¿Cuál es el precio de alquiler por hora de una GPU Nvidia B200 a finales de este año?

Los mercados de predicción descomponen esta pregunta en un conjunto de contratos de sí o no. Los operadores creen que el alquiler de B200 estará por encima de cierto precio, y luego combinan contratos de distintos precios y distintas fechas; así aparece una curva de alquiler de GPU formada por apuestas del mercado.

Polymarket ya había lanzado contratos de alquiler de GPU antes, pero con poco volumen de operaciones. Esta vez, el cofundador de Kalshi, Tarek Mansour, anunció que la plataforma ha extraído una curva a futuro a partir de los precios del mercado de predicción para B200, H200 y A100.

Los mercados de predicción ya no se limitan a responder resultados electorales, momentos de recortes de tasas y eventos corporativos; ahora comienzan a construir mercados financieros para una industria que nunca ha contado con un mercado de negociación público.

Esta curva aún está lejos de las curvas a futuro en los mercados tradicionales de materias primas, y los mercados de predicción tampoco pueden permitir que los compradores reciban un conjunto de GPU al vencimiento. Pero sí captan lo que más falta en el mercado de negociación de GPU: una línea de precios que todos puedan ver.

En los últimos años, el capital ha seguido fluyendo hacia chips, centros de datos y electricidad; la capacidad de cómputo se ha convertido en uno de los mayores costos de la industria de la IA, aunque la forma de compra aún se mantiene en reservas telefónicas, acuerdos entre conocidos y contratos fuera de línea.

La financiarización de la capacidad de cómputo está en plena marcha.

Primero los contratos, después el mercado

Antes de que surgieran los modelos grandes, las empresas obtenían capacidad de cómputo principalmente de dos maneras: comprando servidores por cuenta propia, o pagando una tarifa mensual relativamente estable a los proveedores de nube. La IA cambió esta lógica de adquisición. El entrenamiento y la inferencia consumen una gran cantidad de GPU; los precios para diferentes chips, regiones y plazos de contrato empiezan a divergir, y las cotizaciones de los proveedores de nube cambian rápidamente según la oferta y la demanda.

Hoy, el mercado de capacidad de cómputo no está desprovisto de operaciones a futuro.

Los grandes laboratorios suelen asegurar con anticipación la capacidad futura; neocloud precompra GPU a proveedores de nube y brokers; entre hiperescalares de la nube se reservan recursos mutuamente. Los contratos, si son cortos, se alquilan por horas; si son largos, cubren varios años. Cumplen una función similar a los acuerdos de compra a largo plazo con exclusividad del petróleo, con la diferencia de que el precio queda escondido en negociaciones privadas.

Un proveedor grande de servicios de inferencia solía describir la adquisición de capacidad de cómputo como encontrar a un “intermediario” familiarizado con la oferta. Le dices qué chips necesitas, cuántas tarjetas y en qué región se usarán, y él busca existencias en su red de contactos. Los brokers ganan por la diferencia de información; los grandes tenedores distribuyen la capacidad gracias a sus relaciones; y el precio real de la transacción rara vez aparece en pantallas públicas.

Este mercado puede cumplir la entrega, pero no logra generar expectativas continuas. Los laboratorios de IA no saben el costo de inferencia dentro de seis meses; los centros de datos no pueden asegurar por adelantado el precio de alquiler; y los prestamistas carecen de datos actualizados en tiempo real para evaluar qué tan rápido se deprecian las GPU dadas como colateral.

El tamaño del capital ya no permite que este esquema de fijación de precios se mantenga tal cual.

Los números que dio Tarek son los siguientes: los hiperescalares de nube invertirán este año más de 7000 millones de dólares en capacidad de cómputo, y el tamaño del mercado podría alcanzar entre 7 billones y 10 billones de dólares para 2030. Las instituciones más prudentes también pronostican una cifra enorme. Morgan Stanley estima que, antes de 2028, el gasto de capital de los centros de datos a nivel global será de aproximadamente 2,9 billones de dólares, de los cuales cerca de 2,5 billones de dólares se dedicarán a IA. McKinsey calcula que, antes de 2030, el gasto de capital de los centros de datos será de 6,7 billones de dólares. Goldman Sachs estima que la inversión en infraestructura de IA entre 2026 y 2031 alcanzará 7,6 billones de dólares.

Estos números usan años y criterios de medición distintos; algunos incluyen centros de datos y otros calculan tanto capacidad de cómputo como electricidad. En común, la computación y el hardware representan entre el 55% y el 67% de las estimaciones de cada firma, siendo la mayor parte de esta ronda de inversión en infraestructura.

Los chips, además, son un activo con cambios bruscos de precio. Las estimaciones del mercado sobre la vida útil de las GPU van de tres a siete años; los productos de nueva generación renuevan el rendimiento cada año. Aunque la oferta es tensa y los chips viejos conservan valor de alquiler. Los centros de datos deben inmovilizar grandes cantidades de capital en un lote de equipos cuya velocidad de depreciación aún no tiene consenso.

A mayor carga de capital, más importante es el precio a futuro.

Exploración del mercado de negociación de GPU

La primera fase del mercado de negociación de GPU es el “emparejamiento privado” que ya lleva años funcionando.

Los compradores reservan capacidad con anticipación; los vendedores aseguran ingresos futuros; los brokers se encargan de buscar la oferta y emparejar las operaciones. La demanda real y los compromisos a futuro ya existen, pero no hay contratos unificados ni cotizaciones públicas.

Estas partes comprador-vendedor también constituyen la base del mercado financiero de capacidad de cómputo.

Los hiperescalares, los grandes centros de datos y los tenedores de GPU tienen inventario; temen que el alquiler futuro caiga. Los laboratorios de IA, las plataformas de inferencia, las compañías de aplicaciones y neocloud, que ya ha comprometido capacidad con downstream, necesitan seguir comprando; temen que el precio futuro suba. Una parte desea proteger los ingresos de los equipos; la otra quiere controlar el costo de la capacidad de cómputo. De ahí surge la necesidad inicial de negociación.

La segunda fase consiste en construir un índice de precios estandarizado. Ornn Compute Price Index extrae precios de transacciones reales de alquiler de GPU y cubre varios chips principales. Silicon Data publica diariamente índices de alquiler bajo demanda para H100, A100 y B200, y envía los datos al terminal de Bloomberg. Compute Desk también está montando un producto similar.

Lo que definen los proveedores de índices no es solo una cadena de números. Qué chips, regiones, configuraciones de red y tipos de contrato se incluirán; cómo se manejan las transacciones atípicas; cómo se retira el índice anterior cuando cambian los chips: todo esto altera lo que el mercado llama “precio de GPU”. Las bolsas ofrecen el lugar de negociación, y los proveedores de índices definen qué es exactamente lo que la gente negocia.

Ornn recibió recientemente una inversión de 33 millones de dólares de a16z. Quien pueda ordenar datos de transacciones fragmentadas en un punto de referencia aceptado por el mercado, tendrá la oportunidad de convertirse en la puerta de entrada de precios en el mercado de capacidad de cómputo.

La tercera fase es incorporar el índice en contratos negociables. CME eligió Silicon Data como proveedor de datos y planea lanzar futuros de capacidad de cómputo que se liquidarán con un punto de referencia diario del alquiler de GPU. La matriz de la Bolsa de Nueva York, ICE, eligió Ornn y está lista para lanzar otro conjunto de futuros de GPU. Ambas bolsas tradicionales posicionan sus productos como herramientas de gestión de riesgos para laboratorios de IA, proveedores de nube, centros de datos e instituciones financieras, pero aún están en la etapa de espera de revisión regulatoria.

Los mercados de predicción siguieron otro camino. Hacen que los operadores respondan continuamente la misma pregunta: “¿Una cierta clase de chip superará cierto precio de alquiler en cierta fecha?”. Calcular la diferencia de precio entre umbrales adyacentes puede aproximar la valoración del mercado sobre ese rango de precios; y luego repetir el cálculo a lo largo de distintas fechas, aparece la estructura de vencimientos.

Los mercados tradicionales de materias primas suelen definir primero contratos entregables, y luego las operaciones de futuros construyen la curva. Los mercados de predicción, en cambio, forman expectativas públicas con contratos basados en eventos, y luego consideran usar esas expectativas para negociación OTC, futuros y contratos perpetuos.

Los futuros tradicionales de capacidad de cómputo todavía esperan aprobación regulatoria; los mercados de predicción ya han proporcionado la estructura de vencimientos.

Qué problema resuelve una curva

En lo que el mercado gasta esfuerzo en crear índices, futuros y curvas a futuro, ¿qué problema concreto puede resolver para una compañía de IA “normal”?

Supongamos que una plataforma de inferencia ya se comprometió con brindar servicio a sus clientes dentro de seis meses. Sabe que en ese momento necesitará un lote de GPU, pero no sabe cuánto subirán los alquileres. Si los alquileres se disparan de repente, los precios ya pactados con los clientes no suben; solo puede asumir el aumento del costo. Si compra un contrato que se revaloriza cuando sube el alquiler de GPU, aunque la factura de nube se encarezca, las ganancias del contrato pueden compensar parte de la diferencia. El problema para un centro de datos es el inverso: el equipo ya está comprado; si el alquiler futuro cae, los ingresos se reducen. Vender una exposición a futuro permite asegurar con anticipación parte de los ingresos del equipo.

Este contrato no tiene que ser exactamente igual a cada tarjeta que una empresa compra en la práctica. La empresa podría usar H200 en la región de Nueva York, mientras que en el mercado se negocia un índice H200 que cubre múltiples proveedores. Mientras ambos precios suban y bajen en términos generales de manera similar, el contrato funciona. Los analistas calculan que, cuando la correlación entre ambos precios alcanza 0,7, una cobertura con una asignación razonable puede eliminar cerca de la mitad de la volatilidad. Las aerolíneas no pueden comprar un contrato idéntico a cada desembolso de su combustible para aviones, y aun así usan futuros de crudo para controlar costos; el razonamiento es similar.

Los prestamistas también necesitan esta curva. Cuando un centro de datos toma un préstamo usando GPU como colateral, el banco debe evaluar cuántos alquileres podrán generar esos chips dentro de dos años. Antes, solo podía basarse en cotizaciones de proveedores, transacciones dispersas y sus propias suposiciones. Con una curva pública, el prestamista puede ajustar la valoración del colateral conforme cambia el mercado, y el centro de datos también puede demostrar con más facilidad los ingresos futuros.

Incluso el precio puede influir a la hora de elegir qué tipo de chip compra una empresa. Si hay más operaciones con alquiler de Nvidia GPU, el índice es más fiable y los instrumentos de cobertura son más activos, los bancos estarán más dispuestos a aceptarla como colateral, y los tenedores podrán alquilar o vender con más facilidad cuando lo necesiten. Los flujos de negociación que se concentran en torno a Nvidia, esa liquidez, podrían convertirse en una ventaja difícil de replicar para competidores.

Por lo tanto, una curva de precios no sirve solo a quienes negocian. Ayuda a los usuarios a conocer costos antes, a los tenedores a fijar ingresos antes, y también anima a los prestamistas a fijar precios para equipos y centros de datos.

Cuellos de botella & desafíos

El primer problema es el índice.

Ornn enfatiza transacciones reales; Silicon Data se centra en precios de alquiler bajo demanda; otras propuestas además estandarizan el costo de energía. Cada enfoque conserva parte de la información y descarta otra parte. Ningún índice puede abarcar simultáneamente chips, regiones, plazos, redes y contrapartes.

Al mismo tiempo, los chips se renuevan rápidamente.

Las unidades de medida del petróleo pueden mantenerse sin cambios, pero el mercado de GPU ha pasado de H100 a H200, B200, GB200 y Rubin. AMD, Google TPU, Amazon Trainium y chips dedicados continúan repartiendo la demanda de capacidad de cómputo. Cuándo se retira el índice viejo y cómo se conectan los nuevos y los viejos chips siguen cambiando el activo subyacente del contrato en sí.

El segundo problema es la entrega.

Los contratos con liquidación en efectivo, al vencer, solo cuentan el dinero y no entregan GPU. Las compañías que busquen controlar costos pueden compensar el aumento del alquiler con las ganancias del contrato; pero neocloud, que ya se comprometió a entregar capacidad a clientes, aún debe salir al mercado a conseguir tarjetas.

Otro riesgo proviene del número de operaciones.

El volumen real de transacciones de alquiler de GPU registrado públicamente a diario puede ser bajo, y la oferta se concentra en un pequeño número de vendedores. Así, una sola operación puede mover el índice de manera notable; y quien controla la oferta también puede influir más fácilmente en el precio final de liquidación.

Ese es también el problema de las curvas trazadas con mercados de predicción.

Las curvas a futuro tradicionales dependen de mecanismos de entrega o intercambio con spot para llevar el precio de futuros de vuelta a la oferta y la demanda reales. Los contratos binarios de los mercados de predicción no tienen ese conducto; la curva expresa las expectativas de los participantes, que todavía no se ha convertido en precios de capacidad entregable y arbitrajeable.

El tercer problema es la liquidez.

Los vendedores prefieren contratos largos, porque los centros de datos quieren asegurar ingresos con anticipación; los compradores prefieren contratos cortos, porque las compañías de IA necesitan conservar libertad para cambiar chips y proveedores. La necesidad de cada lado en cuanto a plazos está desalineada de forma natural. Los brokers y los grandes tenedores obtienen beneficios de mercados opacos, y carecen de incentivos para mover todas las operaciones a un mercado público.

A pesar de tantos obstáculos, la necesidad de precios públicos en el mercado de capacidad de cómputo no va a retroceder. Quizá en poco tiempo veamos reportajes sobre cómo algún “dinero inteligente” hace “5x long de capacidad de cómputo” on-chain

Haz clic para saber más sobre las vacantes en律动BlockBeats

Únete a la comunidad oficial de律动 BlockBeats:

Telegram grupo de suscripción: https://t.me/theblockbeats

Telegram grupo de intercambio: https://t.me/BlockBeats_App

Cuenta oficial en Twitter: https://twitter.com/BlockBeatsAsia