Precios de GPU: una batalla caótica sin árbitro

Autor del texto original: David Lopez Mateos

Compilación del texto original: TechFlow

**Introducción: ** A los medios les gusta resumir las subidas y bajadas del precio de la potencia de cálculo de la GPU con un solo número, pero la realidad es que en la terminal de Bloomberg las cotizaciones dadas por cuatro proveedores de índices se desvían entre sí en más de 2 dólares, y además el sentido y el ritmo no coinciden. El autor de este artículo es David Lopez Mateos, fundador de la plataforma de trading de potencia de cómputo Compute Desk; con datos de trading desglosa la estructura real de precios de H100 y B200, y revela un mercado primario en el que no hay un referente de consenso, no hay contratos estándar, no hay una curva de futuros: la potencia de cómputo se está acaparando y revendiéndose como si fueran apartamentos de alquiler de corta estancia.

Los titulares del medio te harían pensar que el precio de la potencia de cálculo de la GPU se está disparando. Este relato es cómodo: encaja perfectamente en el marco macro de “escasez de oferta + demanda de IA sin fondo” y sugiere una cosa tranquilizadora: tenemos un mercado que funciona bien y que las señales de precio se pueden leer con claridad.

Pero no es así. Este relato se basa casi por completo en un único índice, y lo que sugiere no debería sugerirse: el mercado de alquiler de GPU ya es lo bastante eficiente como para poder representarse con un solo número el estado global.

La escasez es real, pero la escasez que percibe cada quien es totalmente distinta, depende de quién eres, dónde estás, qué contrato estás negociando y qué activo de potencia de cómputo estás usando. Ante esta falta de transparencia, la reacción natural del mercado no es un descubrimiento de precios ordenado, sino el acaparamiento: asegurar la disponibilidad de horas de GPU que quizá todavía no necesites, porque no estás seguro de si el próximo mes podrás comprarlas a cualquier precio. Donde hay acaparamiento y no hay un referente transparente, aparece un mercado secundario fragmentado. En Compute Desk, ya hemos facilitado que los inquilinos re-sub arrienden sus clústeres como apartamentos durante grandes eventos. Esto no es una suposición: está ocurriendo.

Los índices no convergen

En los mercados maduros de materias primas a granel, los índices construidos con base en distintas metodologías tienden a converger. Brent y WTI, por ejemplo, difieren en unos pocos dólares debido a su ubicación geográfica y la calidad del crudo, pero se mueven en la misma dirección (Figura 1). Esta convergencia es una señal de un mercado eficiente.

Leyenda: Comparación de la evolución de precios del Brent y el WTI, con alta coherencia en la dirección

Ahora, en la terminal de Bloomberg hay tres proveedores de índices de precios de GPU: Silicon Data, Ornn AI y Compute Desk. SemiAnalysis acaba de publicar el cuarto: un índice mensual de precios para contratos de un año de H100, construido a partir de datos de encuestas a más de 100 participantes del mercado. Silicon Data y Ornn publican índices diarios de alquiler de H100; Compute Desk agrega datos a nivel de la arquitectura Hopper; y SemiAnalysis captura precios de contrato posteriores a la negociación, no los precios publicados ni los precios obtenidos con “scraping”. Metodologías distintas, frecuencias distintas, y ángulos distintos de capturar información sobre el mismo mercado. Al superponerlos, las discrepancias se vuelven evidentes (Figura 2).

Leyenda: Los cuatro índices de GPU superpuestos muestran claramente diferencias tanto en el nivel de precios como en la trayectoria

¿Dónde está ocurriendo el aumento de precios?

Con los datos de Compute Desk, podemos descomponer la variación de precios de H100 según el tipo de proveedor y la estructura del contrato, y superponerle el índice SDH100RT de Silicon Data (Figura 3). Todos los indicadores muestran que los precios suben, pero el punto de partida y la magnitud difieren enormemente según el índice y el tipo de contrato.

Leyenda: Evolución del precio de H100 desglosada por tipo de contrato, superpuesta con el índice SDH100RT

Los datos de “nuevo cloud” (neocloud) de Compute Desk cuentan una historia más concreta que la que ofrecen los índices agregados. La fijación de precios bajo demanda se mantuvo relativamente estable durante todo el invierno, a aproximadamente 3.00 dólares por hora, para luego dispararse en marzo hasta 3.50 dólares. La fijación spot es más ruidosa y también más baja, con una ligera tendencia al alza recién en marzo. SDH100RT de Silicon Data, en cambio, presenta una subida más suave y constante: en el mismo periodo pasa de 2.00 dólares a 2.64 dólares. Los dos índices permanecen de manera sostenida en niveles de precio distintos, y describen el ritmo temporal de forma diferente: Compute Desk habla de un salto en marzo, Silicon Data habla de una subida lenta.

El precio reservado a un año se mantuvo prácticamente igual antes de febrero, y luego a finales de marzo saltó de 1.90 dólares a 2.64 dólares; no fue una búsqueda progresiva, sino una revalorización repentina. Esto se parece más a un ajuste concentrado de las tasas de los contratos por parte de los proveedores tras apretar el mercado bajo demanda, y no a una demanda estructural continua.

La historia de B200 es aún más intensa en marzo (Figura 4). El índice bajo demanda de Compute Desk pasa, en cuestión de pocas semanas, de 5.70 dólares a más de 8.00 dólares. SDB200RT de Silicon Data se dispara de 4.40 dólares a 6.11 dólares y luego retrocede hasta 5.47 dólares. Ambos índices registran esta fase del mercado, pero el punto de partida difiere en más de 2 dólares y la forma tanto del aumento como de la caída es distinta. B200 solo tiene menos de cinco meses de datos, menos proveedores y una mayor brecha de precios; por lo tanto, los dos índices están observando el mismo evento con lentes muy diferentes.

Leyenda: Trayectorias de precios bajo demanda y de precios reservados de B200; superposición de datos de Compute Desk y Silicon Data

Problemas de infraestructura, no solo diferencias geográficas

El mercado de materias primas a granel tiene base (basis differential). El caso típico es el gas de los Apalaches: enormes reservas descansan sobre una capacidad de oleoductos estructuralmente limitada; la utilización del corredor Pennsylvania-Ohio con frecuencia supera 100%, y nuevos proyectos como Borealis Pipeline solo se ponen en marcha hacia finales de la década de 2020.

El mercado de GPU tiene algo similar: un H100 en Virginia y otro en Frankfurt no son el mismo “bien económico”. Pero confiar solo en las diferencias geográficas no explica por qué las discrepancias de los índices que miden el mismo mercado son tan grandes. El desajuste en el mercado de GPU es más profundo que en el gas de los Apalaches. El problema del gas es una eslabón único que falta: la capacidad de tubería que conecta oferta y demanda. La brecha de infraestructura en el mercado de cómputo existe en ambos lados, oferta y demanda. La infraestructura física — una red coherente para distribuir de forma confiable la potencia de cómputo, una configuración predecible y una disponibilidad predecible — aún no está madura, y a veces simplemente no funciona. La infraestructura financiera — aunque existan diferencias físicas — también permitiría comprimir las brechas de precios con contratos estandarizados, referentes transparentes y mecanismos de arbitraje, pero todavía no existe.

Los datos cuentan una historia. La experiencia real de intentar comprar potencia de cómputo a principios de 2026 cuenta una historia aún más punzante. En la práctica, toda la capacidad bajo demanda de todos los tipos de GPU está agotada. Conseguir 64 H100 es difícil: Compute Desk muestra que el 90% de los proveedores tienen disponible cero en clústeres bajo demanda; el mercado reservado tampoco está mucho mejor. En un mercado que funciona, este nivel de escasez habría llevado los precios a un nuevo equilibrio mucho antes. Pero no ha ocurrido. Esto indica que los propios proveedores carecen de información de fijación de precios en tiempo real para ajustar. Los precios suben, pero suben demasiado lento como para liquidar el mercado. La brecha entre el precio publicado y la disposición real a pagar, se está llenando con acaparamiento, re-sub arriendo y transacciones en un mercado secundario informal.

Qué hay que cambiar

En el mercado actual de potencia de cálculo de GPU existen siete problemas centrales:

No hay un referente de consenso. Existen múltiples índices, con metodologías diferentes, y las conclusiones se contradicen.

La narrativa de agregación oculta la estructura. Un número de “precio de H100” oculta enormes diferencias entre tipos de proveedores y duraciones de contrato.

Falta de datos a nivel de transacción. En un mercado bilateral, la desviación entre precios publicados y precios reales de cierre es muy grande.

No hay estandarización de contratos. La mayoría de los alquileres de GPU son negociaciones bilaterales, con términos diferentes. Contratos con duraciones más cortas y más estandarizadas mejorarían la liquidez y el descubrimiento de precios.

No hay garantía de calidad de entrega. Las diferencias en topología de interconexión, emparejamiento con CPU, pila de red y tiempo de ejecución son enormes. Antes de asumir un compromiso, los compradores necesitan saber qué calidad tiene la potencia de cómputo que están comprando.

Los contratos no tienen liquidez. Si la demanda cambia durante el periodo reservado, las opciones son muy limitadas: o absorbes el costo o haces un re-sub arriendo informal. El mercado necesita la cesión o reventa de infraestructura comprometida de potencia de cómputo, para que la capacidad fluya hacia quienes más la necesitan.

No hay curva de futuros. Si no se puede fijar el precio a futuro, no se puede cubrir el riesgo. Por eso los prestamistas aplican un descuento del 40%-50% al colateral de GPU y los costos de financiación se mantienen altos.

Construir un mercado que funcione normalmente para las materias primas más importantes de este siglo no es algo que se pueda lograr solo con impulsar una sola línea. La medición, la estandarización, la estructura de contratos, la calidad de entrega, la liquidez — todo debe avanzar al mismo tiempo; hasta entonces, nadie puede decir con verdadera claridad cuánto vale una hora de GPU.