torygreen

El inmueble más valioso en IA en este momento es una fundición de aluminio cerrada en Kentucky.
@AnthropicAI firmó un arrendamiento de $19 mil millones por 20 años para 401 megavatios en el campus Hawesville de TeraWulf, un antiguo sitio de fundición con aproximadamente 480 megavatios de conexión heredada a la red. TeraWulf generó alrededor de $1B en ingresos el año pasado; este único contrato vale casi veinte veces eso.
El activo es la conexión eléctrica. Puedes fabricar más chips. No puedes crear megavatios de la noche a la mañana.
Cada minero de bitcoin que se sienta sobre energía varada s

La inversión en IA está superando los ingresos de IA en un 46%. Durante el colapso de las telecomunicaciones en 2001, esa brecha era del 32%. Hemos superado el territorio del colapso de las telecomunicaciones y seguimos acelerando hacia $1T en gastos de capital anuales para 2027.
Los precios de los tokens cuentan la otra cara. El Índice de Gasto en Tokens LLM de Silicon Data alcanzó un máximo de $2.06 por millón de tokens en mayo. Ahora está en $1.62. Baja un 20% en seis semanas. Baja más del 90% desde 2023.
El gasto total en tokens se ha duplicado aproximadamente año tras año. Los tokens más

.@nvidia ya no solo está en el negocio de fabricar chips. Se está posicionando como un participante directo en la economía de la infraestructura de IA.
A partir de los anuncios recientes, están financiando centros de datos y obteniendo una parte de los ingresos en la nube que generan.
Dos asociaciones recientes ilustran perfectamente este cambio:
210,000 GPUs vinculados a $25–30 mil millones en compromisos de compra durante seis años
> Sharon AI $SHAZ desplegando 40,000 GB300 en Australia
> Firmus escalando a 170,000 aceleradores en 360MW en Batam
Al mismo tiempo, Nvidia y sus socios presenta

El 70% de las empresas dice que usa IA. Menos de 1 de cada 10 tiene un agente real funcionando en producción.
Esa brecha se encuentra dentro del AI Index de Stanford, el conjunto de datos sobre IA más citado y menos sesgado que existe, no publicado por un laboratorio con interés en el resultado.
Solo Google gastó más de 150 mil millones de dólares en infraestructura de IA el año pasado. Los ingresos de los laboratorios fronterizos están aumentando a tasas históricas, y el gasto en cómputo aumenta junto con ellos, sin reducirse como proporción de los ingresos como lo haría normalmente la in

La limitación de la IA en 2026 no es la calidad del modelo. Es la capacidad de la red.
PJM acaba de registrar un aumento del 833% en los precios de capacidad para Virginia. Ese estado ahora envía alrededor del 40% de su electricidad a centros de datos e importa más energía que California. Dublín consume cerca del 80% de la red nacional de Irlanda. Fráncfort está al 42% del suministro regional.
La AIE cree que la demanda de centros de datos se duplicará aproximadamente de nuevo para 2030, mientras que la mitad de los proyectos estadounidenses en desarrollo se concentran en lugares que ya están

Pasé tiempo con los números de inferencia y una estadística sigue apareciendo.
El 70% de la inferencia de IA en 2026 se ejecuta en el borde. No en un centro de datos de hiperescala. No en AWS. En sistemas industriales, equipos autónomos y dispositivos conectados donde el viaje de ida y vuelta a un servidor en la nube no es un problema de latencia, es un modo de fallo.
El mercado de inferencia de 106 mil millones de dólares no está creciendo porque la gente esté enviando más consultas de "chat" a su IA. Está creciendo porque la IA se está integrando en infraestructura física que funciona contin

Aparentemente, estar cerca de la tecnología física tiene muy poco que ver con adoptarla realmente.
California es el hogar de todos los laboratorios de IA de frontera que importan. Nueva York tiene más Fortune 500 que cualquier otro estado. Ambos fueron superados por Colorado, que alcanzó un 23.2% de adopción empresarial de IA mientras Nueva York logró un 13.8%.
Lo que Colorado y Arizona tienen no es mejor infraestructura o talento. Es la disposición a moverse antes de que la industria indique que es seguro. Los estados más cercanos a la tecnología son a menudo los más lentos en implementarla p

En teoría, los costos de IA ya deberían haberse desplomado.
La misma tarea de nivel fronterizo que costaba $30 por millón de tokens en el lanzamiento de GPT-4 en 2023 cuesta hoy $1.25 con GPT-5. Una caída de 96× en tres años, entre modelos nombrados con precios publicados.
Bajo cualquier regla normal, las facturas de IA empresarial deberían estar cayendo en picada. En cambio, los presupuestos promedio de IA de Fortune-500 pasaron de $7M en 2024 a $19M en 2026. Casi 3× en dos ciclos presupuestarios.
La razón: los tokens baratos no se ahorran, se utilizan como armas. Un chatbot dispara tokens un

Algo se invirtió silenciosamente en el cómputo de IA este año, y cambia para qué es realmente la construcción.
En 2023, 2/3 del cómputo de IA se destinó al entrenamiento, el trabajo real de construir un modelo. La otra porción, más pequeña, fue para inferencia, el trabajo de ejecutarlo una vez construido. Pero esa proporción comenzó a invertirse silenciosamente.
La inferencia ahora es 2/3 y sigue subiendo, según Deloitte, y los chips construidos para ejecutarla superaron $50B este año.
La razón principal por la que este cambio importa (y no es porcentualmente): entrenamiento e inferencia son

Aquí está la división en computación de IA que pocos están leyendo correctamente.
El entrenamiento de frontera se concentra más cada trimestre, miles de GPU que deben estar en un mismo lugar interconectadas. Pero el entrenamiento es solo el 30% de la demanda en 2026. El otro 70% es inferencia, y ejecutarla en un hiperescalador significa pagar por una infraestructura construida para la carga de trabajo más difícil para hacer la más fácil.
En redes distribuidas, esa misma inferencia podría costar entre un 45 y un 75% menos, y para cualquiera que esté dimensionando un presupuesto de infraestructu

El 95% de la capacidad de GPU empresarial está actualmente inactiva.
Esa cifra proviene de Cast AI midiendo 23,000 clústeres de producción reales, no de una encuesta genérica.
El uso promedio fue del 5% y esto sucede en el mismo momento en que Nvidia aumentó los precios del H200 en un 15%, el primer incremento en 20 años. La hardware que todos dicen que es escaso está mayormente sin hacer nada.
Si estás tratando de entender por qué parece imposible conseguir capacidad de cómputo, esta es la razón. Nadie devuelve una asignación por la que esperaron meses. Entonces, la flota se mantiene al

Algunos grandes movimientos en la política de IA de la UE supuestamente están por venir, pero aquí está la realidad de la infraestructura con la que trabajan.
> Gasto en infraestructura de IA soberana de la UE en 2026: 12.600 millones de dólares.
> Capex de hyperscalers en EE. UU. en el mismo año: 725 mil millones de dólares.
Europa gastó seis años construyendo 19 Fábricas de IA y 14 supercomputadoras y solo Amazon gastará más en ese esfuerzo en dos semanas este año.
La mayoría de los equipos de IA europeos no usan infraestructura europea. Alquilan de Virginia y Iowa y pagan una prima por cump

No esperaba que este número apareciera este año.
GitHub está en camino de alcanzar 14 mil millones de commits en 2026 hasta ahora.
Eso es un aumento de 1 mil millones en 2025.
Un incremento de 14 veces en un solo año y la mayor parte no la escriben humanos.
La carga se volvió tan severa que Microsoft, que posee y opera la segunda nube más grande del mundo, tuvo que enrutar el tráfico a través de AWS para mantener la plataforma en línea.
Nueve incidentes de servicio solo en mayo.
La disponibilidad cayó al 88.4%.
Para cada equipo de ingeniería, proveedor de infraestructura y provee

Los ingresos de Nvidia son la prueba de que la “computación agentica” no es una teoría. Ya está en el estado de resultados.
$26B hace cuatro años. 215.900 millones de dólares el año pasado. Ese aumento de 8 veces ocurrió mientras la mayoría de la IA todavía estaba en un cuadro de chat esperando que le preguntaras algo.
La parte importante no es solo el crecimiento. Es que Nvidia convirtió su arquitectura en la entrada no negociable para la hoja de ruta de casi todos los demás. Laboratorios, nubes, empresas. Diferentes logotipos en la API, el mismo silicio debajo. Casi cada dólar gastado en

Todos predijeron que la IA tomaría el control del trabajo administrativo repetitivo primero. Los datos dicen algo diferente.
La toma de decisiones ahora representa el 28% de la actividad de IA en el lugar de trabajo. El caso de uso número uno no es la automatización. Es el juicio.
Las personas usan IA para analizar opciones, sopesar compromisos y apoyar conclusiones de las que son responsables y ese cambio importa más allá de la cuestión del mercado laboral.
Las cargas de trabajo basadas en juicio funcionan continuamente, requieren más contexto por sesión y no se agrupan de manera eficie