¿Hacia dónde fluye realmente el capital en la era de la IA? Un socio de Altimeter lo explica en Stanford

Apoorv Agrawal, socio de Altimeter Capital, señaló en una clase abierta de la Universidad de Stanford que la industria actual de la IA presenta una estructura de beneficios de «pirámide invertida» radicalmente distinta a la de la internet tradicional. De unos 300.000 millones de dólares de ingresos del ecosistema, hasta el 75 % fluye hacia la capa de semiconductores, con márgenes brutos de alrededor del 75 %; mientras que la capa de aplicaciones, limitada por los elevados costes marginales de computación, solo alcanza márgenes brutos de entre el 0 % y el 30 %. Para romper el actual cuello de botella de bajos ingresos de apenas 10 dólares por usuario al año (ARPU), afirmó que la entrada de aplicaciones de IA como ChatGPT en el ámbito publicitario será el gran punto de inflexión de este año.

La «pirámide invertida» de 300.000 millones de dólares: el 75 % de los ingresos fluye hacia los semiconductores

Si repasamos las revoluciones de internet, las comunicaciones móviles y la computación en la nube de los últimos 25 años, sus modelos de monetización solían tener forma de pirámide: la infraestructura de base obtenía beneficios relativamente escasos, mientras que la capa superior de aplicaciones capturaba los márgenes más jugosos. Sin embargo, el ecosistema actual de la IA presenta una forma completamente opuesta.

Agrawal afirmó sin rodeos en su clase que el ecosistema de IA generativa es muy distinto al de la computación en la nube del pasado: presenta una «pirámide invertida». Para explicar la lógica subyacente de este fenómeno, citó la opinión del conocido inversor de Silicon Valley Marc Andreessen a modo de contraste:

«Como dice Marc Andreessen, el software se come el mundo porque puedo desarrollarlo y distribuirlo a millones de personas, y el coste marginal de ejecutarlo es casi nulo; las empresas de software tienen márgenes brutos del 80 % o incluso del 90 %. Pero la economía de la inteligencia artificial no funciona así».

La raíz de esta diferencia está en el coste de computación. «Los usuarios incrementales de las aplicaciones de inteligencia artificial no son gratis, porque necesitas consumir una gran cantidad de recursos de GPU; tener usuarios de IA resulta mucho más caro». Agrawal señaló que, de los aproximadamente 300.000 millones de dólares de ingresos nuevos generados por el sector de la IA en los últimos dos años, «alrededor del 75 % ha ido directamente a la industria de semiconductores; el negocio de aplicaciones, aunque se ha multiplicado por más de diez, todavía no ha tenido un gran impacto».

Dentro de toda la pila tecnológica, la capa de semiconductores es hoy la más rentable. Agrawal ofreció una comparación de márgenes muy impactante:

Catalizadores para romper el «estado de equilibrio»: los ASIC propios de los gigantes y el punto de inflexión del capex

Sobre cuánto durará esta «pirámide invertida» dominada por NVIDIA, en la que la capa inferior se lleva la mayor parte de los beneficios, el mercado está muy dividido. Agrawal dio su propia previsión: «Supongo que se mantendrá en la nube en su estado actual durante más tiempo del que yo esperaba, unos diez años. Tengo la sensación de que podría durar aún más, porque alcanzar un estado de equilibrio estable es realmente difícil».

No obstante, también señaló a los inversores dos catalizadores clave que podrían romper esta estructura:

Avances de los gigantes de la nube en chips propios: si el proyecto ASIC de algún operador de centros de datos a hiperescala logra un gran avance —ya sea el TPU de Google, el MTIA de Meta o los proyectos de Amazon y Microsoft—, podría ser el punto de ruptura. Si se produce un progreso disruptivo, sería la mayor revalorización de esa capa.

Cambios en las previsiones de capex de los gigantes: otro catalizador son las guías de gasto de capital (capex) de los operadores de centros de datos a hiperescala. Si los grandes dejan de hacer fuertes previsiones de capex, podría significar que el estado de equilibrio actual ya no funciona.

Además, el cambio en la estructura de la demanda de computación también merece mucha atención. Actualmente, alrededor del 60 % de las GPU que vende NVIDIA se destina a entrenamiento y el 40 % a inferencia. Agrawal cree que «con el tiempo, la proporción de tareas de inferencia irá aumentando», pero la carga de trabajo de inferencia es muy inestable, lo que no solo pondrá a prueba la utilización del hardware, sino que también remodelará el panorama competitivo de la capa intermedia (la capa intermedia de inferencia).

La gran apuesta final sobre la monetización de la IA: «Tenemos que entrar en la publicidad»

En el lado de las aplicaciones, la IA de consumo, con ChatGPT como máximo exponente, se enfrenta a la contradicción entre una enorme base de usuarios y una monetización ineficiente. Agrawal compartió un dato clave: ChatGPT tiene unos 1.000 millones de usuarios (una escala comparable a la de los primeros tiempos de Facebook), pero «alrededor del 95 % de los usuarios son gratuitos».

Si comparamos el ingreso medio por usuario (ARPU) de los actuales gigantes de internet, la brecha de las aplicaciones de IA es evidente:

[Alphabet] 100 $/año (unos 4.000 millones de usuarios)

[Meta] 70 $/año (unos 3.500 millones de usuarios)

[ChatGPT] 10 $/año (unos 1.000 millones de usuarios)

Tras descartar la posibilidad de que un modelo de suscripción basado únicamente en trabajo de conocimiento pueda sostener una valoración de un billón de dólares, Agrawal lanzó su predicción definitiva sobre el modelo de negocio de la IA: «La segunda pregunta es: ¿cómo pasamos de 10 dólares por usuario al año a 100 dólares? No estoy seguro de que solo con publicidad y suscripciones sea posible. La respuesta es que tenemos que entrar en la publicidad».

En su opinión, los grandes modelos de IA tienen ventajas innatas para la publicidad:

Precios más ventajosos: los grandes modelos pueden comprender con mayor precisión la intención real del usuario.

Excelente análisis de atribución: pueden rastrear con precisión la ruta de conversión.

Mayor confianza: la interacción conversacional genera una fuerte confianza del usuario.

Aunque el mercado se muestra pesimista o escéptico ante la idea de «insertar publicidad en conversaciones privadas de IA», Agrawal lo compara con los argumentos bajistas de hace una década sobre la publicidad móvil de Facebook. «Creo que será otra gran noticia este año, sin duda será algo importante… Soy optimista en que encontraremos la respuesta; será un gran avance respecto al modelo económico actual».