SemiAnalysis analiza la crisis de potencia informática: OpenAI y Anthropic acaparan la nueva potencia informática global
Tapbit WireEl 3 de noviembre, Dylan Patel, fundador y CEO de la firma de investigación en semiconductores SemiAnalysis, ofreció una conferencia en Runtime 2026 centrada en potencia informática, capital y quién puede realmente entregarla.
Afirma que OpenAI y Anthropic reservan una cantidad significativa de potencia informática, representando ambas empresas entre el 25 % y el 40 % de la nueva potencia disponible en 2027. Bajo presión de la demanda, el precio por hora de los chips para centros de datos Nvidia H100 ha subido de un mínimo de 1,70 $ en octubre pasado a unos 2,80 $. Para otras empresas, poder costear la potencia informática no garantiza su obtención.
También hay tensión en financiación: en los últimos dos meses, los rendimientos del Tesoro estadounidense han subido bruscamente, superando el 5 % el rendimiento a 10 años a principios de octubre, dificultando cada vez más que proveedores emergentes de nube —que dependen de préstamos para construir centros de datos— consigan financiación.
Esta conferencia tuvo lugar una semana después de que Anthropic presentara públicamente su formulario S-1, tras conocerse los volúmenes de potencia informática detrás de un laboratorio líder. Patel señaló que Nvidia ha respaldado unos 6,5 gigavatios de potencia informática, pero esto representa solo una pequeña fracción de la nueva potencia prevista antes de 2030, a la que calificó como «una gota en el océano».
01 Dos laboratorios reservan gran parte de la nueva potencia informática
La escasez de potencia informática proviene de la concentración de compradores. La potencia informática global ha aumentado rápidamente: unos 60 gigavatios a finales de 2024, superando los 100 gigavatios a finales de este año, casi duplicándose en dos años. Patel afirmó:
«A finales de 2024 habrá 60 gigavatios de potencia informática global y, a finales de este año, superará los 100 gigavatios, casi duplicándose en dos años».
Los mayores compradores de esta potencia adicional son OpenAI y Anthropic. Su potencia total era de unos 4 gigavatios a finales del año pasado, unos 10 gigavatios este año y superará los 20 gigavatios el próximo año. Desglosado por incrementos, se espera que ambas empresas añadan unos 12 gigavatios en 2027, mientras que el incremento global ese año será de unos 40 gigavatios, lo que representa aproximadamente el 30 %. Para 2028, Patel afirma que los laboratorios de IA necesitarán añadir unos 30 gigavatios en un solo año.
Patel estimó:
«Se están llevando el 25 %, el 30 % o el 40 % de la nueva potencia informática».
«A finales del año pasado, los ingresos de OpenAI y Anthropic se dispararon con el lanzamiento de Claude Code, impulsándolos a comprar potencia informática agresivamente; Meta también comenzó a comprar con intensidad».
«Para muchas personas ya es imposible comprar potencia informática».
Otro detalle relevante es que esta potencia se usa principalmente para entrenamiento, no para atender a usuarios (inferencia). Patel mencionó que Anthropic dispone actualmente de 4 gigavatios, pero solo unos 1 gigavatio se emplea para atender a toda la plataforma Claude Code, siendo el consumo en inferencia «sorprendentemente bajo» comparado con el entrenamiento. Esto implica que, incluso si la demanda de usuarios se estabiliza, los presupuestos de los laboratorios para entrenar nuevos modelos seguirán consumiendo chips.
02 Alquilar inferencia para modelos de código abierto es muy rentable, elevando los precios de alquiler
Con más compradores, los precios subirán. Patel considera que otra fuerza impulsora de la subida de los precios de alquiler es el alto margen de beneficio del negocio de venta de tokens (unidad de medida de las salidas de modelos), lo que significa que hay muchos más dispuestos a alquilar GPUs a precios altos que solo los dos laboratorios.
Presentó cálculos basados en megavatios. Construir un clúster B300, incluyendo costes de construcción y cinco años de operación, asciende a unos 9 millones de dólares anuales; alquilarlo a proveedores en la nube, «si consigues 14 millones de dólares al año, ¡considérate afortunado!». Por otro lado, usar ese megavatio de potencia informática para ejecutar el modelo de código abierto DeepSeek V4.1 Flash, con una tasa de utilización del 60 %, genera ingresos anuales de unos 70 millones de dólares. Esto implica que, incluso si el precio de alquiler es un 50 % superior al coste de construcción propia, los ingresos por venta de inferencia siguen siendo cinco veces superiores al coste de alquiler. (Los 70 millones son ingresos, sin contabilizar mano de obra ni otros gastos.) Dijo:
«Incluso si la tasa de utilización fuera solo del 30 %, seguirías ganando una cantidad absurda de dinero.»
«Conozco a decenas de personas cuyo negocio consiste en alquilar algunas GPUs y luego vender inferencia, y han ganado mucho dinero.»
Este cálculo se basa en el benchmark InferenceX de código abierto de SemiAnalysis, usando contenedores descargables por cualquiera y únicamente dos software de inferencia de código abierto: vLLM y SGLang, con un equipo de «solo cuatro ingenieros», sin recurrir a decodificación especulativa ni optimizaciones adicionales.
Los datos de precios coinciden con esta lógica. Patel señaló que octubre pasado fue el punto más bajo, con el H100 a unos 1,70 dólares y el precio mínimo hallado en 1,45 dólares; actualmente, el precio de transacción oscila entre 2,40 y 3,20 dólares, con una mediana de 2,80 dólares:
«Si hubieras firmado a este precio hace dos años, te habrían tachado de loco; ahora la gente se apresura a firmar contratos en este rango.»
El índice propio de contratos anuales de SemiAnalysis ya alcanzaba 2,35 dólares en marzo de este año, y los precios listados de proveedores como Nebius siguieron subiendo en octubre. Los lectores deben tener en cuenta que Patel mencionó que SemiAnalysis también ofrece servicios de intermediación de potencia informática, por lo que tiene acceso a precios reales de transacción, lo que también refleja un conflicto de intereses.
Su previsión sobre los próximos pasos es:
«No me sorprendería que el H100 supere los 3 dólares y el B300 los 7 dólares.»
Para los compradores, su consejo es más directo:
«Si encuentras un B300 a 6 dólares la hora, debes firmar inmediatamente y vender tokens. Este precio es desorbitado, pero es la decisión acertada.»
El obstáculo es que los proveedores en la nube exigen prepago, lo que resulta aún más difícil para las startups: los contratos anuales son difíciles de obtener, y muchas startups no pueden garantizar que seguirán operativas dentro de un año. En cuanto a los modelos de código cerrado, mencionó que los ingresos de Anthropic por servir a Fable y Opus 5.5 «superaron los 100 millones de dólares», según documentos revelados a inversores durante su proceso de salida a bolsa, aunque la transcripción no especificó la unidad, que, según el contexto, debería ser ingresos anuales por megavatio.
03 Incluso si puedes pagarlo, los proveedores en la nube podrían no entregarlo
Alquilar potencia informática es solo el primer paso; la usabilidad del clúster determina finalmente su valor real. SemiAnalysis realizó una evaluación llamada ClusterMAX, supervisando a 323 proveedores en la nube y evaluando a 77 de ellos, otorgando reconocimientos (medallas) a 19.
En opinión de Patel, los mejores son CoreWeave y Nebius, pero ambos tienen una disponibilidad muy baja:
«No te venderán potencia informática para los próximos seis meses; están agotados. Nebius exigirá que pagues por adelantado un año completo o seis meses, y los precios son desorbitados, pero esa es la única forma de obtener potencia informática de ellos.»
Oracle y Google también obtuvieron calificaciones altas, con Google ascendiendo de medalla de bronce en la primera ronda. Más proveedores fueron rebajados: al endurecerse los criterios de evaluación, Azure pasó a plata, Together y AWS bajaron a bronce, y Crusoe también fue rebajado. Los problemas de AWS son más prácticos:
«Para obtener un clúster, hay que gestionar a unas diez personas y lleva mucho tiempo; además, la red también es algo difícil de administrar.»
El problema más evidente en la evaluación fue la seguridad. SemiAnalysis permitió que modelos de IA atacaran estas nubes:
«Algunas vulnerabilidades ya son de conocimiento público en internet, y los modelos pueden encontrarlas y explotarlas directamente para acceder al almacenamiento de otros clientes.»
En una ocasión, usaron un modelo de código abierto «menos avanzado que los de OpenAI y Anthropic» para obtener permisos totales sobre Slurm (un sistema habitual de programación de clústeres), viendo nombres de trabajos de industrias de defensa nacional y agencias de inteligencia de seguridad nacional. Detuvieron inmediatamente las pruebas y publicaron un informe titulado «La mayoría de las neonubes son pésimas en seguridad». Otra prueba consistió en inyectar fallos en GPUs (el código de error XID 719 de Nvidia mencionado) para observar cuánto tardaban los proveedores en detectarlos. El resultado fue:
«Muchas nubes solo se enteran tras recordárselo, y algunas tardan días en responder incluso después del aviso.»
Él calificó esta prueba como un estándar mínimo: las GPUs inevitablemente presentarán fallos, y los proveedores deben depender de su propia monitorización para detectarlos y solucionarlos.
04 Tasas de interés crecientes: nuevos actores no consiguen préstamos; el apoyo de Nvidia es solo una pequeña parte
Aumentar la oferta requiere capital, cuyo costo está subiendo. Patel reiteró que, para finales de 2029, la inversión mundial en IA alcanzará unos 11 billones de dólares, de los cuales aproximadamente 7 billones provendrán de deuda. La mayor parte se destina a chips; el resto, a centros de datos, energía y plantas eléctricas locales construidas para producción acelerada.
En este entorno de tasas de interés, el flujo de préstamos muestra un sesgo claro. El rendimiento del bono estadounidense a 10 años subió del 3,96 % este año al 5,31 % a principios de octubre, y la emisión de deuda relacionada con IA se enfrió notablemente en septiembre. Patel describió la situación de una neonube de 100 megavatios que quiere expandirse a 1 gigavatio:
«¿Quién les prestaría dinero? La única opción es vender ese 1 gigavatio a un proveedor hipercalibrado, que luego financiaría mediante el mercado de deuda; usted obtiene el préstamo, pero ninguna de esas capacidades informáticas llega al mercado general.»
Como resultado, del poder informático ya contratado para el próximo año, «aproximadamente el 65 % al 70 %» fluye hacia proveedores hipercalibrados y laboratorios de IA. Para las startups, alquilar clústeres exige pagar la mitad por adelantado, con plazos de entrega de tres a nueve meses:
«Busque cualquier nuevo laboratorio que haya recaudado recientemente mucho dinero; para ellos, conseguir potencia informática es un infierno.»
El enfoque de Nvidia consiste en ofrecer una red de seguridad para clústeres, que Patel resumió en tres categorías:
SoftBank Energy: Solo garantiza terreno, energía y edificios. Se trata de una instalación de 9 gigavatios en Ohio, prevista para operar alrededor de 2030 y reservada íntegramente para OpenAI.
Firmus: Nvidia se compromete a alquilar el clúster a un precio determinado, asegurando que la otra parte «no gane dinero, pero tampoco pierda», y con esa garantía, otros están dispuestos a prestar. Por cada dólar por hora por encima de ese precio, Nvidia se queda con la mitad, lo cual Patel calificó de «muy inteligente, me gusta».
Garantía de valor residual: Solo mencionó este tipo sin entrar en detalles.
En cuanto a escala, NVIDIA ha asegurado unos 6,5 gigavatios, que se venderán al mercado abierto, no solo a laboratorios ni grandes proveedores. El límite superior que dio es de 45 gigavatios, «aun así, representa solo una pequeña fracción de la nueva potencia informática añadida antes de 2030». Cree que empresas como Fireworks y Modal, centradas en inferencia, así como muchos nuevos laboratorios, están construyendo sus propios clústeres, tomando préstamos y buscando respaldo de NVIDIA.
Al final de la charla, dio su estimación sobre la escala de tokens: varios proveedores procesan juntos más de 100 billones de tokens diarios, con ingresos anuales en aumento para cada empresa. Su frase final fue:
«Espero que puedan asegurar potencia informática; de lo contrario, todos somos esclavos de Anthropic y OpenAI.»
Este artículo no constituye asesoramiento financiero personal, ni representa las opiniones de la plataforma. Los mercados conllevan riesgos e invertir requiere prudencia. Tome sus propias decisiones con juicio independiente.
