El crecimiento de Cloud había convertido a la red en una pieza cada vez más crítica de la infraestructura. La Inteligencia Artificial lleva ese proceso un paso más adelante: en los nuevos clusters, networking no sólo conecta servidores y storage, sino que determina cuánto de la capacidad de cómputo instalada puede utilizarse efectivamente. A medida que miles de GPUs necesitan intercambiar información de manera coordinada, ancho de banda, latencia y congestión empiezan a tener un impacto directo sobre la performance y el costo de las aplicaciones.
Esto está acelerando la renovación del mercado de routing & switching. Ethernet avanza hacia mayores velocidades, aparecen equipos diseñados específicamente para tráfico IA y la automatización gana peso en la administración. Al mismo tiempo, la expansión del Edge y los modelos híbridos obliga a mirar más allá de la red interna del datacenter: campus, cloud, sucursales y múltiples DCs empiezan a formar parte de una arquitectura cada vez más integrada.
Del tráfico Norte-Sur al Este-Oeste
Uno de los cambios fundamentales está en la dirección del tráfico. En aplicaciones empresariales tradicionales, buena parte de la información circulaba entre servidores y usuarios, entrando y saliendo del datacenter. Las cargas distribuidas de IA generan, en cambio, enormes cantidades de tráfico Este-Oeste entre los propios nodos del cluster.
Durante el entrenamiento, cientos o miles de GPUs deben intercambiar constantemente parámetros y resultados para comportarse como un único sistema. Si una parte de esos aceleradores queda esperando a la red, baja la utilización de equipos que pueden representar una inversión de millones de dólares. La performance deja entonces de depender solamente de cuántas GPUs hay disponibles y pasa a depender de qué tan eficientemente pueden trabajar juntas.
Esta situación impulsa arquitecturas de red más planas y de alta capacidad, especialmente mediante diseños Spine-Leaf, que buscan reducir la cantidad de saltos y ofrecer caminos previsibles entre nodos. La red interna del datacenter se convierte así en una extensión del sistema de cómputo.
400G, 800G y la llegada de 1.6T
El aumento de velocidades es la manifestación más visible de esta transformación. 400 Gigabit Ethernet ya forma parte de los despliegues de alta performance, mientras 800G avanza rápidamente en los nuevos clusters de IA. En 2026, además, la industria está entrando en la primera etapa comercial de 1.6 Terabit Ethernet, orientada inicialmente a los ambientes de mayor escala.
Cisco describe actualmente una migración de fabrics de 400G hacia 800G, con implementaciones iniciales de 1.6T en clusters avanzados. Su nueva generación Silicon One G300 alcanza 102,4 Tbps de capacidad de switching, con interfaces de 1.6T orientadas a los grandes backends de IA. NVIDIA llegó este año a la misma cifra agregada con Spectrum-6, duplicando la capacidad de su generación anterior.
No significa que las empresas deban reemplazar inmediatamente sus redes por 800G o 1.6T. El mercado seguirá combinando velocidades según el workload y la capa de infraestructura. Lo importante para los compradores es que el ciclo de renovación se acelera y que una red diseñada hoy debe contemplar requerimientos de ancho de banda significativamente mayores durante su vida útil.
Ethernet se adapta a IA
Durante años, InfiniBand ocupó una posición privilegiada en HPC por su baja latencia y su capacidad para interconectar grandes sistemas de cómputo. El crecimiento de IA está llevando esas mismas exigencias al mercado comercial y provocando una fuerte evolución de Ethernet.
Uno de los componentes principales es RoCEv2 —RDMA over Converged Ethernet—, que permite transferir información directamente entre memorias a través de Ethernet reduciendo la intervención del CPU. Cisco señala que su adopción se está generalizando en redes IA, mientras plataformas como NVIDIA Spectrum-X combinan Ethernet con mecanismos específicos de control de congestión, telemetría y optimización del tráfico.
El resultado es una competencia que ya no puede resumirse simplemente como Ethernet versus InfiniBand. InfiniBand mantiene una presencia importante en grandes sistemas de IA y HPC, mientras Ethernet busca trasladar sus ventajas históricas de apertura, ecosistema y familiaridad empresarial hacia entornos que exigen performance mucho más determinista.
La congestión pasa a costar dinero
En una red empresarial convencional, una congestión puntual puede traducirse en una aplicación algo más lenta. En un cluster de IA, puede significar cientos de aceleradores costosos esperando que termine una transferencia.
Por eso adquieren mayor importancia las redes lossless, el balanceo adaptativo y los mecanismos capaces de detectar y evitar hotspots. Las nuevas plataformas analizan continuamente telemetría para distribuir flujos entre diferentes caminos y mantener una utilización más uniforme de la infraestructura.
NVIDIA afirma que Spectrum-X puede alcanzar hasta 1,6 veces la performance de red de Ethernet convencional para determinadas cargas de IA mediante la combinación de switches, SuperNICs y optimización del stack. Más allá de las cifras de cada fabricante, el cambio de fondo es que el software de red empieza a tener tanta importancia como la velocidad nominal del puerto.
Para los DC managers esto modifica también las métricas. Tener enlaces de 800G no garantiza por sí solo una buena red IA: importan la utilización efectiva, la latencia, las pérdidas, la distribución del tráfico y la capacidad de sostener performance cuando el cluster está bajo carga.
Switches cada vez más especializados
El switch atraviesa en paralelo una evolución importante. Los nuevos ASICs ofrecen mayor capacidad agregada y densidad de puertos, pero incorporan también funciones diseñadas específicamente para administrar grandes fabrics de IA.
El objetivo es evitar que el crecimiento del cluster obligue a sumar continuamente nuevas capas de switching. Cada nivel adicional agrega costo, consumo eléctrico y latencia, por lo que los fabricantes buscan arquitecturas más planas capaces de conectar cantidades crecientes de GPUs.
NVIDIA, por ejemplo, afirma que su arquitectura Spectrum-X Multiplane puede escalar hasta 128.000 GPUs manteniendo una topología de dos niveles. Este tipo de diseño muestra hasta qué punto el mercado está dejando de pensar el switch como un dispositivo aislado para diseñar la red como un fabric completo.
Routing: conectar también los datacenters
La escala introduce otro cambio. Los mayores proyectos de IA empiezan a superar la capacidad disponible en un único edificio o campus, por disponibilidad de energía, espacio o infraestructura. Eso obliga a distribuir capacidad entre diferentes instalaciones sin que las aplicaciones perciban una degradación excesiva.
El routing y la interconexión entre datacenters adquieren entonces una función adicional. NVIDIA ya utiliza el concepto scale-across para redes que conectan clusters ubicados en edificios diferentes e incluso separados por cientos de kilómetros, complementando el scale-up dentro del rack y el scale-out dentro del datacenter.
Para América Latina, esta tendencia puede resultar especialmente relevante. La infraestructura regional está distribuida entre hubs como São Paulo, Querétaro, Santiago y Bogotá, mientras nuevos polos buscan captar inversiones. La capacidad de conectar instalaciones con redes de baja latencia y gran ancho de banda puede permitir que distintos activos funcionen de manera más coordinada y ampliar las alternativas de ubicación.
La óptica enfrenta su propio límite
El crecimiento del tráfico también aumenta la cantidad de transceivers ópticos necesarios, y con ellos el consumo energético, costo y complejidad de la red. Por eso la silicon photonics y las ópticas co-packaged empiezan a ocupar un lugar central en las hojas de ruta de los fabricantes.
La idea es acercar los componentes ópticos al propio chip de switching, reduciendo parte de las pérdidas y el consumo asociados a los diseños tradicionales. En 2026, esta tecnología comienza a trasladarse desde el desarrollo hacia las primeras plataformas comerciales de muy alta capacidad.
No es un detalle menor en AI Factories donde networking puede representar una porción creciente del consumo total. A medida que la industria intenta mejorar la cantidad de tokens generados por watt, la eficiencia energética de la red también pasa a afectar la economía del cómputo.
IA para administrar la propia red
La segunda relación entre networking e IA ocurre en sentido inverso: las redes transportan workloads de IA, pero IA empieza también a administrarlas.
La cantidad de dispositivos, flujos, métricas y eventos hace cada vez más difícil una gestión exclusivamente manual. Los fabricantes están incorporando modelos capaces de analizar telemetría, detectar anomalías, anticipar problemas de capacidad y asistir en troubleshooting y configuración.
Cisco describe este modelo como una infraestructura predictiva donde IA puede identificar posibles bottlenecks antes de que impacten en el workload, combinada con orquestación entre ambientes on premise, cloud y Edge. El operador no desaparece: recibe recomendaciones y conserva el control sobre las decisiones de configuración.
Esto extiende a networking el mismo concepto de AIOps que ya aparece en otras capas del datacenter. El objetivo es pasar de reaccionar ante una caída o degradación a detectar patrones que permitan actuar antes de que afecten al servicio.
Más velocidad, pero también más inteligencia
Para el mercado empresarial, el cambio no debería interpretarse simplemente como una carrera por comprar switches con puertos más rápidos. Una red para Cloud + IA debe dimensionarse según las aplicaciones que va a soportar, la escala prevista y el costo de una eventual subutilización del cómputo.
Habrá organizaciones donde 100G o 400G continúen siendo más que suficientes, y grandes AI Factories donde 800G y 1.6T formen parte de la arquitectura. También habrá redes empresariales donde el desafío principal no sea conectar miles de GPUs sino integrar datacenter, cloud y Edge con mayor visibilidad, seguridad y automatización.
El denominador común es que networking recupera protagonismo dentro de la decisión de infraestructura. A mayor distribución del cómputo y mayor volumen de datos, más importante resulta la capacidad de moverlos de manera eficiente.
Cloud convirtió la red en el vínculo entre recursos distribuidos. IA agrega ahora una exigencia adicional: la red tiene que funcionar a la velocidad del cómputo que conecta. Y eso está renovando, desde los switches del datacenter hasta la óptica y el software de gestión, buena parte del mercado de networking.