Cuando el razonamiento se convierte en un recurso escaso, ¿quién se apropia de su valor?

Autor: Frank Fu, IOSG

El "agujero" propuesto por David Cahn en 2023 nunca se ha cubierto en el ámbito del entrenamiento. Se ha cubierto en el ámbito de la inferencia, y el mercado solo ha comenzado a tenerlo en cuenta en los precios durante las últimas semanas. Cuando Nvidia reorganizó su informe financiero en torno a los "tokens de servicio" y Cerebras salió a bolsa con una sobredemanda de 20 veces, el debate sobre el cuello de botella ya había terminado, y la verdadera pregunta era: cuando la inferencia se convierta en un recurso escaso, ¿dónde se concentrará el valor en la infraestructura de computación?

1. Tras la GPU: De la pregunta de los 200.000 millones de dólares a la pregunta de los 600.000 millones de dólares

En 2023, David Cahn, de Sequoia, planteó la cuestión que se cierne sobre toda la infraestructura de IA, conocida como la "Cuestión de los 200 mil millones de dólares". Por cada dólar invertido en GPU, se debe invertir aproximadamente otro dólar en su alimentación en los centros de datos, lo que significa que la inversión anual en GPU implica que estos chips deben generar, en última instancia, unos 200 mil millones de dólares en ingresos para recuperar ese capital. Incluso con supuestos muy optimistas sobre los ingresos de la IA, Cahn aún encontró una brecha de más de 125 mil millones de dólares entre la "inversión" y los "pagos reales de los clientes finales". La preocupación es clara: se están fabricando GPU en exceso, por encima de la demanda real.

Un año después, la brecha no solo no se redujo, sino que se amplió. En su informe de 2024, Cahn la redefinió como la "Pregunta de los 600 mil millones de dólares", dado el aumento vertiginoso de la inversión de capital de los proveedores de hiperescala. La lógica pesimista convergió en una fórmula conocida: la sobreconstrucción genera sobreoferta, y la sobreoferta consume capital.

Ambos artículos plantean esencialmente la misma pregunta: ¿quién cubrirá este vacío? La respuesta nunca ha aparecido en el lado del "entrenamiento" del sistema. Aparece en el lado de la inferencia, y el mercado apenas ha comenzado a tenerla en cuenta en los precios durante las últimas semanas.

2. Cerebras IPO y compresión de inferencia

Cerebras salió a bolsa el jueves. Esta oferta pública inicial recibió una sobredemanda de 20 veces, con un precio que casi duplicó el aumento final del miércoles. La demanda no surgió de una apuesta por el "próximo rival de Nvidia", sino de una constatación más simple: el mercado está empezando a comprender que el verdadero cuello de botella en la IA es la inferencia, no el entrenamiento.

La especialidad de Cerebras es una arquitectura de chip que permite una inferencia extremadamente rápida. No se trata de entrenamiento, sino de inferencia. Esto es lo que entusiasma a Wall Street. El mercado de la inferencia es recurrente y se expande con el uso. Cada vez que Claude responde una pregunta, cada vez que un agente realiza una tarea, consume potencia de cálculo. El entrenamiento se realiza una sola vez, mientras que la inferencia nunca se detiene.

JP Morgan estima que el mercado de inferencia es entre 10 y 50 veces mayor que el de entrenamiento. Cuando las máquinas comienzan a ejecutar tareas asignadas por otras máquinas (es decir, mediante la expansión de agentes), la demanda de inferencia ya no aumenta con el número de usuarios, sino con la propia capacidad de procesamiento.

3. Nvidia redefine el panorama: la inferencia cobra protagonismo.

Si Cerebras representa el despertar del mercado, el último informe trimestral de Nvidia lo confirma desde la cima de la cadena de suministro. En la última conferencia sobre resultados, Jensen Huang dejó clara la verdad tácita: la demanda de IA está creciendo de forma parabólica. La razón es simple: la IA con capacidad de gestión de agentes ha llegado. La IA convencional ha pasado de la inferencia puntual al razonamiento lógico, y ahora a la fase de agente, donde puede utilizar herramientas y gestionar tareas por sí misma. Huang afirmó: "Los tokens ahora son rentables". En la era de la IA, la capacidad de procesamiento se traduce en ingresos y beneficios.

Esto transforma por completo la industria. El entrenamiento supone un coste único para construir un modelo, mientras que la inferencia es el coste recurrente para ejecutarlo, y el cuello de botella actual reside en la inferencia, no en el entrenamiento.

Nvidia ha incorporado este criterio a sus informes financieros. Ahora divulga sus resultados en dos plataformas en lugar de una: Centro de Datos y Edge Computing. El Centro de Datos (aproximadamente 75.000 millones de dólares este trimestre, +92 % interanual) se desglosa a su vez en Hiperescala (aproximadamente 38.000 millones de dólares, +12 % intertrimestral) y ACIE, que incluye IA en la nube, industrial y empresarial (aproximadamente 37.000 millones de dólares, +31 % intertrimestral). Una nueva línea es Edge Computing: 6.400 millones de dólares, +29 % interanual, que abarca los puntos finales donde la IA cíclica y la IA física operan realmente, como PC, estaciones de trabajo, estaciones base AI-RAN, robots y automóviles.

Actualmente, Edge representa menos del 8 % de los ingresos totales, pero Nvidia lo ha elevado a una "segunda plataforma" junto con Data Center. Esto indica que la inferencia se está dividiendo en dos frentes: inferencia en la nube en centros de datos e inferencia en el borde, donde la IA necesita ver, moverse y actuar en el mundo físico. La hoja de ruta sigue la misma lógica: Vera Rubin, que comenzará a distribuirse en el tercer trimestre, puede alcanzar un rendimiento de inferencia hasta 35 veces superior al de Blackwell; Huang también proporcionó un nuevo mercado potencial total (TAM) de 200 mil millones de dólares para la CPU Vera diseñada para cargas de trabajo de agentes. Se espera que todas las empresas líderes en modelos se centren por completo en ella desde el primer día.

Mientras la empresa más valiosa del mundo reorganiza su información financiera en torno a los "tokens de servicio", el debate sobre el cuello de botella ya se ha resuelto. El resto de este artículo analiza quién obtiene valor cuando la inferencia (en lugar del entrenamiento) se convierte en un recurso escaso.

Primero, una aclaración del alcance. Este artículo trata sobre la inferencia en la nube, que se refiere a las GPU de centros de datos alquiladas que proporcionan servicios de tokens de API. La inferencia en los puntos finales se ejecuta en chips locales dentro de los propios dispositivos (Jetson, RTX, Drive y AI-RAN de Nvidia), evitando por completo la infraestructura de alquiler y agregación de GPU subyacente. En este contexto, considérese como un factor que impulsa toda la economía de la inferencia y respalda el argumento del cuello de botella, en lugar de los mercados donde operan Hyperbolic y Venice, que se basan completamente en la nube.

4. Ha llegado el momento de la presión

Anthropic es la señal de alarma. El uso supera con creces la capacidad preconfigurada, y las quejas sobre la sobrecarga de Claude están inundando internet, incluyendo respuestas limitadas, inferencias ralentizadas y ventanas de contexto comprimidas. La solución radica claramente en la potencia de cálculo: en mayo de 2026, Anthropic se hizo cargo de todo el centro de datos Colossus 1 de SpaceX, con más de 220 000 GPU Nvidia y más de 300 megavatios, dedicándolo específicamente a la inferencia en lugar del entrenamiento.

Esta capacidad desbloquea una serie de cambios de cuota, cada uno de los cuales sirve como señal. El 6 de mayo, Anthropic duplicó el límite de cinco horas para Claude Code, eliminó la limitación de velocidad durante las horas pico y aumentó significativamente los límites de velocidad de la API para Opus. El 13 de mayo, aumentó el límite semanal para Claude Code en otro 50 % (hasta el 13 de julio). Luego, a partir del 15 de junio, hizo lo contrario de "generoso": separó el uso de agentes y programático (Agent SDK, claude -p en modo sin interfaz gráfica, canalización de CI) de la suscripción plana en un fondo de crédito con medición independiente (que oscila entre $20 y $200 por mes, facturado a tarifas de API). Este último paso condensó todo el argumento en una sola acción: la velocidad a la que los agentes consumen inferencia supera con creces la capacidad de diseño de las suscripciones planas, por lo que debe tener un precio de acuerdo con su "costo recurrente" original.

La capacitación es un gasto de capital único. La inferencia es un costo operativo recurrente que aumenta con cada nuevo usuario y cada nuevo agente.

5. Esta pila: seis capas, un cuello de botella

Cada aplicación de IA se basa en una cadena de suministro que comienza con la fabricación de obleas de TSMC y termina en el punto final de la API:

La mayoría de las empresas solo poseen una capa de esta pila tecnológica. Nvidia posee el silicio, CoreWeave posee el hardware físico, Together AI posee la optimización de inferencias y OpenRouter posee el enrutamiento de la API del modelo.

Solo hay una excepción.

6. Hyperbolic: La única empresa que abarca tres niveles

Hyperbolic lanzó su mercado de GPU bajo demanda en junio de 2025. En los primeros meses, su número de desarrolladores superó los 200.000, abarcando laboratorios de IA de vanguardia, motores de búsqueda y grandes plataformas de consumo.

Curiosamente, su arquitectura.

Hyperbolic no posee ni una sola GPU. Todas las tarjetas provienen de neocloud y centros de datos, incluyendo CoreWeave, Lambda Labs, Nebius y operadores más pequeños con capacidad ociosa. Esto podría parecer una debilidad, pero en realidad es una ventaja competitiva.

Al situarse entre los proveedores y los consumidores de GPU, Hyperbolic puede acceder a datos en tiempo real que otros no tienen. Sabe quién compra qué GPU, a qué precio y cuándo. Detecta el exceso de oferta antes de que se haga público y anticipa los picos de demanda antes de que lleguen al mercado.

Hoy en día, la clave reside en esta agregación multi-nube. Hyperbolic integra la capacidad fragmentada de docenas de nubes y centros de datos independientes en un pool unificado y estandarizado, lo que permite a los desarrolladores alquilar las GPU más económicas disponibles en cualquier lugar sin tener que negociar con cada operador ni gestionar múltiples cuentas. Cuantas más nubes se conecten, mayor será la liquidez y más completos los datos de precios. Además, el equipo está explorando cómo modelar las curvas de precios de las GPU con estos datos y, en última instancia, invertir su propio capital para estabilizar la oferta y la demanda, actuando como creador de mercado para la potencia de cálculo física; pero este objetivo aún se encuentra en sus primeras etapas, y lo que realmente está generando un crecimiento exponencial ahora es la capa de agregación.

Este es el volante de inercia:

Conectar más nubes → Mayor suministro agregado

Mayor oferta → Mercados más profundos y datos de precios en tiempo real

Mejores datos → Enrutamiento más inteligente ahora y modelos de precios a largo plazo.

Mayor liquidez y mejores precios → Más desarrolladores → Más nubes quieren conectarse

Ninguna otra empresa está intentando esto. Hyperbolic es la única empresa que abarca la capa de arrendamiento de GPU, la capa de implementación y la capa de API del modelo.

7. Venecia como espejo

Venice es la manifestación más clara de la economía de la inferencia en la capa de aplicación y sirve como un útil contraste con la posición de Hyperbolic. Es una aplicación de inferencia que prioriza la privacidad: un conjunto de API compatibles con OpenAI, junto con suscripciones para consumidores (Gratis / Pro / Pro+ / Max), que enrutan las solicitudes a unos 75 modelos, dos tercios de los cuales son de código abierto o autoalojados (Llama, Mistral, Qwen, DeepSeek), mientras que el resto son accesos directos anónimos a modelos de vanguardia de código cerrado. La clave es que Venice no posee una potencia de cálculo significativa. Alquila a socios de GPU no revelados y proveedores de computación confidenciales (NEAR AI Cloud, Phala) y paga a laboratorios de vanguardia por los accesos directos, por lo que su verdadero costo de ingresos es la potencia de cálculo de inferencia, no el alojamiento SaaS.

Lo que Venice realmente vende es privacidad. La "privatización" aquí no significa convertir la potencia de cálculo pública en propiedad privada, sino más bien envolver la inferencia estandarizada en una capa de garantías: sin retención de datos, sin entrenamiento, anonimización de solicitudes y algunas cargas de trabajo ejecutándose en TEE, lo que imposibilita que los operadores vean el texto plano. La potencia de cálculo subyacente es estándar, y el margen de beneficio proviene de esta capa de protección de la privacidad. Además, esta garantía es estratificada y no homogénea: para los modelos de código abierto que se ejecutan en GPU bajo su control o TEE, puede lograr una computación confidencial casi de extremo a extremo; pero para las transferencias anónimas de modelos de código cerrado como Claude y GPT, la privacidad simplemente elimina la identidad, mientras que los laboratorios de vanguardia en el otro extremo siguen procesando la solicitud original. Por lo tanto, la mayor privacidad solo cubre la parte de código abierto, mientras que la parte del modelo de vanguardia es "anónima" en lugar de "verdaderamente confidencial". El beneficio bruto de Venice = precio de suscripción - costes de inferencia pagados posteriormente, y la parte que puede cobrar por encima del precio básico de la API depende casi por completo de esta capa de prima de privacidad, razón por la cual opera con márgenes reducidos y está limitada por precios de transferencia de vanguardia.

El diseño del token ha empaquetado esta parte de la demanda de inferencia. Venice opera con dos tokens: VVV (para staking y acceso a la plataforma) y DIEM, este último un crédito de inferencia, donde cada DIEM equivale aproximadamente a $1 de potencia de cálculo por día. Las suscripciones de pago activan recompras programáticas de VVV (Pro / Pro+ / Max aproximadamente $2 / $5 / $10), con emisiones que disminuyen según un cronograma fijo: de 6M → 5M → 4M VVV por mes, y ajustándose a 3M el 1 de julio. Las recompras son reales pero discrecionales y aún pequeñas: se destruyeron alrededor de $103,000 tanto en abril como en mayo, y junio está aumentando lentamente hacia alrededor de $110,000, muy por debajo de la línea mensual de $200,000.

Los fundamentos son más sólidos que lo que indican los titulares. La cifra pública de "70 millones de dólares en ingresos recurrentes anuales" es casi con toda seguridad el resultado de confundir las renovaciones de suscripciones con la adquisición neta de nuevos clientes; un rango observable y defendible se sitúa más cerca de los 6 a los 15 millones de dólares en ingresos recurrentes anuales. Por debajo de esta cifra, la actividad es real: alrededor de 136 000 direcciones de monedero únicas, aproximadamente 9,9 millones de visitas al sitio web al mes (unas 330 000 diarias) y alrededor de 1400 nuevas suscripciones Pro al día. Se trata de un negocio real, pero con márgenes bajos, cuya rentabilidad está limitada por la potencia informática que adquiere.

Precisamente por eso, Hyperbolic se sitúa un nivel por encima. Si Venecia es una gasolinera, Hyperbolic es la refinería. Venecia compra potencia de cálculo de la misma oferta limitada de la que todos dependen; Hyperbolic agrega y estandariza esa oferta fragmentada y la vende a Venecia y a todos los demás actores del mercado. A medida que crece la demanda de inferencia, el valor se acumula no solo para las aplicaciones que consumen potencia de cálculo, sino también para la capa que agrega, enruta y registra el coste de los ingresos que pagan estas aplicaciones.

8. Por qué esto importa ahora

Nvidia ha reorganizado sus finanzas en torno a los "tokens de servicio". La salida a bolsa de Cerebras demuestra que el mercado ha comprendido que la inferencia es el cuello de botella. La frenética búsqueda de capacidad por parte de Anthropic demuestra que este es un problema real. La IA agencial y física multiplicará la demanda por varios órdenes de magnitud, abarcando tanto la nube como el borde.

Además, también ha resuelto el dilema de los 600 mil millones de dólares desde otra perspectiva. La lógica pesimista de Cahn, según la cual la sobreconstrucción genera sobreoferta, probablemente se confirmará. Pero la sobreoferta es precisamente el escenario óptimo para los agregadores con pocos activos: cuando los precios de las GPU bajan y la oferta se fragmenta entre decenas de nubes, el operador que no posee hardware y dirige todas las cargas de trabajo a las tarjetas más baratas disponibles ganará la diferencia de precio, mientras que los operadores que poseen GPU que se deprecian sufrirán las pérdidas. Hyperbolic apuesta por la sobreoferta en lugar de apostar a la baja.

La empresa que finalmente prevalezca no será la que tenga más GPU, sino la que pueda indicar qué GPU están disponibles, dónde y a qué precio, dirigiendo cada carga de trabajo al lugar donde pueda ejecutarse al menor coste.

Hyperbolic está construyendo una empresa de este tipo. No posee GPU, opera exclusivamente con software, abarca tres capas y, sin embargo, se está convirtiendo en la capa de agregación definitiva para la potencia de cálculo de inferencia.