Cuando los agentes de IA comienzan a acercarse o reemplazar el trabajo intelectual humano, ¿cómo debería revaluarse el precio de la potencia de cálculo?
En el último artículo de blog, el conocido podcast tecnológico Dwarkesh Patel plantea una suposición audaz: si los ingresos de los laboratorios de IA continúan creciendo a un ritmo acelerado (por ejemplo, Anthropic alcanza los 1 billón de dólares para finales del próximo año), mientras que la oferta de capacidad de cómputo solo aumenta aproximadamente tres veces al año, el precio de la capacidad de cómputo podría aumentar más de diez veces.
El costo de la fuerza laboral de silicio, H100 + IA = 250,000 dólares estadounidenses para programadores de Silicon Valley
Durante las últimas décadas, la potencia de cálculo se ha considerado una «herramienta». Las computadoras son más rápidas, hay más servidores y la nube es más barata.
Pero en la era de la IA está ocurriendo una transformación de paradigma: las GPU ya no son solo componentes de las máquinas, sino que podrían convertirse en vehículos de la fuerza laboral digital.
Si una H100 puede alojar un agente de IA con un nivel cercano al de un programador de élite, su valor ya no debería calcularse según el "precio por hora de servidor", sino según el valor del trabajo humano que reemplaza.
Imagina si existiera un «ingeniero de software digital» que no durmiera, respondiera en todo momento y tuviera un nivel técnico al nivel de los mejores humanos: ¿cuánto estarías dispuesto a pagarle de salario anual?
En Silicon Valley, el salario anual promedio del mercado para ingenieros de software supera los 250.000 dólares. Sin embargo, alojar un agente con un nivel de inteligencia equivalente podría requerir solo la potencia de cálculo de una sola tarjeta NVIDIA H100.
Ahora, hagamos un cálculo:
Si esta H100 puede reemplazar perfectamente a un programador humano con un salario anual de 250.000 dólares, entonces, desde una perspectiva puramente comercial y económica, el alquiler anual teórico de esta H100 debería fijarse por encima de los 250.000 dólares.
Pero en este momento, el precio de alquiler al contado de H100 en el mercado, anualizado, es de aproximadamente 16,000 dólares estadounidenses. Existe una diferencia de 15 veces.
Este es el mayor «agujero negro de arbitraje laboral» en la historia de la humanidad que enfrentaremos.
Cuando la velocidad de reproducción intelectual del mundo virtual supera con creces los límites de fabricación del mundo físico, surge la contradicción:
The value of digital intelligence is growing at a pace far exceeding that of physical computing infrastructure expansion.
Esta brecha de valoración de 15 veces provocará una fuerte reacción: en los próximos años, el precio real de la potencia de cálculo podría enfrentar una superinflación de 10 veces o más.
Por supuesto, hay una pregunta: ¿disminuirá significativamente el salario anual de los ingenieros de software en el futuro?
Esta pregunta, Dwarkesh Patel también la consideró:
Pero si creemos en la teoría económica estándar sobre la mano de obra, entonces el valor marginal de la potencia de cálculo (y por lo tanto el precio marginal de la potencia de cálculo) debería volverse extremadamente elevado.
La velocidad con la que la IA gana dinero ya supera la velocidad con la que se fabrica la IA
En los últimos años, la industria de la IA ha seguido una lógica sencilla: modelos más grandes, más datos, más GPU y mayores capacidades.
Pero ahora, una nueva contradicción está surgiendo: la velocidad de crecimiento de la IA está superando la velocidad de crecimiento del suministro de capacidad de cómputo.
Tomemos como ejemplo a Anthropic. En el último año, sus ingresos comerciales aumentaron aproximadamente diez veces.
A este ritmo de crecimiento, para fin de año su ingreso anualizado podría alcanzar un rango de 100 mil millones a 150 mil millones de dólares. Si esta tendencia continúa, el próximo año enfrentará una pregunta loca: ¿cómo sostener una perspectiva financiera de un billón de dólares?
Solo hay una respuesta: más inteligencia. Y más inteligencia significa: más entrenamiento, más inferencia, más GPU.
Sin embargo, el problema radica en que la oferta de potencia de cálculo no ha crecido al mismo ritmo.
La expansión de la capacidad de cómputo físico de los laboratorios líderes del sector actualmente solo puede mantener un crecimiento de aproximadamente 3 veces al año.
Entonces surge un gran desfase:
El mundo digital quiere correr 10 kilómetros, pero el mundo físico solo puede proporcionar 3 kilómetros de camino. ¿Qué se hace con la distancia restante?
Solo hay tres opciones: primero, aumentar el margen de beneficio. Segundo, aumentar el precio de la potencia de cálculo. Tercero, asignar más potencia de cálculo al negocio de inferencia.
El tercer camino es, de hecho, el que muchos laboratorios de IA menos desean ver.
Porque ganar dinero con inferencia solo sirve para demostrar: «El modelo de negocio de la IA es viable.»
Luego continúa recaudando fondos, comprando más GPU y entrenando el próximo modelo.
El verdadero ciclo de Silicon Valley es:
Ganar dinero no es el objetivo final, solo es para comprar más capacidad de cálculo.
Porque lo que realmente creen todos los laboratorios es que los modelos más avanzados de hoy podrían, dentro de un año, ser como el teléfono de ayer: potentes, pero obsoletos.
Esto vuelve a plantear las dos primeras opciones: el aumento repentino de la rentabilidad o el incremento del precio unitario del poder de cálculo.
Si se depende completamente del margen de beneficio para absorber este diferencial, para finales del próximo año, el margen de beneficio del Laboratorio Frontal debe alcanzar el rango medio-alto de aproximadamente el 95%.
En la historia del comercio, excepto por unos pocos nodos de monopolio tecnológico absoluto, esto es casi una ilusión.
Por lo tanto, todas las pistas y la lógica convergieron finalmente en un mismo punto: el precio unitario del hash rate se prepara para un aumento sin precedentes.
Las GPU están pasando de ser servidores a convertirse en fábricas de la nueva era.
Mucha gente aún no se ha dado cuenta: la competencia en IA está entrando en la era de la infraestructura.
En el pasado, la guerra de internet se centraba en: usuarios, tráfico, puntos de acceso. En la era de la IA, la competencia es por: electricidad, chips, centros de datos y clústeres de supercomputación.
¿Por qué? Porque los laboratorios de IA de primer nivel no pueden depender de servidores en la nube comunes.
Requieren: clústeres GPU dedicados; infraestructura de red estable; alta utilización; seguridad de datos y modelos.
This is no longer renting a regular server; this is leasing a future intelligent production line.
Un ejemplo típico es: Google y Anthropic alquilan grandes recursos de GPU a SpaceX.
Se informa que el cluster de aproximadamente 110,000 GPU de Google tiene un alquiler mensual de 900 millones de dólares.
En términos equivalentes, el alquiler por hora por GPU es casi el doble del precio actual de alquiler al contado en el mercado. Y no olvidemos que el precio al contado actual ya es un 40% más alto que el mínimo de principios de este año.
Why?
Porque la potencia de cálculo de primer nivel se está volviendo cada vez más como un recurso estratégico, similar a la energía y las redes eléctricas.
Imagina la Revolución Industrial, una fábrica tiene una máquina de vapor, otra no.
Their gap is not 10%, but a generational difference in production methods.
La GPU de la era de la IA también está convirtiéndose en este nuevo "motor de vapor".
¿Por qué el precio de la potencia de minería ha llegado a este nivel descontrolado?
La respuesta está en la fórmula física de la oferta: esta fórmula ha sido firmemente bloqueada por los límites físicos de TSMC y los gigantes de la litografía.
El mito tan comentado en la industria de que "la potencia de cálculo se triplica cada año" se descompone, al analizarlo, en apenas tres factores multiplicativos勉强拼凑 en el límite:
Tasa de crecimiento anual de la potencia de cálculo (3x) ≈ 1.4x (iteración de la ley de Moore) × 1.2x (construcción de nuevas fábricas de obleas) × 1.8x (apropiación de capacidad de procesos avanzados).
Y estos tres multiplicadores están acercándose cada uno a su techo.
Ley de Moore: cada paso de miniaturización es más difícil que el anterior; la fuga de corriente y los límites atómicos hacen que cada iteración sea un camino precario.
La construcción de nuevas fábricas de semiconductores lleva mucho tiempo, y la velocidad de entrega de las máquinas de litografía EUV de alta NA está bloqueando toda la cadena, sin solución al menos hasta 2030.
Durante los últimos dos años, el único motor del crecimiento de la potencia de cálculo ha sido la competencia por la capacidad de producción: los chips de IA han arrebatado a los teléfonos móviles y las PC los procesos avanzados de TSMC.
Pero este último multiplicador está a punto de reducirse a cero. Para finales de 2027, los chips de IA absorberán el 86% de la capacidad de N3 de TSMC, pasando del 60% al 86%: no es un crecimiento, es saturación absoluta en sentido físico, sin margen alguno.
Tres multiplicadores, dos ya alcanzaron su pico, el último está a punto de chocar. La historia de la oferta de hash ya ha sido contada.
Y cuanto más caro es el poder de cómputo, menos gente se atreve a usar modelos baratos.
La intuición dice: cuando el poder de cómputo es caro, se debe usar modelos ligeros y versiones de código abierto recortadas, gastando con moderación.
Pero la economía de IA es exactamente lo contrario.
La lógica central es el efecto Alchian-Allen: cuando se aplica un costo adicional fijo a todos los bienes, los más caros parecen más rentables.
En IA, este "costo adicional" es la depreciación de la capacidad de cómputo: se debe pagar independientemente del modelo utilizado.
Haz las cuentas: H100 cuesta 20 dólares por hora.
- Modelo más potente: Resuélvelo en 1 hora por 25 dólares (20 de poder de cómputo + 5 de prima).
- Modelo mediocre: tarifa de autorización 0, pero falta de inteligencia, probó y error durante 2 horas, 40 dólares.
Conclusión: Usar un modelo mediocre resulta más caro. Gasta potencia de cálculo y recursos aún más valiosos: el tiempo.
Por lo tanto, cuanto más caro sea el poder de cómputo, más motivación tienen los modelos más potentes para cobrar una prima exorbitante. Dado que de todos modos hay que pagar por el poder de cómputo, gastar un poco más en el más inteligente es realmente ahorrar dinero.
Modelo mediocre, sin salida.
Finalmente, el capital de toda la sociedad será absorbido como un agujero negro por unas pocas empresas trillarias capaces de crear los modelos absolutamente más potentes.
La potencia de cálculo también es un recurso, ¿necesariamente aumentará de precio?
Of course, some people also oppose it.
En los comentarios, Eric Xu planteó una refutación interesante: la lógica de un alquiler anual de 250.000 dólares solo se sostiene en el ámbito puramente digital. Una vez que se entra en el mundo físico, como los plazos de aprobación de ensayos clínicos o los procesos de toma de decisiones en compras públicas, el techo de monetización de la IA podría ni siquiera acercarse a los 250.000 dólares, sino estar más cerca de los 50.000 dólares.
El ingeniero de software senior Trevor señaló: el contenido de baja calidad no necesita modelos de primer nivel; en su lugar, se desplazará hacia alternativas más económicas en lugar de desaparecer por completo. En otras palabras, lo que se limpiará podría ser el precio, no el contenido en sí.
La historia tampoco está de su lado a Dwarkesh. En 1980, el biólogo de Stanford Paul Ehrlich y el economista Julian Simon hicieron una apuesta sobre si cinco metales aumentarían de precio en diez años.
Diez años después, los cinco habían caído todos, y Ehrlich reconoció su derrota y pagó. «Los recursos siempre subirán de precio»: históricamente, la mayoría de quienes apostaron así perdieron.
La respuesta de Dwarkesh fue: La elasticidad del suministro de potencia de hash es mucho menor que la de las materias primas. Las minas de cobre pueden aumentar la producción bajo el estímulo de precios altos, pero las máquinas de litografía EUV no pueden: TSMC misma no tiene capacidad adicional para liberar. En estos años, con un suministro que solo crece tres veces al año, no existen sustitutos.
Lo interesante es que Dwarkesh también admite: esta predicción, las similares en la historia casi todas se equivocaron.
Quizás, algún día, la potencia de hash se volverá tan barata como la arena, pero antes de que ese día llegue, tendremos que atravesar una de las carreras armamentísticas y la inflación de potencia de hash más crueles.
Referencias:
https://www.dwarkesh.com/p/why-compute-might-get-10x-more-expensive
https://x.com/dwarkesh_sp/status/2082482530209411419
Este artículo proviene del canal de WeChat "Neozh Yuan", autor: Apocalipsis ASI; editor: David