Los laboratorios de IA frontier parecen sobrevaluados en este momento. El post de Andrew Ho captura el problema central: estas empresas están atrapadas en una cinta transportadora agotadora. Deben seguir invirtiendo cantidades cada vez mayores en entrenar el siguiente modelo solo para mantenerse a la vanguardia de los competidores de código abierto y de segundo nivel. Los ingresos crecen, pero el gasto requerido en entrenamiento crece aún más rápido. Los altos márgenes brutos por inferencia solos no te salvan cuando la mayor parte del capital sigue destinándose a la próxima sesión de entrenamiento. El mercado está preciando la llegada rápida y inminente de agentes altamente autónomos que funden y gestionan empresas de forma autónoma. Este resultado es posible eventualmente, pero la evidencia hasta ahora apunta a un progreso más lento y errático, limitado por los datos, la confiabilidad y el difícil problema del cálculo económico. La difusión de las capacidades actuales en flujos de trabajo reales lleva años, no meses. Congelar la calidad del modelo en los niveles actuales aún requeriría más de una década de invención de productos y procesos antes de que se realice todo el valor económico. Las valoraciones en mercados privados a escala de $100 mil millones a $1 billón asumen lo contrario: que los laboratorios pueden permanecer sin beneficios durante mucho tiempo mientras el mundo se reorganiza a su alrededor a gran velocidad. Los mercados públicos han sido históricamente menos indulgentes una vez que expiran los periodos de bloqueo y los números de consumo de efectivo se convierten en obligaciones de reporte continuo. La IA será una industria masiva. Pero los propios laboratorios, a los precios actuales, parecen estar preciando la ruta más optimista en lugar de la mediana.