[TL;DR Selección diaria] Lo que me interesa no es cuánto cuestan las GPU, sino si realmente pueden actuar como una fábrica de agentes inteligentes, generando de forma constante "inteligencia" facturable. Los 38 dólares por hora por GPU que DeepSeek ha revelado parecen haber levantado una esquina del libro de cuentas más sensible de la industria de la IA: el problema ya no es solo cuánto se gasta, sino si cada tarjeta puede generar ingresos propios. 📌 Primero, los datos más llamativos: • DeepSeek revela: un solo clúster puede procesar 155 billones de tokens diarios. • Al convertirlo al precio público de API en horas valle, teóricamente cada hora de GPU genera 38 dólares en ingresos. • Extrapolando anualmente de forma aproximada, una sola GPU podría generar más de 330.000 dólares en valor facturable al año. Esto no es "ganancia", ni siquiera un número fácil de obtener; es simplemente capacidad teórica de facturación. Pero es crucial: indica que si la optimización de inferencia se lleva lo suficientemente lejos, las GPU ya no tienen por qué ser solo un agujero negro de costos, sino máquinas que generan flujo de efectivo. 📌 ¿Cómo se lograron esos 38 dólares? • DeepSeek V4.1 Flash tiene 552.000 millones de parámetros totales y utiliza una arquitectura MoE. • Durante la entrada se activan aproximadamente 8.000 millones de parámetros; durante la generación, unos 16.000 millones. • El uso global de KV Cache se redujo a aproximadamente 1/4 respecto a la generación anterior; el almacenamiento prolongado se redujo a cerca de 1/8. • Cada token requiere aproximadamente 890 bytes de KV Cache global, con soporte máximo de 1 millón de tokens en contexto. En otras palabras, no ganan con "tarjetas más caras", sino con una ingeniería de sistema más agresiva: paralelismo de expertos, decodificación por especulación, programación asíncrona, separación de Prefill/Decode y mantener el KV Cache lo más tiempo posible. En resumen: entre dos conjuntos iguales de GPU, quien realice menos cálculos repetitivos se acerca más a una máquina de imprimir dinero. 📌 Pero no asumas que los 38 dólares son la línea base del sector: • DeepInfer no ha abierto completamente todos los componentes del entorno productivo. • Elementos clave como el sistema KV Cache, la orquestación de servicios y el equilibrio de carga entre réplicas aún requieren soluciones externas. • Actualmente está optimizado principalmente para DeepSeek-V4.1 Flash; otros modelos no pueden replicarse directamente. Por lo tanto, descargar el marco ≠ replicar ingresos. Los 38 dólares son más bien un "modelo de muestra" bajo un estado de ingeniería puntera, no un secreto de riqueza que cualquiera pueda copiar con unas pocas GPU. 📌 ¿Por qué muchas empresas de modelos siguen perdiendo dinero a pesar de mejorar la inferencia? • Stanford HAI / Epoch AI estiman que los gastos computacionales de OpenAI en 2025 serán de aproximadamente 16.300 millones de dólares: 8.300 millones en investigación y 8.000 millones en inferencia. • En comparación con 2024, los gastos en inferencia de OpenAI aumentaron de 1.800 millones a 8.000 millones, un crecimiento del 3,4 veces. • Anthropic proyecta gastos computacionales de 6.800 millones de dólares en 2025: 4.100 millones en investigación y 2.700 millones en inferencia. Esta es la verdad: entrenamiento e inferencia son dos libros contables distintos. Puedes vender tokens, pero eso no significa que no sigas necesitando gastar dinero en modelos futuros; y cuanto más usuarios tengas, más crecerá tu factura de inferencia. Reducir el costo unitario no implica reducir el costo total. La industria de la IA es como construir una autopista: más coches significan más peajes, pero también mayores costos de mantenimiento, expansión e intereses financieros. 📌 ¿Puede un negocio basado solo en la venta de tokens ser sostenible? Respuesta: posiblemente sí, pero no será fácil. El artículo incluye una medición directa de sensibilidad: • Si el costo total es de 10 dólares por hora por GPU; • El valor teórico facturable bajo carga máxima es de 38 dólares por hora por GPU; • Entonces, con solo un 26,3% de producción facturable efectiva, teóricamente se cubrirían los costos. • Si la producción facturable efectiva alcanza el 50%, los ingresos por hora serían unos 19 dólares; tras restar los 10 dólares de costo, quedarían 9 dólares. Este modelo es atractivo, pero la realidad no es romántica. El rendimiento, la concurrencia, la latencia, la estructura del cliente, los picos de tráfico y los tiempos muertos consumirán parte del beneficio imaginado. Y mucho menos: cuando estalle una guerra de precios, parte del beneficio derivado del aumento de eficiencia suele transferirse al cliente. 📌 CoreWeave también muestra el otro lado con realismo: • Ingresos del segundo trimestre de 2026: 2.575 millones de dólares, un aumento del 112% interanual. • EBITDA ajustado: 1.510 millones de dólares, con un margen del 59%. • Pero bajo GAAP, aún registraron una pérdida neta de 626 millones de dólares. • Depreciación y amortización del trimestre: 1.393 millones de dólares; gastos netos por intereses: 640 millones de dólares. ¿Lo ven? El negocio del poder computacional no es "tener ingresos = tener ganancias". Las GPU se depreciarán, la expansión depende de financiamiento y los intereses te persiguen como una sombra. Obtener margen bruto no equivale a mantener el margen neto. 📌 La capa de aplicación está aún peor: la demanda sube, pero las ganancias no siempre siguen: • Cursor registró un margen bruto del -23% hasta el primer trimestre de 2026; si se incluyen todos los costos de inferencia para usuarios gratuitos, llega al -31%. • https://t.co/RxWvQzBAAu solicitó protección bancaria con aproximadamente 12 millones de usuarios activos mensuales, ingresos de 5,3 millones de dólares en agosto de 2026, pero pérdidas mensuales aún entre 8 y 9 millones de dólares. • Solo en los primeros ocho meses de 2026, https://t.co/RxWvQzBAAu gastó 56,1 millones de dólares en poder computacional, representando aproximadamente el 45% de sus gastos operativos. • Por otro lado, Midjourney generó ingresos significativamente superiores a los 200 millones de dólares en 2023 y mantuvo rentabilidad. Mismo enfoque AI Native, destinos muy distintos. La razón no es misteriosa: usar IA no crea automáticamente un modelo comercial viable; lo clave es si el valor del trabajo realizado puede cubrir los costos de inferencia y operación. 📌 La mayor oportunidad podría estar en los Agentes: • Menlo Ventures estima que el gasto global en IA para consumidores alcanzó los 40.000 millones de dólares en 2026, más del triple respecto a los 12.000 millones en 2025. • Pero la tasa de uso entre adultos estadounidenses solo aumentó del 61% al 64%. Es decir: los nuevos usuarios no explotaron; lo que explotó fue que los usuarios existentes los usan más profundamente y pagan más. El mercado ya no apuesta solo a cuántas conversaciones se tienen, sino a cuántas tareas diarias puede realizar la IA por ti: correos electrónicos, compras, programación, operaciones software, coordinación entre servicios —esto es donde los Agentes podrían amplificar realmente el consumo de tokens. Pero aún así, tengo que echar un poco de agua fría: más tokens no significan mejor negocio. Si un producto Agent genera 20 dólares mensuales por usuario pero gasta 30 dólares en modelos y herramientas, simplemente está manteniendo a las GPU del proveedor superior sin sostenerse a sí mismo. Mi juicio es simple: 1. Los 38 dólares por hora por GPU demuestran que el negocio de la inferencia en IA "podría funcionar", y que el valor del optimización técnica está gravemente subestimado. 2. Pero entre "ser facturable" y "ser rentable" hay cuatro paredes: utilización, poder de fijación de precios, costo del capital y valor del producto. 3. Los que realmente sobrevivirán al ciclo no serán necesariamente los que más gasten en GPU, sino los que mejor conviertan tokens en resultados reales y útiles.Si en el futuro cada agente trabaja, compra, negocia y ejecuta procesos en nombre de los humanos, la pregunta ya no será “¿Cuánto se vende el token?”, sino: ¿Cuánto valor ha generado para ti mi inteligencia? Esta es la cuenta que más me importa.