Actuando en dos ejes intersecantes: La oportunidad de IA de Canadá

Hallazgo clave: La IA moderna está limitada por aceleradores. La métrica de capacidad nacional relevante son las ranuras de GPU (y otros aceleradores) vinculadas a salas de datos de alta densidad y capaces de refrigeración líquida, no la superficie en metros cuadrados de los centros de datos o los megavatios de coubicación de CPU. Cuente los aceleradores, no los edificios.

La oportunidad —y el riesgo— de la IA en Canadá ahora depende de dos ejes intersecantes:

• Eje 1 — Tipos de carga de trabajo: entrenamiento de frontera, inferencia a escala, asistentes conversacionales/generativos y sistemas cada vez más agénticos, junto con implementaciones de percepción/análisis y en el borde. Estas cargas de trabajo tienen perfiles muy diferentes de cómputo, latencia y seguridad, y ejercen una presión distintiva sobre la infraestructura.

• Eje 2 — La pila completa: energía → centros de datos/refrigeración → redes/interconexión → aceleradores (GPU/otros) → software de sistema → modelos/datos → middleware/orquestación → aplicaciones. La creación (y captura) de valor ahora requiere capacidad y competencia en toda esta pila, no solo en una capa.

Lo que cambió desde 2022: La IA pasó de proyectos piloto limitados a una plataforma a escala industrial. El entrenamiento de frontera se ha convertido en una actividad semi-industrial; la inferencia se ha convertido en un servicio público global entregado desde campus densos en aceleradores; y la IA conversacional ha impulsado la adopción masiva. Los hiperescaladores y los laboratorios de modelos ahora están construyendo instalaciones optimizadas para IA, no granjas de nube genéricas (por ejemplo, el programa Stargate de OpenAI — clústeres de 1 GW, primera fase de 200 MW en 2026 — explícitamente optimizado para inferencia a escala). (OpenAI)

El punto clave de la política: La IA moderna está limitada por aceleradores. La métrica de capacidad nacional relevante son las ranuras de GPU (y otros aceleradores) vinculadas a salas de datos de alta densidad y capaces de refrigeración líquida, no la superficie en metros cuadrados de los centros de datos o los megavatios de coubicación de CPU. Hoy en día, la refrigeración líquida directa todavía es utilizada por una minoría de operadores (aproximadamente una quinta parte informa algún uso de DLC), mientras que las densidades de rack de IA superan los 25–100 kW/rack y siguen aumentando. Por lo tanto, el análisis y los permisos de Canadá deberían centrarse en MW listos para IA y ranuras de GPU, no en el total de MW de TI. (Uptime Institute)

Posición de Canadá (instalada, anclada por operadores): La capacidad lista para GPU está concentrada en Quebec, liderada por QScale Q01 (142 MW de energía asegurada; ~96 MW protegidos para TI), además de los sitios de Vantage/Cologix; las grandes áreas metropolitanas de Ontario y Alberta siguen estando mayormente ponderadas por CPU; el AI Fabric de Bell en Columbia Británica ha puesto en marcha capacidad de inferencia no-GPU (Groq LPU) y ha anunciado fases adicionales. Esto valida el mensaje central: la coubicación solo de CPU no equivale a capacidad de IA. (qscale.com)

Propiedad intelectual y plataformas canadienses: Cohere sigue siendo un activo estratégico y una señal de ambición (apoyo federal de $240M; desarrollo privado con socios), pero una sola empresa de modelos —sin capacidad de aceleradores a escala y la pila circundante— no puede por sí misma ofrecer la preparación nacional para la IA. (Government of Canada)

Conclusión para el centro: Para evitar que el valor se desvíe al extranjero, Canadá debe (i) medir lo que importa (ranuras de GPU/aceleradores; MW listos para IA), (ii) permitir y alimentar campus priorizando la IA, (iii) asegurar el suministro de aceleradores, (iv) financiar modelos y middleware soberanos en dominios bilingües/regulados, y (v) adoptar la IA a escala en los servicios públicos para crear señales de demanda interna. El dossier a continuación destila los hilos en hallazgos clave accionables.

Hallazgos Clave de un Vistazo

La Economía de la IA Ahora Está Organizada por Tipo de Carga de Trabajo y por la Pila Completa

• El entrenamiento concentra capital y riesgo; exige superclústeres de GPU de larga duración y estrechamente acoplados con un ancho de banda de interconexión muy alto y refrigeración líquida. La inferencia es un cómputo de utilidad permanente, elástico y sensible a la latencia que impulsa la replicación regional y la disciplina de costos. Las cargas de trabajo conversacionales/generativas determinan el perfil de mezcla y aumento en la capa de inferencia y obligan a madurar el middleware de seguridad/barreras de protección. (Programas de infraestructura global como el Stargate de OpenAI reflejan esta especialización — primera fase de 200 MW en línea en 2026.) (OpenAI)

• Las aplicaciones (Gobierno/salud/finanzas/minería/minorista) monetizan la pila; el middleware (RAG, bases de datos vectoriales, seguridad/barreras de protección, orquestación de agentes) es ahora un punto de control para la adopción y el cumplimiento; el software de sistema (CUDA/ROCm, compiladores, planificadores) mantiene a los desarrolladores atados a los ecosistemas de aceleradores (notablemente NVIDIA). La estrategia CUDA-Q/QODA de NVIDIA alinea la futura aceleración cuántica-clásica con la misma superficie de desarrollador, reforzando el bloqueo del ecosistema. (NVIDIA Newsroom)

Implicación: Una política que financia solo

• Québec lidera: QScale Q01 (Lévis) es el buque insignia (142 MW asegurados; ~96 MW de TI protegida), diseñado específicamente para HPC/AI con diseño OCP-Ready. Vantage QC2 (Québec City, 86 MW) y los campus de Montréal (50 MW, 30 MW, 11 MW) añaden capacidad hiperescala moderna. Cologix MTL10 (35 MW) proporciona potencial adicional de alta densidad. (qscale.com)

• Ontario alberga grandes áreas metropolitanas (por ejemplo, Digital Realty TOR1, Equinix TR2, STACK TOR01A), pero la mayor parte de la energía instalada sigue estando orientada a la CPU sin adaptaciones prioritarias para IA (bucles de líquido, salas de 50–100 kW/rack). El caso de ingeniería de TOR1 cita 64 MW de capacidad; Equinix TR2 publica 16 MW. (Stantec)

• Columbia Británica está emergiendo para la inferencia: Bell AI Fabric tiene dos sitios de 7 MW (Kamloops, Merritt) en línea con aceleradores Groq LPU; se anuncian fases adicionales de 26 MW + 26 MW para 2026/27 (en desarrollo). La capacidad ancla para el entrenamiento de GPU sigue siendo limitada. (Bell)

• Alberta tiene una huella moderna (por ejemplo, eStruxture CAL-2 ~20 MW), y la región de AWS Canada West, pero las divulgaciones públicas específicas para GPU siguen siendo escasas.

• Los recuentos nacionales siguen siendo engañosos: Canadá tiene ~239 centros de datos operativos, pero la capacidad lista para IA instalada es un subconjunto del total de MW de TI. (Las notas de investigación también citan una capacidad de colocación de construcción completa >800 MW — de nuevo, no equivalente a los megavatios listos para GPU.) (CER)

Implicación: La capacidad actual lista para GPU está concentrada; sin acelerar las construcciones prioritarias para IA en ON/AB/BC, las cargas de trabajo de entrenamiento de modelos e inferencia de alto rendimiento — y el gasto relacionado — seguirán fluyendo al extranjero.

Cohere es un pilar crítico, pero insuficiente

• El compromiso federal de $240M con Cohere (como parte de la Estrategia Soberana de Cómputo de IA) es la señal correcta: anclar la demanda de cómputo doméstico, atraer capital privado y mantener la propiedad intelectual de modelos canadienses en el país. Pero una sola empresa de modelos no puede sustituir una huella nacional de aceleradores, capacidad lista para líquido e integradores de middleware. (Gobierno de Canadá)

Implicación: Emparejar las inversiones en modelos soberanos (Cohere, institutos, modelos bilingües abiertos) con cómputo soberano (ranuras de GPU) e incentivos para centros de datos prioritarios para IA, o la cadena de valor seguirá fracturada.

El referente global se mueve muy rápido

• Las implementaciones de vanguardia ahora se miden en gigavatios. Stargate de OpenAI es el indicador más claro: clústeres de 1 GW, primera fase de 200 MW en línea en 2026; Microsoft, AWS y otros están desplegando clústeres de clase GB300/Blackwell a escala de supercomputadora con refrigeración líquida y tejidos 800G. La capacidad de Canadá, incluso con lo que está en desarrollo, es dos órdenes de magnitud menor. (Converge Digest)

Implicación: Canadá debe elegir dónde liderar (por ejemplo, modelos bilingües soberanos; IA para el sector público; IA para clima/recursos; pilotos cuántico-clásicos) y asegurar que exista capacidad física a nivel nacional para esas apuestas.

Qué hacer a continuación (acciones con forma de política)

1. Medir y publicar: Adoptar un inventario oficial de ranuras de GPU y MW listos para IA (por provincia y campus). Vincular permisos, asignaciones de red y créditos fiscales a la creación de capacidad lista para IA (refrigeración líquida, salas de alta densidad, interconexión).

2. Acelerar construcciones/adaptaciones "prioritarias para IA": Agilizar las adaptaciones listas para líquido en Toronto/Montreal/Calgary/Vancouver; priorizar salas de 50–100 kW/rack y bucles de agua DLC en nuevos permisos.

3. Asegurar aceleradores: Buscar acuerdos de asignación a granel con proveedores; coordinar con aliados para la entrega asegurada a la investigación/industria canadiense; apoyar los esfuerzos nacionales de diseño de chips que se alineen con ecosistemas estilo CUDA/QODA para preservar el apalancamiento de los desarrolladores. (NVIDIA Newsroom)

4. Anclar la demanda: Escalar la adopción en el sector público (adquisiciones basadas en desafíos; entornos de prueba seguros) y los proyectos piloto sectoriales (salud, recursos, finanzas).

5. Modelos soberanos y middleware: Financiar modelos bilingües y conformes y pilas de protección/middleware utilizables en todos los departamentos e industrias reguladas — implementados en aceleradores canadienses.

Mensaje clave para los tomadores de decisiones: Cuenten los aceleradores, no los edificios. Si un megavatio no puede enfriar e interconectar GPU, no es capacidad de IA.

Fuentes (seleccionadas, de apoyo): QScale Q01 (142 MW asegurados; OCP-Ready; carga de TI protegida) — página OCP de QScale, evaluación del sitio OCP. Capacidades de Vantage Québec: QC2 (86 MW), Montréal QC4 (50 MW), QC6 (30 MW), QC1 (11 MW) — renx.ca. Cologix MTL10: 35 MW de energía crítica (Longueuil). Digital Realty TOR1 (Toronto): caso de ingeniería de 64 MW; Equinix TR2: especificación de 16 MW — Stantec. Bell AI Fabric: sitios de 7 MW en Kamloops y Merritt; fases adicionales; inferencia Groq LPU. Recuentos nacionales: ~239 centros de datos operativos (CER Market Snapshot). Anclas de capacidad instalada (cuota de Toronto): CleanBridge GDC2025 (Toronto ≈ 335 MW ≈ 45% de lo instalado). Adopción y densificación de DLC: Encuesta de Refrigeración 2024 de Uptime Institute (~22% reportan algún uso de DLC); racks de IA 25–100 kW+ (Vertiv). CUDA-Q/QODA (cuántico-clásico bajo el paraguas de CUDA). OpenAI Stargate: clúster de 1 GW; primera fase de 200 MW en 2026. Apoyo a Cohere: inversión del Gobierno de Canadá de hasta $240M; informes de asociación con CoreWeave.