El índice de gasto en tokens de IA cae casi un 20%, lo que podría indicar señales de enfriamiento en la disposición marginal de los usuarios a pagar.

El mercado global de transacciones de IA está experimentando un enfriamiento de un indicador clave de observación. El índice central que mide el gasto en tokens de IA, después de un rápido aumento, ha caído, lo que ha provocado una reevaluación de si este ciclo de IA impulsado por gastos de capital a gran escala sigue siendo sólido. Tanto la intensidad de la demanda como la capacidad de fijación de precios están siendo sometidas a un escrutinio más riguroso.

Según Bloomberg, el Índice de Gasto en Tokens LLM compilado por Silicon Data se había duplicado casi desde su lanzamiento en diciembre pasado, pero desde que alcanzó su punto máximo en mayo de este año, ha caído casi un 20%. Este índice se considera el indicador de mercado más directo que refleja la disposición a pagar por servicios de IA y los cambios en la demanda marginal, y su debilitamiento está provocando una reevaluación del ritmo de comercialización de la IA.

Algunos inversores creen que este cambio puede indicar que las empresas de IA están entrando en un entorno competitivo más sensible a los costos, donde el poder de fijación de precios podría estar erosionándose. El inversor veterano Louis Navellier señala que ya hay señales de que algunos usuarios están comenzando a limitar la frecuencia de uso debido a la presión de los costos. Al mismo tiempo, los rumores del mercado sobre un posible retraso en la OPI de OpenAI también se consideran evidencia colateral de que la rentabilidad sigue siendo un desafío.

Sin embargo, la caída del índice no significa que los servicios de IA se estén "volviendo más baratos". Silicon Data enfatiza que este indicador es un resultado integral de la interacción entre el precio y la cantidad de uso, más cercano a una variable proxy de la "disposición marginal a pagar". Por lo tanto, los factores impulsores detrás de su tendencia son diferentes, y las implicaciones de mercado correspondientes también pueden ser completamente distintas.

Divergencia creciente: ¿Enfriamiento de la demanda o cambio en la estructura de precios?

Existe una clara divergencia en el mercado en cuanto a la interpretación de la caída del índice.

Una interpretación más optimista sostiene que los precios de los tokens han caído más del 90% desde 2023, lo que reduce significativamente la barrera de entrada, impulsando así una expansión del gasto total. En este marco, la caída temporal del índice refleja más un ajuste en la estructura de la demanda que un debilitamiento general de la misma, y la lógica de expansión de la IA sigue siendo válida.

Sin embargo, una perspectiva pesimista argumenta que esto podría significar que la disposición a pagar de los usuarios se ha acercado a un límite temporal. Allianz Research señala que actualmente existe una brecha de crecimiento de aproximadamente el 46% entre la inversión en IA y las ventas reales, superior al nivel de desviación de alrededor del 32% durante la burbuja de telecomunicaciones de 2001. En este contexto, cualquier debilitamiento en el lado de la demanda podría amplificar las presiones de valoración.

Louis Navellier también mencionó que las empresas se enfrentan a restricciones de costos en el uso de servicios de IA, comenzando a limitar los casos de "uso ilimitado", lo que algunos participantes del mercado consideran una señal temprana de una disminución en la elasticidad de la demanda.

La lógica del gasto de capital aún se mantiene, pero la estructura está cambiando

Aunque las señales de demanda fluctúan, el ciclo de inversión en infraestructura de IA no se ha revertido significativamente. Los datos del mercado muestran que las GPU de alta gama y la memoria de alto ancho de banda todavía están en una situación de oferta insuficiente, y se espera que continúe hasta 2026, e incluso podría extenderse hasta 2028.

Sin embargo, el enfoque del mercado se está desplazando del lado del entrenamiento al lado de la inferencia. El informe señala que este cambio implica una migración en la estructura de la demanda de capacidad de cómputo, donde la proporción de GPU de entrenamiento de alta gama puede disminuir, mientras que la demanda de hardware optimizado para inferencia aumenta relativamente, alterando así la estructura de beneficios de la cadena industrial.

Este cambio no constituye directamente un juicio de declive para la industria de chips, pero puede significar que el motor de crecimiento pasa de una "expansión única de capacidad de cómputo de alta gama" a una "redistribución estructural de la demanda".

Las variables de políticas y regulaciones aumentan la complejidad de fijación de precios para las empresas

Además de la demanda, el entorno regulatorio también está afectando las rutas de comercialización de los productos de IA.

Recientemente, los reguladores estadounidenses han solicitado ajustes en el ritmo de lanzamiento de ciertos modelos y han relajado las restricciones de acceso a algunos modelos de Anthropic PBC. Al mismo tiempo, la Ley de IA de la UE impone evaluaciones obligatorias y requisitos de transparencia más estrictos para los modelos de frontera.

Estos cambios de políticas no limitan directamente los precios, pero aumentan las presiones de costos de implementación y cumplimiento, lo que hace que las empresas se inclinen más hacia la optimización de costos al asignar cargas de trabajo entre diferentes modelos. Esta tendencia puede afectar indirectamente la capacidad de fijación de precios y la proporción de uso de los modelos de alta gama.

Aviso de riesgos y cláusula de exención de responsabilidad

        El mercado conlleva riesgos, por lo que la inversión debe ser cautelosa. Este artículo no constituye un consejo de inversión personal y no ha considerado los objetivos de inversión, situación financiera o necesidades particulares de ningún usuario. Los usuarios deben considerar si las opiniones, puntos de vista o conclusiones en este artículo se ajustan a su situación particular. La inversión basada en este artículo es bajo su propia responsabilidad.