¡Aproximadamente un tercio del aumento global de capacidad de cálculo de este año, al final, está trabajando para las mismas dos empresas de IA!
Estas dos son Anthropic y OpenAI.
Para el próximo año, esta proporción podría aumentar a la mitad.
Siguiendo esta tendencia, para finales de 2028, las dos empresas podrían controlar la mayor parte de la capacidad de cálculo efectiva disponible en el mundo.
Quien dijo esto es Dylan Patel, fundador de SemiAnalysis.
Dylan Patel en el Dwarkesh Podcast.
El 25 de agosto, fue invitado al Dwarkesh Podcast y calculó las cuentas de capacidad de cálculo para los próximos tres años.
En los últimos 10 minutos, el tema pasó de la capacidad de cálculo a un problema mayor:
¿Podría el poder de la IA realmente caer en manos de muy pocas empresas?
Al ver esto, Thomas Wolf, cofundador y director científico de Hugging Face, quedó directamente impactado.
Al compartirlo, dijo que era la primera vez que veía a Dwarkesh cuestionándose esto en directo.
Que él diga esto no es para nada sorprendente.
Wolf ha apostado su carrera al código abierto, que en su opinión es el camino para bloquear la concentración de poder de las grandes empresas de código cerrado.
Consumen tres centrales nucleares en un año
Primero veamos lo rápido que está creciendo la velocidad a la que estas dos empresas consumen capacidad de cálculo.
A principios de año, OpenAI tenía alrededor de 2 gigavatios, Anthropic menos de 2 gigavatios. Para finales de este año, ambas superarán los 5 gigavatios.
Un aumento de tres a cuatro veces en un año, y la unidad es gigavatios.
Un gigavatio es aproximadamente la potencia de generación de una gran central nuclear: ¡equivalente a consumir tres centrales nucleares en un año!
El aumento global de capacidad de cálculo este año es de aproximadamente 30 gigavatios, 50 gigavatios el próximo año, y alrededor de 70 gigavatios en 2028. El 30% que se comen estas dos proviene de estos 30 gigavatios.
No solo aumenta la cantidad, aquí hay un multiplicador fácil de pasar por alto: un vatio añadido este año es mucho más potente que uno instalado hace dos años:
Los chips de esta generación, como GB300, TPUv7 y Trainium3, tienen un rendimiento por vatio de 3 a 5 veces superior al de la generación anterior.
Por lo tanto, cuando Dylan dice "a finales de 2027, las dos se llevarán la mitad del aumento de capacidad de cálculo", el valor de esa mitad también es mucho mayor que el de la capacidad existente, y aún más año tras año en el futuro.
La superposición de estos dos multiplicadores es lo que lleva a la frase de Dylan: "la mayoría de la capacidad de cálculo efectiva disponible".
La capacidad total de chips de IA en el mundo se duplica cada 7 meses. Un vatio añadido este año tiene un rendimiento mucho mayor que uno instalado hace dos años. (Fuente: Epoch AI)
Sin embargo, este número cuenta al usuario final de la capacidad de cálculo, no la propiedad.
Si alguien llama a Claude en Amazon Bedrock, esa capacidad de cálculo también se atribuye a Anthropic.
Quien gane dinero más rápido, consumirá más capacidad de cálculo
¿Por qué estas dos?
La respuesta está en un indicador que rara vez se menciona: ingresos por megavatio.
Hace un año, el negocio de los tokens en sí mismo aún daba pérdidas.
OpenAI ejecutaba GPT-4 en Hopper, cada token vendido tenía un margen bruto negativo, y Anthropic también quemaba el dinero de los inversores.
Ahora es al revés.
Anthropic comenzó a obtener ganancias en el segundo trimestre de este año, y según los informes, OpenAI también podría ser rentable en el tercer trimestre.
Después del lanzamiento de esta generación de modelos como GPT-5.6, Opus 5 y Fable 5, los ingresos por megavatio de ambas empresas superaron con creces la línea de costo de capacidad de cálculo de 10 a 15 millones de dólares por megavatio.
El que va a la cabeza es Anthropic, logrando hasta 50 millones de dólares por megavatio.
Dylan Patel da el precio de compra de la capacidad de cálculo: 10 a 15 millones de dólares por megavatio.
Esta competencia consiste en cuánto dinero se puede ganar por megavatio, no en cuántas tarjetas se han acumulado.
Ganas más, puedes pagar un precio más alto; puedes pagar un precio más alto, obtienes más capacidad de cálculo, que a su vez entrena modelos más potentes, y continúas ganando más.
Así es como se multiplica por tres o cuatro en un año.
Y cubrir esa línea de costo, en realidad, no es difícil.
Una persona común compra un rack GB300, descarga un conjunto de pesos de código abierto y lo pone en OpenRouter, y lo que gana es más de lo que paga. Palabras de Dylan: Esto no es difícil, y tampoco es construir un cohete.
Precisamente porque cualquiera puede ganar, esta línea no se puede mantener, y los alquileres comienzan a subir a 25 o 40 millones de dólares por megavatio.
En el Valle del Silicio, las únicas grandes empresas que pueden pagar este precio actualmente son Anthropic y OpenAI.
Dylan espera que para finales de 2027, sus ingresos por megavatio puedan subir a 70 u 80 millones de dólares.
Los proveedores de nube construyen edificios, los laboratorios alquilan
Según datos de Epoch AI, aproximadamente el 71% de la propiedad global de la capacidad de cálculo de IA sigue en manos de los cinco grandes proveedores de nube.
Pero el uso se está concentrando en dos laboratorios de IA.
Los proveedores de nube son los propietarios, compran el terreno y construyen centros de datos. OpenAI y Anthropic son como los dos grandes inquilinos que alquilan la mayor parte de los edificios.
Ahora también está surgiendo un tercer tipo de actor: construye primero y luego busca inquilinos.
El enfoque típico de la mayoría de los proveedores de nube es firmar primero con el cliente, usar el contrato para pedir prestado dinero al banco, y comenzar la construcción una vez que llega el dinero.
Meta y SpaceX no lo hacen: tienen una base financiera sólida, pueden saltarse el paso de buscar clientes y financiación y comenzar directamente, y después de construir, elegir quién paga más.
Musk incluso ha vendido capacidad de cálculo a un precio de 40 mil millones de dólares por gigavatio.
Dylan hizo los cálculos en el podcast: un gigavatio de capacidad de cálculo valía originalmente 15 mil millones de dólares, él lo vendió por 40 mil millones, recuperando toda la inversión en un año.
Anthropic puede ganar más de 60 mil millones con este gigavatio, entonces, ¿por qué no puedo venderlo más caro?
El próximo año, SpaceX seguirá siendo un gran contribuyente al aumento de capacidad de cálculo, y la mayor parte de lo que construya probablemente también se alquilará a OpenAI y Anthropic.
Según informó el WSJ, Anthropic ya está alquilando capacidad de centro de datos de SpaceX a un precio de 1.250 millones de dólares mensuales.
Y por el lado del inquilino, el apetito es mayor de lo que los propietarios habían previsto.
OpenAI inició Stargate en enero del año pasado, diciendo que bloquearían 10 gigavatios en EE. UU. antes de 2029. Un año después, este objetivo ya se ha cumplido antes de tiempo, con un aumento de más de 3 gigavatios solo en los últimos 90 días.
Anthropic anunció en abril de este año una asociación con Google y Broadcom para adquirir una capacidad de TPU de próxima generación a escala de varios gigavatios, que comenzará a desplegarse a partir de 2027, y afirmó que este es el mayor pedido de capacidad de cálculo de la empresa hasta la fecha.
No solo eso, las dos también han comenzado a construir su propia infraestructura de IA: OpenAI desarrolla sus propios chips, y los TPU de Anthropic son desplegados por Fluidstack.
Después de ser inquilinos durante mucho tiempo, también quieren construir algunos edificios propios.
¿Para qué se usa toda la capacidad de cálculo comprada?
Actualmente, la distribución aproximada de la capacidad de cálculo en los laboratorios es: 50% investigación, 10% desarrollo, 40% inferencia.
La mayor parte es investigación, no entrenamiento.
Anthropic entrenó Mythos, el preentrenamiento usó menos de 200 megavatios de capacidad de cálculo en un solo sitio, corriendo aproximadamente dos meses, y el posterior aprendizaje por refuerzo aún menos.
Teniendo varios gigavatios en mano, solo 200 megavatios se dedican realmente a "entrenar un modelo".
No es que no quieran usarlo, es que realmente no pueden.
Esta capacidad de cálculo está dispersa en salas de servidores por todo el mundo, la velocidad de transmisión de datos no puede seguir el ritmo de cálculo, y forzarlos a trabajar juntos es esperar mutuamente. Lo mismo ocurre con el aprendizaje por refuerzo, más entrenamiento no significa mejor entrenamiento.
Por lo tanto, el resto se quema en probar nuevas arquitecturas, ajustar proporciones de datos y validar diversas ideas.
Dylan tiene otro juicio contrario a la intuición: la proporción dedicada a inferencia continuará disminuyendo.
Hoy, un megavatio puede venderse por 30 a 40 millones de dólares, usar el 40% para inferencia y vender tokens es razonable. Pero, ¿y cuando suba a 60 o 70 millones?
Ante la junta directiva hay dos caminos: seguir vendiendo tokens, ganar dinero, repartir dividendos, recomprar acciones, los accionistas felices; o recuperar toda esta capacidad de cálculo e invertirla en I+D, para construir AGI.
Dylan cree que no hay mucha duda en esta elección.
Desde la perspectiva del laboratorio, la recompensa de la AGI es mucho mayor que estos dividendos inmediatos.
Ya hay señales: la capacidad de cálculo mensual nueva de Anthropic sigue aumentando, pero el incremento anualizado de ingresos ya se está estabilizando. La capacidad de cálculo nueva comprada no se convierte en ingresos, va a I+D.
Pero los inversores solo harán una pregunta: un gigavatio podría generar cientos de miles de millones de dólares en ingresos, ¿por qué sigues aumentando la inversión en entrenamiento?
El problema surge porque ambas empresas se encaminan hacia la salida a bolsa.
Los laboratorios apuestan por la AGI, los inversores esperan dividendos, esta cuenta no cuadra desde el principio.
¿Quién pagará la factura de 11 billones de dólares?
El gasto de capital global en IA este año supera ligeramente 1 billón de dólares, y superará los 2 billones en 2028.
El gasto de capital combinado de los cinco principales proveedores de nube crece un 72% anual, acercándose a 500 mil millones de dólares en 2025. Si la tendencia continúa, alcanzará los 770 mil millones en 2026. (Fuente: Epoch AI)
Según estimaciones de SemiAnalysis, el total acumulado de 2024 a 2029 es de aproximadamente 11 billones de dólares. De estos, unos 6 billones pueden pagarse con el dinero ganado, los 5 billones restantes solo pueden pagarse con deuda.
Una deuda de 5 billones de dólares, toda arrojada al mismo mercado crediticio, encarece el dinero.
Meta ahora emite deuda con un interés del 5% al 6%. Dylan juzga que está dispuesta a pagar hasta el 8%, porque el retorno de la capacidad de cálculo construida es demasiado alto, esos dos o tres puntos adicionales no le duelen en absoluto.
El problema es que el dinero proviene del mismo estanque.
Las empresas de IA están dispuestas a pedir prestado a precios altos, el costo de financiación de todo el mercado se ve elevado por estas pocas empresas.
Además del dinero, también hay que mencionar la regulación gubernamental.
Nueva York está limitando los centros de datos, Texas tiene una moratoria, el gobernador de Ohio simplemente anunció: se suspende la exención fiscal para centros de datos.
27 de mayo de 2026, el gobernador DeWine de Ohio anuncia la suspensión de la exención fiscal para centros de datos.
Lo más duro es no permitir lanzar los mejores modelos.
OpenAI no lanzó Astra, y Anthropic retiene el modelo que se cree es la próxima generación de Mythos en su evaluación de seguridad.
Para los laboratorios, esto no es solo perder una oportunidad de ganancia.
Según el razonamiento de Dylan, si todo va bien, estas dos empresas continuarán comprando hasta 2028, absorbiendo del 70% al 80% del aumento global de capacidad de cálculo.
Pero lo que la regulación corta es ese ciclo de ganar más, comprar más, comprar más, volverse más fuerte:
Si no se lanzan los mejores modelos, los ingresos por megavatio no aumentan; si los ingresos no aumentan, no tienen la base para elevar el precio de la capacidad de cálculo a un nivel que otros no puedan seguir; si no pueden comprar más capacidad de cálculo, la próxima generación de modelos se ralentiza, y los ingresos por megavatio aumentan aún menos.
El primer paso del razonamiento de Dylan también se rompe.
Los megavatios invertidos hoy, la mano de obra de IA del mañana
El presentador Dwarkesh finalmente calculó otra cuenta.
La capacidad de cálculo de vanguardia aumenta de 4 a 5 veces anual, y la capacidad de cálculo necesaria para alcanzar el mismo nivel de capacidad se reduce a un tercio cada año.
Multiplicando ambos, la "mano de obra de IA efectiva" de los laboratorios de vanguardia aumenta 10 veces al año.
Siguiendo esta velocidad: un laboratorio tiene 10 millones de mano de obra de IA este año, 100 millones el próximo, 1.000 millones al siguiente.
"¡En no muchos años, la mano de obra efectiva de una sola empresa podría superar la población total de la Tierra!"
La cuenta de Dwarkesh, en esencia, trata del efecto de escala:
El costo de entrenamiento se repartirá en miles de millones de sesiones, a mayor escala, más rentable; cuanto más escasa sea la capacidad de cálculo, una pequeña ventaja permitirá cobrar una prima mayor; los modelos también aprenderán del despliegue, cuanto más amplio sea su uso, más datos tendrán.
Cada fuerza corre hacia la concentración, haciendo que Dylan exclame "aterrador".
La carrera de IA está acelerando hacia una nueva dirección, hace tres años competían por parámetros, hace dos años por puntuaciones, ahora compiten por cuánto dinero pueden ganar por megavatio.
El verdadero desafío no está en quién crea la AGI primero, sino en quién la controlará una vez creada.
Referencias:
https://x.com/dwarkesh_sp/status/2092652326112682489
https://www.dwarkesh.com/p/dylan-patel-3
https://openai.com/index/building-the-compute-infrastructure-for-the-intelligence-age/
https://www.anthropic.com/news/anthropic-expands-partnership-with-google-and-broadcom
https://epoch.ai/trends
Este artículo proviene del WeChat Official Account "新智元" (ID:AI_era), autor: ASI启示录; editor: 元宇
