Qichao Hu, CEO de SES AI, lo dice sin rodeos: “Casi todas las empresas occidentales de baterías han muerto o van a morir. Es la realidad.” Y él es el CEO de una empresa de baterías. Que alguien diagnostique así su propia industria —y luego anuncie que gira hacia la inteligencia artificial— no es admisión de derrota. Es una lectura del mercado que conviene entender, porque lo que está haciendo SES AI no es caso aislado.
La compañía, fundada como Solid Energy como un spinout del MIT en 2012, pasó una década desarrollando baterías de litio-metal de estado sólido con GM, Hyundai y Honda. Baterías de alto rendimiento, pensadas para vehículos eléctricos grandes. Pero el mercado cambió: el crédito fiscal para EVs en EE.UU. se eliminó a fines de 2025, el crecimiento del sector se desaceleró, y la competencia china en manufactura se volvió imposible de igualar en costos. SES AI no va a competir en volumen con CATL. Nadie en Occidente puede.
El pivot: de fabricar baterías a descubrir materiales con IA
En vez de seguir fabricando celdas, SES AI apostó por lo que sí tiene: 14 años de datos, conocimiento de materiales, y laboratorios que funcionan. El resultado es Molecular Universe, una plataforma de descubrimiento de materiales impulsada por IA que apunta a reducir el proceso de identificación de nuevos compuestos —que normalmente toma años— a cuestiones de meses.
Aprende IA con nosotros
Únete gratis a mi comunidad en Skool, donde compartimos noticias, tutoriales y recursos para seguir aprendiendo juntos.
👥 Únete gratis 🚀La lógica del negocio cambió completamente. Antes: fabricar, vender celdas, competir en volumen. Ahora: descubrir materiales, licenciarlos a otras empresas de baterías, o vender los compuestos directamente. Un modelo más parecido al de una empresa de software o de I+D que al de una manufacturera.
El primer resultado concreto: la plataforma identificó seis nuevos materiales electrolíticos. Uno de ellos es un aditivo que puede reemplazar al fluoroethylene carbonate (FEC), un compuesto que estabiliza los ánodos de silicio pero que se degrada a altas temperaturas liberando gases que dañan la batería. El nuevo compuesto cumple la misma función sin ese problema. Si se confirma en producción, es el tipo de hallazgo que puede valer millones en licencias.
¿Funciona la IA para descubrir materiales?
Aquí el análisis se complica. El entusiasmo alrededor de la IA para descubrimiento científico es real y tiene bases sólidas —AlphaFold demostró que los modelos pueden hacer avances genuinos en ciencias naturales—. Pero el salto de proteínas a materiales de baterías no es trivial.
Kara Rodby, experta de Volta Energy Technologies, lo pone en perspectiva: “No sé que la capacidad de descubrir nuevos materiales vaya a desbloquear nada nuevo para la industria en este punto.” El problema de las baterías occidentales, en su lectura, no es de materiales. Es de manufactura, escala, y cadena de suministro. Descubrir un electrolito mejor no resuelve que no hay fábricas capaces de producirlo en volumen a precio competitivo.
Hu reconoce esto, en parte. Su argumento es diferente: el valor de SES AI no está en el modelo de IA en sí, sino en los datos propietarios y la expertise acumulada. “Al no fabricar la batería física, podemos escalar y generar ingresos más rápido”, dice. Es un argumento razonable, pero también marca los límites: la plataforma vale en la medida que haya compradores dispuestos a licenciar los materiales que descubra, y ese mercado está igualmente presionado.
La señal más grande: qué dice este pivot sobre la industria
El caso de SES AI no es el único. Varias empresas de energía, materiales y manufactura están redirigiendo recursos hacia plataformas de descubrimiento con IA. La tesis común: si la fabricación a gran escala está perdida para Occidente en algunas categorías, la creación de propiedad intelectual —materiales, moléculas, procesos— puede ser el nicho sostenible.
Esta es exactamente la tensión que aparece en sectores como semiconductores: EE.UU. sabe que no puede competir en manufactura de volumen con TSMC o las fabs chinas, pero sí puede competir en diseño y en el conocimiento que habilita los chips. SES AI está apostando a una versión equivalente para baterías.
Si el modelo funciona, Molecular Universe podría convertirse en infraestructura para la industria global de energía. Si no funciona, habrá sido una apuesta cara de una empresa que no pudo crecer en el momento correcto. La diferencia entre ambos escenarios depende de si la IA puede identificar materiales que de verdad resuelvan problemas de ingeniería reales —y no solo optimizar parámetros de lo que ya existe—.
Lo que SES AI está haciendo tiene un precedente directo: Holyvolt adquirió Wildcat Discovery por $73M buscando exactamente el mismo objetivo: cerrar la brecha entre el laboratorio y la fábrica en materiales para baterías. Y más cerca del campo, startups como Amatera usan IA para comprimir ciclos de I+D de décadas a meses en otros dominios científicos. La dirección del mercado es clara. La pregunta es si la IA puede entregar resultados lo suficientemente rápido como para cambiar la ecuación antes de que el sector colapse del todo.
El pivot de SES AI no es solo una historia de supervivencia empresarial. Es un experimento sobre si la inteligencia artificial puede convertirse en el activo estratégico que reemplace lo que la manufactura ya no puede ofrecer. El veredicto tardará años en llegar.
