y la profundidad financiera. La comparación es incómoda porque ayuda a entender por qué muchas compañías europeas con tecnología, talento y producto terminan buscando capital, mercado o comprador fuera de Europa.
Clegg reforzó ese argumento desde su experiencia política y empresarial. Su análisis fue claro: el tamaño importa más que antes. En la era de los grandes modelos de lenguaje, entrenar y operar modelos de frontera exige cantidades extraordinarias de capital, energía, agua e infraestructura. En ese paradigma, Europa lo tiene difícil para competir de forma directa con los grandes hiperescaladores estadounidenses. Su lectura, sin embargo, no fue derrotista. La oportunidad europea podría estar en no llegar tarde al siguiente paradigma, especialmente si los modelos post-LLM, los modelos del mundo o nuevas formas de computación espacial abren una etapa distinta.
El problema, de nuevo, es la escala. Europa tiene un mercado único bastante integrado en bienes, pero mucho menos en servicios digitales, datos, software, telecomunicaciones y capital. Clegg lo resumió con una imagen provocadora: resulta más fácil mover mercancías físicas de un extremo a otro de Europa que escalar un producto digital bajo un marco verdaderamente homogéneo. La existencia de múltiples autoridades de protección de datos, interpretaciones regulatorias distintas y mercados fragmentados reduce la velocidad de crecimiento de muchas empresas.
VivaTech, en ese sentido, funciona como una puesta en escena de la paradoja europea. Hay talento, hay empresas, hay ciencia, hay startups y hay discurso político. Lo que falta es transformar todo eso en una capacidad sostenida de ejecución.
ASML recuerda que no hay IA sin máquinas
Si la soberanía fue el eje político de la jornada, la infraestructura fue el eje material. Christophe Fouquet, CEO de ASML, ofreció una de las intervenciones más útiles para poner la inteligencia artificial en perspectiva. Su mensaje fue sencillo: se habla mucho de modelos, pero la IA requiere chips, y los chips avanzados requieren litografía EUV.
ASML ocupa una posición singular en la economía tecnológica global porque es el único proveedor de máquinas de litografía ultravioleta extrema para fabricar los chips más avanzados. Fouquet explicó que la demanda asociada a la IA está creando una presión enorme sobre toda la cadena de suministro: centros de datos, aceleradores, obleas, equipos de fabricación y capacidad industrial. Según su exposición, la necesidad de obleas para soportar la nueva infraestructura de IA se multiplicará en los próximos años y el mercado estará limitado por la oferta.
El dato más importante no fue solo técnico. Fue estratégico. Gran parte de la inversión en infraestructura de IA se concentra en Estados Unidos, mientras China avanza con su propia estrategia y Europa mantiene una presencia menor. En un evento donde se habló tanto de soberanía, ASML puso sobre la mesa una realidad difícil de ignorar: una parte crítica de la infraestructura global de IA depende de una compañía europea, pero la mayor parte de la demanda, la inversión y la escala industrial están concentradas fuera de Europa.
Fouquet describió la complejidad de imprimir estructuras de 8 nanómetros, una escala que comparó con dividir un cabello humano en 10.000 partes. También explicó que sus máquinas operan con niveles extremos de precisión, velocidad y disponibilidad industrial. No son laboratorios experimentales. Son sistemas que tienen que trabajar casi de forma continua en cadenas de fabricación donde cualquier parada implica costes enormes.
La intervención de ASML conectó muy bien con el tono de la jornada. La IA no es solo software. No es solo una interfaz conversacional. Es una cadena de valor física, energética, logística, industrial y científica. Y en esa cadena, Europa tiene activos estratégicos muy relevantes, pero también una exposición evidente a decisiones de inversión, clientes y mercados que se concentran fuera del continente.
Siemens y la IA que no puede fallar
La keynote de Siemens aterrizó el debate en la industria. En la IA de consumo, una respuesta imprecisa puede ser molesta. En una fábrica, una red eléctrica, una línea de producción o un sistema logístico, puede tener consecuencias reales. Por eso Siemens planteó una idea que debería repetirse más en el debate público: cuando la IA entra en un sistema físico, deja de ser una funcionalidad y se convierte en una fuerza con impacto directo.
La frase clave fue que en la IA industrial las alucinaciones no son aceptables. La solución propuesta no pasa por frenar la adopción, sino por incorporar la fiabilidad desde el diseño. Siemens articuló su visión alrededor de tres fases: diseñar, construir y operar. En la primera, los gemelos digitales permiten simular máquinas, fábricas, edificios o redes logísticas antes de gastar dinero en el mundo físico. En la segunda, los agentes de IA empiezan a integrarse en herramientas de ingeniería. En la tercera, la IA se despliega en operaciones reales para detectar patrones, anticipar problemas y optimizar procesos.
El ejemplo del Eigen Engineering Agent fue representativo. Siemens lo presentó como un agente industrial capaz de completar tareas de ingeniería dentro de TIA Portal: planificar, recopilar documentación, escribir código ejecutable para controladores, compilarlo y validarlo hasta que funcione. La compañía habló de mejoras de productividad, reducción de tiempos de desarrollo y mayor calidad. Más allá de las cifras, la importancia está en el tipo de IA que se está proponiendo: no un asistente genérico, sino un agente integrado en un flujo técnico específico, con datos, reglas y estándares de empresa.
La intervención también dejó una advertencia contra el exceso de pilotos. Cedrik Neike habló de tres síndromes habituales en la adopción de IA industrial: intentar aplicarla a todo sin foco, no construir una base de datos y procesos adecuada, y avanzar en solitario sin socios capaces de integrar tecnología, estrategia y operación. Es una observación relevante porque muchas empresas están precisamente en esa fase: muchas pruebas, pocos despliegues con retorno real.
Los casos de Gravity y Sanofi, presentados junto a Capgemini, reforzaron esa visión. En el caso de Gravity, el objetivo es diseñar una planta de acero verde en Marsella con gemelos digitales y una capa de IA para optimizar operaciones. En el caso de Sanofi, el reto pasa por digitalizar y escalar operaciones de fabricación en un entorno regulado. El punto común es que la IA industrial exige datos estructurados, procesos claros, integración con sistemas existentes, gobernanza y confianza entre humanos y agentes.
Aquí VivaTech dejó una conclusión muy útil para directivos: la IA empresarial e industrial no se escala a base de entusiasmo, sino de arquitectura.
Bezos y el espacio como infraestructura económica
Jeff Bezos fue el gran nombre mediático de la primera jornada. Su presencia en VivaTech podía haberse quedado en el atractivo de ver al fundador de Amazon y Blue Origin en el escenario, pero su conversación ofreció una lectura más profunda si se observa desde el hilo del día: la infraestructura.
Bezos no habló del espacio como una aventura aislada, sino como una nueva capa de infraestructura económica. Su objetivo con Blue Origin es reducir el coste de acceso al espacio y construir la «carretera» que permita que muchas otras empresas desarrollen servicios, productos y negocios sobre ella. La comparación con Internet fue explícita: en la economía digital, la existencia de redes e infraestructuras permitió que pequeñas compañías construyeran empresas gigantes. Bezos quiere que algo similar ocurra en el espacio.
La demanda, según explicó, ya no es el problema. El sector está limitado por la oferta de lanzamientos. Las constelaciones en órbita baja, las misiones de seguridad nacional, los programas lunares, la computación orbital y los futuros recursos espaciales aumentan la presión sobre la capacidad de lanzamiento. De ahí la importancia de la reutilización, la fabricación a escala y la integración vertical.
Blue Origin presentó el espacio como un entorno en el que se pueden ubicar comunicaciones, computación, centros de datos orbitales, recursos lunares y, a largo plazo, parte de la industria contaminante. Es una visión muy ambiciosa, pero conecta con una idea que recorrió toda la jornada: las tecnologías que parecen «digitales» dependen cada vez más de infraestructuras físicas. La IA requiere chips y energía. La industria requiere gemelos digitales y sensores. El espacio requiere cohetes reutilizables, motores, materiales, fábricas y cadenas de suministro.
La parte más interesante para el debate sobre IA llegó con Prometheus, la nueva compañía de Bezos centrada en desarrollar herramientas de inteligencia artificial para ingeniería. Su objetivo no es crear otro asistente conversacional, sino acelerar el ciclo entre imaginar, diseñar y fabricar. Bezos lo explicó con el ejemplo de un motor de avión: un programa que hoy puede requerir una década podría reducirse si la IA ayuda a simular, diseñar, probar y preparar la fabricación de sistemas físicos complejos.
Ahí aparece un punto de conexión con Siemens, ASML y la industria europea. La próxima fase de la IA no se jugará solo en generar texto o código. También se jugará en transformar la ingeniería, el diseño de productos, la fabricación, la simulación y la capacidad de llevar ideas al mundo físico.
Yann LeCun y los límites del paradigma actual
La intervención de Yann LeCun introdujo una nota de contraste frente al dominio actual de los grandes modelos de lenguaje. LeCun no negó su utilidad. Al contrario, reconoció que son potentes, útiles y superhumanos en algunos dominios, especialmente en matemáticas y código. Pero defendió que no constituyen un camino suficiente hacia una inteligencia de nivel humano.
Su crítica se dirigió a lo que llamó una «monocultura» de la industria. Muchas compañías están compitiendo sobre el mismo paradigma, escalando modelos similares, contratando talento entre ellas y tratando de no quedarse atrás. Para LeCun, esa dinámica puede dificultar la exploración de enfoques realmente distintos.
Su apuesta con AMI Labs se orienta hacia modelos capaces de construir representaciones abstractas del mundo, anticipar consecuencias y planificar acciones. El concepto de «world models» o modelos del mundo parte de una idea sencilla de explicar y muy compleja de construir: un sistema inteligente no debería limitarse a predecir la siguiente palabra, sino que debería anticipar qué puede ocurrir si toma una acción determinada en un entorno físico o digital.
La diferencia es importante. Un asistente que genera lenguaje puede responder con fluidez. Un agente que actúa necesita prever consecuencias. Si una IA va a operar robots, fábricas, vehículos, sistemas logísticos o procesos de negocio, necesita algo más que habilidad simbólica. Necesita comprender relaciones causales, estados del mundo, objetivos y restricciones.
La intervención de LeCun conecta con un debate estratégico para Europa. Si el paradigma actual de los LLM favorece a quienes tienen más capital, más centros de datos y más capacidad de cómputo, Europa podría tener más opciones en la siguiente generación de modelos, siempre que invierta a tiempo en ciencia, talento, infraestructura y empresas capaces de escalar.
Tim Berners-Lee y la soberanía del individuo
La soberanía también tuvo una lectura más personal con Tim Berners-Lee. Si Wildberger y Virkkunen hablaron de soberanía nacional y europea, Berners-Lee llevó el debate al individuo. Su diagnóstico fue severo: la web ha dejado de ser un espacio plenamente empoderador para los usuarios. En el origen, cualquiera podía crear su propio sitio, controlar su presencia y participar de forma abierta. Hoy, buena parte de la experiencia digital está mediada por grandes plataformas y, cada vez más, por asistentes de IA.
La preocupación de Berners-Lee y John Bruce con Charlie, el sistema presentado por Inrupt, parte de una idea muy concreta: los modelos de lenguaje están empezando a convertirse en la memoria de los usuarios. Cada consulta, cada dato personal, cada preferencia, cada documento y cada interacción puede alimentar una relación cada vez más íntima entre usuario y sistema. Esa utilidad tiene un coste: el control sobre los datos.
Charlie se plantea como una capa entre el usuario y los modelos. Su objetivo no es impedir el uso de la IA, sino permitir que el usuario conserve más control sobre qué datos se comparten, cómo se comparten y con qué grado de precisión. La propuesta se apoya en la idea de bóvedas o carteras de datos personales y en protocolos abiertos como Solid. También introduce mecanismos de eliminación de información personal identificable y de «jitter», es decir, aproximaciones o distorsiones controladas de ciertos datos para reducir la exposición del usuario sin perder toda la utilidad de la respuesta.
La idea de fondo es potente: pasar de una economía de la atención a una economía de la intención. En lugar de plataformas que capturan datos para dirigir publicidad o recomendaciones, el usuario podría decidir qué quiere comunicar al mercado y bajo qué condiciones. Es un planteamiento todavía incipiente, pero encaja con una preocupación creciente: si los asistentes de IA se convierten en intermediarios de nuestra vida digital, la propiedad y el gobierno de los datos personales serán una cuestión central.
L’Oréal y OpenAI: la IA vertical empieza a tomar forma
La jornada también dejó anuncios sectoriales relevantes, entre ellos la colaboración entre L’Oréal Groupe y OpenAI. Aunque merece un análisis propio, encaja bien en la crónica del primer día porque muestra cómo la IA generativa empieza a entrar en verticales concretas con casos de uso de consumo, investigación, marketing y comercio.
El acuerdo se estructura en dos grandes áreas. La primera es la experiencia del consumidor y el comercio basado en agentes de IA. Maybelline New York integrará la prueba virtual de maquillaje directamente en ChatGPT mediante la tecnología ModiFace. L’Oréal también trabajará con OpenAI para mejorar el descubrimiento de productos del grupo dentro de ChatGPT en Estados Unidos, con información de marcas como Lancôme y Kérastase. Además, SkinCeuticals, CeraVe y Garnier participan en un piloto publicitario global de ChatGPT, orientado a publicidad nativa en IA vinculada a la intención del consumidor y al acto de compra.
La segunda área es interna y científica. L’Oréal utilizará GPT-Rosalind, el modelo de razonamiento de OpenAI para ciencias de la vida, en el mapeo del microbioma cutáneo, con el objetivo de identificar bacterias beneficiosas y acelerar el desarrollo de productos de cuidado de la piel, empezando por La Roche-Posay. También aplicará modelos de OpenAI a CreAItech, su plataforma interna de creación de contenidos de belleza con IA generativa.
El anuncio es interesante porque anticipa un cambio en la relación entre marcas, consumidores y plataformas de IA. ChatGPT deja de ser solo un entorno de consulta para convertirse en un posible espacio de descubrimiento, prueba, recomendación y compra. Para las marcas, esto abre oportunidades, pero también plantea un riesgo de intermediación. Si los asistentes conversacionales se convierten en la nueva puerta de entrada al consumo, las compañías tendrán que decidir cómo participan en ese entorno sin perder relación directa, datos y control de experiencia.
Una primera jornada de madurez
La sensación que deja el primer día de VivaTech 2026 es la de una edición de madurez. La inteligencia artificial sigue estando en todas partes, pero el debate ya no se limita a celebrar sus capacidades. La conversación ha cambiado de nivel. Ahora se habla de infraestructura, chips, energía, cloud, datos, capital, regulación, fábricas, defensa, espacio y adopción real.
Ese cambio es relevante porque refleja una etapa distinta del ciclo tecnológico. Tras la sorpresa inicial de la IA generativa, el mercado y las instituciones empiezan a hacerse preguntas más difíciles. Quién paga la infraestructura. Quién controla los modelos. Quién fabrica los chips. Quién dispone de energía suficiente. Quién tiene datos de calidad. Quién puede escalar empresas. Quién protege al usuario. Quién convierte pilotos en productividad. Quién transforma ciencia en industria.
VivaTech 2026 ha arrancado, por tanto, como algo más que una feria de novedades. Ha empezado como un espacio donde Europa intenta medir su capacidad real para competir en una economía tecnológica cada vez más física, geopolítica y dependiente de la ejecución.
El mensaje de fondo no es que Europa carezca de talento. La jornada ha mostrado justo lo contrario. El problema es que el talento no basta. Tampoco bastan las ideas, los laboratorios, las startups o las declaraciones políticas. La próxima década se decidirá en la capacidad de convertir todo eso en infraestructura, escala y empresas capaces de competir globalmente.
Ese es el gran tema que deja el primer día de VivaTech 2026: la IA está en el centro, pero el futuro no se decidirá solo en los modelos, sino en todo lo que permite construirlos, desplegarlos y convertirlos en valor económico, industrial y social.
