Cuando los agentes de IA empiezan a acercarse o incluso a sustituir el trabajo intelectual humano, ¿cómo debería revaluarse el precio de la potencia de cálculo?
En su último artículo de blog, el conocido podcast de tecnología Dwarkesh Patel plantea una audaz especulación: si los ingresos de los laboratorios de IA continúan creciendo a un ritmo elevado (por ejemplo, si Anthropic alcanza 1 billón de dólares a finales del próximo año), mientras que la oferta de potencia de cálculo solo aumenta aproximadamente 3 veces al año, entonces el precio del cómputo podría dispararse más de 10 veces.
El precio de la mano de obra de silicio: H100+IA=250,000 dólares por un programador de Silicon Valley
Durante las últimas décadas, la potencia de cálculo se consideraba una "herramienta". Los ordenadores eran más rápidos, había más servidores, la computación en la nube era más barata.
Pero la era de la IA está experimentando un cambio de paradigma: las GPU ya no son solo componentes de máquinas, sino que pueden convertirse en portadoras de mano de obra digital.
Si una sola H100 puede albergar un Agente de IA con un nivel cercano al de un programador de élite, entonces su valor no debería calcularse según el "precio por hora del servidor", sino según el valor del trabajo humano que reemplaza.
Imagina que tuvieras un "ingeniero de software digital" que nunca duerme, responde en todo momento y tiene un nivel técnico equivalente al humano de élite, ¿cuánto estarías dispuesto a pagarle anualmente?
En Silicon Valley, el salario medio anual de mercado de un ingeniero de software supera los 250,000 dólares. Sin embargo, para albergar un agente inteligente (Agent) con un nivel intelectual equivalente, podría bastar con la potencia de cálculo de una sola tarjeta gráfica NVIDIA H100.
Ahora, hagamos un cálculo:
Si esta H100 pudiera reemplazar perfectamente a un programador humano con un salario anual de 250,000 dólares, entonces, desde una lógica puramente comercial y económica, el alquiler anual teórico de esta H100 debería fijarse en 250,000 dólares o más.
Pero en este momento, el precio de alquiler spot de una H100 en el mercado, anualizado, es de solo unos 16,000 dólares. Una diferencia de 15 veces.
Este es el mayor "agujero negro de arbitraje laboral" al que nos enfrentaremos en la historia de la humanidad.
Cuando la velocidad de reproducción de la inteligencia en el mundo virtual supera con creces los límites de fabricación del mundo físico, estalla la contradicción:
La velocidad de crecimiento del valor de la inteligencia digital está superando con creces la velocidad de expansión de la infraestructura de computación física.
Esta brecha de valoración de 15 veces provocará una reacción violenta: en los próximos años, el precio real de la potencia de cálculo podría enfrentar una superinflación de 10 veces o más.
Naturalmente, surge una duda: ¿el salario anual de los ingenieros de software se desplomará en el futuro?
Dwarkesh Patel también consideró esta pregunta:
Pero si creemos en la teoría económica estándar sobre la mano de obra, entonces el valor marginal de la potencia de cálculo (y por lo tanto su precio marginal) debería volverse extremadamente alto.
La velocidad a la que gana dinero la IA ya supera la velocidad a la que se fabrica la IA
En los últimos años, la industria de la IA seguía una lógica simple: modelos más grandes, más datos, más GPU, mayor capacidad.
Pero ahora emerge una nueva contradicción: la velocidad de crecimiento de la IA está superando la velocidad de crecimiento de la oferta de potencia de cálculo.
Tomemos a Anthropic como ejemplo. En el último año, sus ingresos comerciales crecieron aproximadamente 10 veces.
Según esta tasa de crecimiento, a finales de año sus ingresos anualizados podrían alcanzar una escala de 100,000 a 150,000 millones de dólares. Si esta tendencia continúa, el próximo año se enfrentará a una pregunta loca: ¿Cómo sostener una "perspectiva" de un billón de dólares?
La respuesta es solo una: más inteligencia. Y más inteligencia significa: más entrenamiento, más inferencia, más GPU.
Sin embargo, el problema es: la oferta de potencia de cálculo no crece a la misma velocidad.
Actualmente, la expansión física de la potencia de cálculo de los laboratorios líderes en la industria solo puede mantener un crecimiento anual de aproximadamente 3 veces.
Así aparece un gran desajuste:
El mundo digital quiere correr 10 kilómetros, pero el mundo físico solo puede proporcionar una carretera de 3 kilómetros. ¿Qué hacer con la distancia restante?
Solo hay tres opciones: Primero, aumentar el margen de beneficio. Segundo, aumentar el precio de la potencia de cálculo. Tercero, destinar más potencia de cálculo al negocio de la inferencia.
La tercera vía es, de hecho, la que menos quieren ver muchos laboratorios de IA.
Porque ganar dinero con la inferencia es esencialmente solo para demostrar: "El modelo de negocio de la IA funciona."
Luego seguir captando fondos, seguir comprando más GPU, seguir entrenando la siguiente generación de modelos.
El verdadero ciclo de Silicon Valley es:
Ganar dinero no es la meta final, solo sirve para comprar más capacidad de cálculo.
Porque lo que todos los laboratorios realmente creen es: el modelo más avanzado de hoy, dentro de un año, puede ser como el teléfono de ayer, potente, pero obsoleto.
Esto fuerza la solución de vuelta a las dos primeras opciones: una explosión en los márgenes de beneficio, o un aumento en el precio unitario de la potencia de cálculo.
Si se dependiera completamente del margen de beneficio para absorber esta diferencia, a finales del próximo año, los márgenes de los laboratorios de vanguardia tendrían que alcanzar un nivel medio-alto de alrededor del 95%.
En la historia comercial, aparte de unos pocos momentos de monopolio tecnológico absoluto, esto es casi una fantasía.
Así, todas las pistas y la lógica convergen finalmente en la misma salida: el precio unitario de la potencia de cálculo está a punto de experimentar un aumento sin precedentes.
Las GPU están pasando de ser servidores a convertirse en las fábricas de la nueva era
Mucha gente aún no se ha dado cuenta: la competencia en IA está entrando en la era de la infraestructura.
En el pasado, las guerras de Internet se libraban por: usuarios, tráfico, puntos de acceso. En la era de la IA, se lucha por: electricidad, chips, centros de datos, superclusters de cómputo.
¿Por qué? Porque los laboratorios de IA de primer nivel no pueden depender de servidores en la nube ordinarios.
Necesitan: clústeres de GPU dedicados; estructura de red estable; tasa de utilización extremadamente alta; seguridad de datos y modelos.
Esto ya no es alquilar servidores ordinarios, es alquilar líneas de producción de inteligencia futura.
Un caso típico es: Google y Anthropic alquilan recursos masivos de GPU a SpaceX.
Según informes, el clúster de aproximadamente 110,000 GPU de Google tiene un alquiler mensual de 900 millones de dólares.
Desglosado, el alquiler por hora de una sola GPU es casi el doble del precio unitario de alquiler spot actual en el mercado. Y no olvidemos que el precio spot actual ya es un 40% más alto que el mínimo de principios de este año.
¿Por qué?
Porque la potencia de cálculo de primer nivel se parece cada vez más a un recurso estratégico como la energía, la red eléctrica, etc.
Imagina la Revolución Industrial, una fábrica tiene una máquina de vapor, otra no.
Su diferencia no es del 10%, sino una brecha generacional en todo el modo de producción.
Las GPU de la era de la IA también se están convirtiendo en esta nueva "máquina de vapor".
¿Por qué el precio de la potencia de cálculo se descontrolaría hasta este punto?
La respuesta está en la fórmula física del lado de la oferta, una fórmula que está firmemente bloqueada por los límites físicos de TSMC y los gigantes de las máquinas litográficas.
El mito del que la industria habla con entusiasmo, "la potencia de cálculo crece 3 veces al año", desglosado, no es más que una combinación forzada de tres multiplicadores al borde del límite:
Tasa de crecimiento anual de la potencia de cálculo (3x) ≈ 1.4x (iteración de la Ley de Moore) × 1.2x (construcción de nuevas fábricas de obleas) × 1.8x (acaparamiento de capacidad de proceso avanzado).
Y cada uno de estos tres multiplicadores se está acercando a su límite.
Ley de Moore: cada paso de miniaturización es más difícil que el anterior, la fuga de corriente y el límite atómico hacen que la iteración sea como caminar sobre hielo fino.
Los ciclos de construcción de nuevas fábricas de obleas son largos, la velocidad de entrega de las máquinas litográficas EUV de alta NA bloquea toda la cadena, sin solución al menos hasta 2030.
En los últimos dos años, el único motor del crecimiento de la potencia de cálculo ha sido acaparar capacidad: los chips de IA arrebataron capacidad de proceso avanzado de TSMC a los teléfonos móviles y PC.
Pero este último multiplicador pronto llegará a cero. A finales de 2027, los chips de IA consumirán el 86% de la capacidad N3 de TSMC, del 60% al 86%, no es crecimiento, es saturación absoluta en términos físicos, sin espacio adicional.
Tres multiplicadores, dos ya han tocado techo, el último está a punto de chocar contra la pared. La historia de la oferta de potencia de cálculo ya se ha terminado.
Y cuanto más cara sea la potencia de cálculo, menos gente se atreverá a usar modelos baratos.
La intuición dice: si la potencia de cálculo es cara, se deberían usar modelos ligeros, versiones recortadas de código abierto, gastar con cuidado.
Pero la economía de la IA funciona justo al revés.
La lógica central es el efecto Alchian-Allen: cuando a todos los bienes se les añade un costo fijo adicional, los más caros parecen más rentables.
En la IA, este "costo adicional" es la depreciación de la potencia de cálculo, que hay que pagar sin importar el modelo que se use.
Hagamos cuentas: H100 cuesta 20 dólares por hora.
- Modelo más potente: lo resuelve en 1 hora, 25 dólares (20 de potencia + 5 de prima).
- Modelo mediocre: costo de licencia 0, pero no es lo suficientemente inteligente, prueba y error repetidos le llevan 2 horas, 40 dólares.
Conclusión: usar un modelo mediocre es, de hecho, más caro. Quemará potencia de cálculo y un recurso aún más valioso: el tiempo, en intentos inútiles.
Por lo tanto, cuanto más cara sea la potencia de cálculo, más base tendrá el modelo más potente para cobrar primas exorbitantes. Ya que de todos modos hay que pagar por la potencia de cálculo, gastar un poco más para usar el más inteligente es el verdadero ahorro.
Los modelos mediocres no tienen futuro.
Finalmente, los fondos de toda la sociedad serán absorbidos como por un agujero negro hacia unas pocas megaempresas de billones de dólares capaces de crear los modelos absolutamente más potentes.
La potencia de cálculo también es un recurso, ¿necesariamente subirá de precio?
Por supuesto, también hay quienes se oponen.
En la sección de comentarios, Eric Xu planteó una refutación interesante: la lógica del alquiler anual de 250,000 dólares solo se aplica en el ámbito puramente digital. Una vez que se toca el mundo físico, como los ciclos de aprobación de ensayos clínicos o los procesos de toma de decisiones de las compras gubernamentales, el techo de monetización de la IA podría no llegar ni a 250,000 dólares, acercándose más a 50,000 dólares.
Trevor, un ingeniero de software senior, señaló: el contenido de baja calidad no necesita en absoluto modelos de primer nivel, se dirigirán a soluciones alternativas más baratas, no desaparecerán directamente. En otras palabras, lo que se limpiará podría ser el precio, no el contenido en sí.
La historia tampoco está del lado de Dwarkesh. En 1980, el biólogo de Stanford Paul Ehrlich y el economista Julian Simon apostaron, apostando a que cinco metales subirían de precio en diez años.
Diez años después, los cinco habían bajado, Ehrlich aceptó la derrota y pagó. "Los recursos necesariamente suben de precio", quienes han apostado así en la historia la mayoría de las veces han perdido.
La respuesta de Dwarkesh es: la elasticidad de la oferta de potencia de cálculo es mucho menor que la de las materias primas. Una mina de cobre puede aumentar la producción ante precios altos, una máquina litográfica EUV no, TSMC tampoco tiene capacidad excedente para liberar. En estos años en los que la oferta solo crece 3 veces al año, no hay sustitutos.
Es interesante que el propio Dwarkesh admita: esta predicción, sus equivalentes históricos casi siempre se equivocaron.
Quizás, algún día la potencia de cálculo será tan barata como la arena, pero antes de que llegue ese día, tendremos que experimentar una carrera armamentista de potencia de cálculo y una inflación de potencia de cálculo de las más brutales.
Referencias:
https://www.dwarkesh.com/p/why-compute-might-get-10x-more-expensive
https://x.com/dwarkesh_sp/status/2082482530209411419
Este artículo proviene del WeChat público "新智元" (Nueva Era de la Inteligencia), autor: ASI启示录; editor: David
