SpaceX desarrolla su propio sistema de IA en C: Musk promete ser 10 veces más rápido que JAX de Google
SpaceX ha anunciado que está a punto de completar la versión 1.0 de su propio sistema de entrenamiento de inteligencia artificial, escrito en lenguaje C sobre un clúster de 220.000 aceleradores Nvidia GB300. Elon Musk afirma que el sistema será más de 10 veces más rápido que JAX, el popular marco de aprendizaje automático de Google. La cifra es llamativa, pero sin pruebas independientes que la respalden, conviene tomarla con cautela.
La apuesta por el metal desnudo
La gran mayoría de los sistemas de entrenamiento de IA utilizan bibliotecas y marcos escritos en Python que añaden capas de abstracción entre el código y el hardware. Esto facilita el desarrollo, pero introduce latencia y pérdidas de rendimiento. SpaceX ha optado por el camino contrario: escribir directamente en C para que el software interactúe con los procesadores con el mínimo de intermediarios posible.
El clúster sobre el que corre este sistema combina unidades GB300 NVL72 de Nvidia, cada una con 72 GPU Blackwell Ultra y 36 CPU Grace, conectadas mediante redes de 800 Gb/s. A esa escala —220.000 aceleradores en total— cada ineficiencia en el software se multiplica y el ahorro en milisegundos equivale a miles de dólares en costes de cómputo. La estrategia de SpaceX se centra en el paralelismo de tuberías (pipeline parallelism), una técnica que distribuye el entrenamiento entre miles de chips de forma coordinada.
SpaceX has almost finished writing V1.0 of an in-house AI training stack in C that exact-maps to 220k GB300s with 800G NICs, making heavy use of pipeline parallelism and getting as close to bare metal as possible.
— Elon Musk (@elonmusk) May 28, 2026
The potential speed improvement vs JAX for large training runs is…
El sistema está diseñado para entrenar Grok, el modelo de IA de xAI, empresa que fue absorbida por SpaceX en febrero de 2026. La integración replica el patrón que Musk ya aplicó con Tesla: una sola entidad que controla el hardware, el software y el despliegue del modelo.
Un enfoque cerrado en un mercado que mira a la transparencia
Para empresas y organismos en España, el planteamiento de SpaceX plantea preguntas relevantes. Compañías como Telefónica, BBVA o Banco Santander están explorando marcos abiertos como JAX precisamente porque facilitan la auditoría y el cumplimiento normativo. La Agencia Española de Protección de Datos (AEPD) exige cada vez más transparencia en los sistemas de IA, y un sistema de entrenamiento cerrado sin resultados públicos —como el de SpaceX— complica esa tarea.
El acceso al hardware tampoco es sencillo desde aquí. Los clústeres GB300 están disponibles principalmente a través de Microsoft Azure en Estados Unidos; no hay anuncios de despliegue en centros de datos españoles, según IBTimes.
¿Cambiará algo el panorama?
Si la ventaja de velocidad se confirma con pruebas independientes, otros actores del sector tendrán que replantearse su arquitectura de entrenamiento. Pero mientras no haya benchmarks públicos, la afirmación de Musk es solo una promesa. SpaceX tiene historial de cumplir objetivos ambiciosos, pero en IA las palabras no sustituyen a los datos.