En AWS re:Invent 2025, el CEO de AWS, Matt Garman, presentó un dato simple pero significativo: la inferencia de IA ahora representa aproximadamente dos tercios de toda la demanda de cómputo de IA. Esto representa un aumento desde aproximadamente un tercio en 2023.
Entrenar es enseñar a un modelo a pensar. La inferencia es hacerlo pensar realmente. La industria gastó miles de millones en enseñar estos modelos, y ahora el gasto se está desplazando hacia ponerlos a trabajar.
Garman, quien asumió como CEO de AWS en junio de 2024 tras suceder a Adam Selipsky, describió la inferencia como “un nuevo Lego” en la informática. Él está diciendo que la inferencia se está convirtiendo en un bloque de construcción básico que las empresas ensamblarán para automatizar tareas, ejecutar agentes de IA y cambiar fundamentalmente cómo operan los negocios.
Él fue más allá, prediciendo que el 80-90% del valor de la IA empresarial provendrá eventualmente de agentes impulsados por inferencia. No chatbots que resuman sus correos electrónicos, sino sistemas autónomos que realmente completen tareas.
AWS también está respaldando esta apuesta con hardware. La empresa presentó sus chips Trainium3 en re:Invent, diseñados específicamente para cargas de trabajo de inferencia, en lugar de las GPU optimizadas para entrenamiento que han dominado los titulares y los informes de ganancias de Nvidia.
Este cambio es extremadamente importante para el sector de minería de criptomonedas, que ha estado en medio de su propia crisis de identidad. A medida que los márgenes de minería de bitcoin se redujeron tras el halving de abril de 2024, varios mineros importantes cambiaron su enfoque hacia la prestación de servicios de inteligencia artificial y cómputo de alto rendimiento. Empresas como Core Scientific, Hut 8 y otras han reutilizado sus flotas de GPU y capacidad de centros de datos para atender cargas de trabajo de entrenamiento de IA.
Pero si Garman tiene razón y la curva de demanda se inclina fuertemente hacia la inferencia, los requisitos de hardware cambian. El entrenamiento exige procesamiento paralelo masivo en clústeres de GPUs de primera línea que funcionan durante semanas o meses. La inferencia requiere una optimización diferente: menor latencia, mayor rendimiento por consulta y a menudo arquitecturas de chip completamente distintas.
Para inversores nativos de cripto, la señal aquí es sobre la sostenibilidad de la tesis del “giro hacia la IA” que ha sustentado varias acciones mineras. Observe qué empresas mineras anuncian asociaciones con proveedores de nube o invierten en hardware optimizado para inferencia. Aquellas que aún promueven acceso genérico a GPU para entrenamiento podrían encontrarse del lado equivocado de una curva de demanda que ya ha cambiado.
Las redes de cómputo descentralizadas como Render, Akash e io.net se han posicionado como alternativas a los proveedores de nube centralizados para cargas de trabajo de IA. Si la demanda de inferencia crece al ritmo que describe Garman, estos protocolos podrían experimentar un mayor uso, pero solo si pueden ofrecer el servicio de baja latencia y alta confiabilidad que requiere la inferencia. El entrenamiento tolera interrupciones de red; la inferencia no.