La prosperidad en la potencia de cálculo de IA podría ser una ilusión sostenida por dos empresas

Autor de comentarios tecnológicos en el extranjero, Ed Zitron, planteó recientemente un juicio agudo: actualmente, la economía del poder de cálculo de la IA puede no estar respaldada por una demanda de mercado amplia y saludable, sino que depende en gran medida de las dos empresas OpenAI y Anthropic. Los proveedores de servicios en la nube invierten en empresas de IA, y estas empresas vuelven a usar los fondos para comprar servicios en la nube y capacidad de cálculo, formando una narrativa de crecimiento circular.

Esta opinión no necesariamente representa toda la realidad, pero nos recuerda: para juzgar si la burbuja de la IA es sostenible, no basta con mirar los fondos recaudados y la escala de construcción de centros de datos, sino que también hay que observar a los clientes reales, la calidad del flujo de caja y la demanda final.

Introducción

En los últimos dos años, la historia de crecimiento más destacada en la industria de la IA no solo ha sido el avance en las capacidades de los grandes modelos, sino también la fiebre de inversión en capital en torno a GPU, servicios en la nube y centros de datos. Gigantes como Microsoft, Amazon, Google y Oracle continúan ampliando su infraestructura de IA, y NVIDIA se ha convertido en la beneficiaria más brillante de este ciclo.

Pero surge una pregunta más aguda: ¿quién usará realmente estos nuevos centros de datos? Si los principales grandes clientes son solo OpenAI y Anthropic, entonces, ¿la supuesta prosperidad del poder de cálculo de IA no sería más que una narrativa de ciclo sostenido por unas pocas empresas, unos pocos proveedores de la nube y unos pocos intercambios de capital?

El autor de comentarios tecnológicos en EE. UU., Ed Zitron, en su artículo “Premium: La psicosis circular de la IA”, ofrece un juicio muy radical pero digno de discusión: la economía de la IA está formando una especie de “delirio circular”. En este ciclo, los gigantes de la nube invierten en empresas de IA, estas empresas vuelven a pagar a los gigantes de la nube por capacidad de cálculo; los gigantes de la nube, a su vez, confirman ingresos futuros y continúan expandiendo centros de datos y comprando GPU. Parece que cada eslabón crece, pero si la demanda final no es suficiente, este mecanismo puede volverse extremadamente frágil.

I. La supuesta prosperidad del poder de cálculo de IA puede depender en gran medida de dos empresas

La conclusión central de Zitron no es compleja: una parte bastante grande de toda la economía de IA en realidad recae sobre OpenAI y Anthropic. Según su análisis, estas dos empresas no solo ocupan una gran parte de la capacidad de cálculo de IA de Amazon, Google y Microsoft, sino que también contribuyen con una proporción significativa de los ingresos de estas compañías; lo más importante es que podrían representar una gran parte de los pedidos pendientes de ingresos futuros de estos proveedores de servicios en la nube.

Esto significa que lo que el mercado ve no es solo una “crecimiento en la demanda de computación en la nube”, sino una estructura de clientes altamente concentrada: los pedidos de IA de los proveedores de la nube provienen de empresas de IA, y su capacidad de pago proviene de financiamiento e inversión en la nube. En otras palabras, el flujo de fondos no es simplemente del cliente final a las empresas de modelos, y luego a los proveedores de la nube; en gran medida, circula entre inversores, proveedores de servicios en la nube y empresas de IA.

Esta estructura no necesariamente es insostenible. La industria tecnológica en sus primeras etapas a menudo dependía del financiamiento para impulsar el crecimiento; la computación en la nube, los vehículos eléctricos y los servicios compartidos han pasado por fases similares. El problema radica en que la escala de inversión en infraestructura de IA es demasiado grande, y actualmente, las empresas que pueden consumir de manera sostenida una gran cantidad de GPU parecen no ser tantas como el mercado imagina.

La gráfica muestra que las promesas de gasto de OpenAI y Anthropic a Microsoft, Oracle, Google y Amazon representan una proporción bastante alta de los pedidos pendientes de ingresos de estos proveedores de servicios en la nube. El rosa representa las promesas de gasto de OpenAI, el naranja las de Anthropic, y el gris otros pedidos pendientes de ingresos. Fuente: The Information, citado en Where’s Your Ed At;

Si estas estimaciones son correctas, una conclusión que merece precaución es: una gran parte de los ingresos futuros de los gigantes de la nube no solo depende de la demanda de IA, sino también de que OpenAI y Anthropic puedan seguir financiándose, expandiéndose y pagando grandes facturas de la nube de manera continua.

II. La “facturación circular” entre Anthropic y los gigantes de la nube

La crítica de Zitron a Anthropic es especialmente aguda. Él considera que el problema de Anthropic no es solo pérdidas, sino que ha formado una relación de flujo de fondos similar a un ciclo con Amazon y Google: los gigantes de la nube invierten en Anthropic, y esta vuelve a usar el dinero para comprar servicios en la nube y capacidad de cálculo, generando expectativas de ingresos para los gigantes de la nube y continuando con la expansión de infraestructura.

Desde una narrativa financiera, esto parece un ganar-ganar. La empresa de IA obtiene la capacidad de cálculo necesaria para entrenamiento y inferencia, los proveedores en la nube consiguen grandes clientes, y el mercado de capitales obtiene una historia de crecimiento. Pero si Anthropic no tiene suficientes ingresos y capacidad de beneficios, su capacidad para pagar las facturas en la nube dependerá en gran medida de financiamiento externo.

Este es precisamente el núcleo de la “circulación” que menciona el artículo: los futuros ingresos de un proveedor de la nube pueden depender de si la empresa de IA en la que invierte puede seguir financiándose; y la empresa de IA, para seguir contando historias de crecimiento, depende de que los proveedores en la nube sigan proporcionando capacidad, inversión y descuentos. En los libros, esto parece una cadena de crecimiento acelerado; desde otra perspectiva, también es una cadena de riesgos interdependientes.

Para los lectores en China, esto no es nada nuevo. En cualquier industria de alta inversión, durante su fase de rápida expansión, es fácil caer en la lógica de “construir primero la infraestructura y luego esperar a que la demanda se materialice”. La diferencia es que el costo unitario de construcción de capacidad de IA es extremadamente alto, y la depreciación tecnológica es muy rápida. Si la demanda real no alcanza las expectativas, los costos hundidos serán muy pesados.

III. La transferencia de Colossus-1 por xAI: una señal de demanda ignorada

Otro caso que merece atención en el artículo es la transferencia de la capacidad de 300MW del centro de datos Colossus-1, propiedad de SpaceX, xAI y Elon Musk, a Anthropic. Musk describió Colossus-1 como “el sistema de entrenamiento de IA más potente del mundo” y afirmó que su construcción tenía como objetivo entrenar a Grok. Pero ahora, esa capacidad ha sido transferida a Anthropic.

Zitron considera que esto envía una señal muy inusual: si empresas de modelos grandes como xAI no necesitan construir toda su capacidad, entonces, ¿cuántos otros grandes compradores de GPU hay en el mercado, aparte de OpenAI y Anthropic?

Esta cuestión es clave. En el último año, la narrativa del mercado ha sido que “la capacidad de cálculo de IA nunca será suficiente”. Pero, para que eso sea cierto, debe haber clientes concretos que compren a largo plazo. ¿Quiénes compran de manera sostenida? ¿Quiénes tienen la capacidad de pagar? ¿Sus ingresos comerciales son suficientes para cubrir los costos de inferencia y entrenamiento? Estas preguntas no se pueden responder solo con “demanda futura”.

Zitron menciona que Sightline Climate estima que actualmente hay 15.2 GW de capacidad en construcción, con finalización prevista para fines de 2027. Si estas capacidades deben ser consumidas por decenas de miles de empresas mediante alquiler masivo de GPU, el mercado necesita demostrar: ¿dónde están esas empresas, cuál es su modelo de negocio, tienen ingresos suficientes para pagar los costos de cálculo?

IV. ¿A dónde va el dinero de las startups de IA?

Otra conclusión importante del artículo es que los ingresos del software de IA y los ingresos por capacidad de cálculo están altamente relacionados. Muchas startups de IA parecen estar generando ingresos, pero para ofrecer sus servicios, necesitan usar modelos de OpenAI o Anthropic, o alquilar GPU de proveedores en la nube. Como resultado, los fondos recaudados y los ingresos de estas startups terminan fluyendo hacia unas pocas empresas de modelos base y proveedores de infraestructura en la nube.

Este patrón genera dos resultados. Primero, los ingresos de toda la cadena de valor se concentran cada vez más en los principales actores. Segundo, incluso si las empresas de aplicaciones de nivel medio y bajo crecen en ingresos, puede ser difícil que tengan beneficios saludables, ya que los costos de llamadas a modelos y capacidad de cálculo seguirán consumiendo efectivo.

Por eso, la prosperidad en la capa de aplicaciones de IA no puede simplemente considerarse como una prosperidad general de la industria. Si muchas empresas de aplicaciones solo convierten financiamiento en tarifas de API, sin poder establecer precios ni obtener beneficios, serán más bien canales de las empresas de modelos base, en lugar de entidades comerciales independientes y sostenibles.

Desde la perspectiva de los medios, esto es algo que los emprendedores de IA en China deben tener en cuenta. La industria de grandes modelos en China también enfrenta problemas similares: ¿pueden las empresas de aplicaciones liberarse de la dependencia de modelos y recursos en la nube de alto costo? ¿Pueden construir su propia base de datos, escenarios y fidelizar clientes? La respuesta determinará si solo son “muestras de capacidades de modelos” o si realmente pueden convertirse en empresas sostenibles.

V. Los gigantes de la nube, los fabricantes de GPU y las nuevas empresas en la nube están atrapados en la misma narrativa

Zitron también señala que la influencia de OpenAI y Anthropic no se limita a los proveedores de servicios en la nube. La demanda de capacidad de cálculo también se extiende a NVIDIA, fabricantes de servidores ODM, nuevas empresas en la nube y desarrolladores de centros de datos. Mientras el mercado crea que la demanda de IA crecerá indefinidamente, las ventas de GPU, pedidos de servidores, construcción de centros de datos y valoraciones de las empresas en la nube podrán mantenerse.

Pero el núcleo sigue siendo la calidad de la demanda. Una industria puede crear prosperidad a corto plazo mediante gastos de capital, pero no puede reemplazar la demanda real a largo plazo solo con inversión. Si los grandes clientes de las nuevas empresas en la nube siguen siendo principalmente OpenAI, Anthropic, Meta o proveedores de servicios indirectos para estas empresas, la concentración de clientes en todo el ecosistema será muy alta.

Esto no significa que la IA no tenga valor, ni que los grandes modelos no tengan demanda a largo plazo. Al contrario, la IA está transformando el software, el contenido, la búsqueda, la programación y los servicios empresariales. Pero lo que el mercado de capitales valora no es solo que la IA sea útil, sino si puede sostener una expansión de infraestructura de cientos de miles de millones de dólares. Hay una gran diferencia entre ambas.

VI. Este artículo es radical, pero los problemas que plantea no se pueden ignorar

Es importante aclarar que la postura de Zitron es muy clara y hasta con un tono crítico. Él califica la economía actual del poder de cálculo de IA como una “gran estafa, ilusión y error”. Este juicio claramente no es un consenso de la industria, y no debe tomarse como una conclusión definitiva.

Pero las preguntas que plantea sí merecen una discusión seria.

Para el mercado chino, lo más valioso no es simplemente juzgar si “la burbuja de la IA explotará”, sino observar la fiebre de inversión en IA desde otra perspectiva: no solo mirar los parámetros del modelo, los fondos recaudados, la cantidad de GPU o la escala de centros de datos, sino también quiénes son los clientes finales, de dónde provienen los ingresos, quién asume los costos y si los beneficios pueden cerrarse.

Si la IA realmente genera un aumento de productividad suficiente, la construcción de capacidad será absorbida. Pero si la mayor parte del crecimiento proviene de un ciclo de capital, facturación en la nube y pedidos futuros entre unas pocas empresas, la vulnerabilidad de esta prosperidad será mucho mayor de lo que parece a simple vista.

Epílogo: La clave de la IA pasa de “¿hay demanda?” a “¿cuál es la calidad de la demanda?”

El valor a largo plazo de la IA no implica necesariamente que toda la inversión en infraestructura actual sea razonable. Los grandes modelos pueden seguir mejorando, las aplicaciones de IA pueden seguir expandiéndose y las empresas pueden seguir automatizándose. Pero, al mismo tiempo, la relación cíclica entre gastos de capital, ingresos en la nube y demanda de GPU debe ser examinada con mayor transparencia.

Lo más valioso de este artículo no es si es completamente correcto, sino que nos recuerda: los verdaderos riesgos en la industria de la IA no son “que nadie use IA”, sino “que los ingresos por usar IA no sean suficientes para cubrir los costos de su construcción”.

Cuando una industria depende cada vez más de unos pocos clientes súper grandes, unos pocos gigantes de la nube y financiamiento continuo para mantener la narrativa de crecimiento, inversores, emprendedores y observadores deberían hacerse la misma pregunta: ¿esto es una nueva ola de construcción de infraestructura tecnológica o una ilusión de capital sustentada por ingresos futuros y pagos circulares?