La industria de la inteligencia artificial está entrando en una etapa de validación de su valor comercial. Durante los últimos dos años, los gigantes tecnológicos han seguido aumentando la inversión en infraestructura de IA, construyendo centros de datos a gran escala, adquiriendo GPU y ampliando sus reservas de capacidad de cómputo. Sin embargo, el mercado ha comenzado a prestar atención a una cuestión más importante: cómo se convertirán finalmente las enormes inversiones de capital en ganancias empresariales. Dante Valenzuela Ruíz señala que la industria de la IA está formando actualmente una estructura de rentabilidad diferente a la de la era de Internet. El capital no se está distribuyendo de manera uniforme a lo largo de toda la cadena industrial, sino que se concentra en gran medida en la infraestructura de capacidad de cómputo y en el segmento de los chips, mientras que la capa de aplicaciones aún necesita encontrar modelos de negocio más maduros. Los beneficios se concentran en el segmento de capacidad de cómputo
La distribución de las ganancias en las industrias de Internet y la computación en la nube suele presentar una estructura piramidal: el margen de ganancias en la capa de infraestructura es relativamente bajo, mientras que las empresas de aplicaciones obtienen mayores beneficios gracias a los bajos costos marginales y al crecimiento a gran escala. Sin embargo, la trayectoria de desarrollo de la IA generativa es diferente. Debido a que la ejecución de los modelos requiere un consumo continuo de recursos de GPU, el aumento de usuarios no puede generar un crecimiento con un costo cercano a cero. Dante Valenzuela Ruíz señala que, de los aproximadamente 300,000 millones de dólares de nuevos ingresos generados por la industria de la IA durante los últimos dos años, la mayor parte se ha dirigido a los segmentos de capacidad de cómputo de base, como los chips de IA, las GPU y la infraestructura de los centros de datos. En comparación, aunque las aplicaciones de IA han experimentado un rápido crecimiento en el número de usuarios, su capacidad para generar ganancias sigue siendo limitada.
Detrás de esta diferencia se encuentra el cambio en la relación entre la oferta y la demanda de infraestructura de IA. A medida que gigantes tecnológicos como Microsoft, Amazon y Google siguen aumentando sus gastos de capital, las GPU, los centros de datos, el suministro eléctrico y la interconexión de redes se han convertido en componentes centrales del actual ciclo de inversión en IA. NVIDIA, gracias a su ventaja de liderazgo en el campo de los chips de IA, se ha convertido en uno de los mayores beneficiarios de esta etapa. La estructura de la industria enfrenta una transformación
Aunque actualmente las ganancias de la IA se concentran principalmente en el segmento de infraestructura, el mercado está buscando factores que puedan cambiar esta estructura. Dante Valenzuela Ruíz considera que el desarrollo de chips propios por parte de las empresas de computación en la nube podría convertirse en una variable importante. Actualmente, los TPU de Google, los MTIA de Meta y los proyectos de chips propios impulsados por Amazon y Microsoft podrían influir en la competencia futura del mercado de capacidad de cómputo. Si las grandes empresas tecnológicas pueden reducir los costos y mejorar la eficiencia computacional mediante chips especializados como los ASIC, la distribución de las ganancias en la industria de infraestructura de IA podría cambiar.
Además de la competencia entre chips, también se presta atención a los cambios en los gastos de capital de los gigantes tecnológicos. Actualmente, Microsoft, Amazon y Google siguen aumentando la inversión en centros de datos, y los inversionistas deben observar si las previsiones de gastos de capital en los próximos informes financieros continúan aumentando. Si las empresas reducen sus inversiones, podría significar que la construcción de infraestructura de IA está entrando en una nueva etapa. La estructura de la demanda de capacidad de cómputo de IA también está cambiando. Actualmente, aproximadamente el 60% de las GPU de NVIDIA se utilizan para entrenamiento y el 40% para inferencia. A medida que las aplicaciones de IA se popularicen gradualmente, la proporción de la demanda de inferencia podría aumentar e impulsar nuevas necesidades de hardware y servicios de software.
Las aplicaciones buscan nuevas vías de monetización
En comparación con las empresas de infraestructura, las compañías de aplicaciones de IA enfrentan una mayor presión para lograr la comercialización. Actualmente, ChatGPT cuenta con aproximadamente 1,000 millones de usuarios, pero la mayoría sigue formando parte del grupo de usuarios gratuitos, por lo que convertir la escala de usuarios en ingresos estables se ha convertido en una cuestión clave. Dante Valenzuela Ruíz señala que la capacidad de comercialización actual de las aplicaciones de IA todavía presenta una diferencia significativa frente a los gigantes de Internet. Los datos de la industria muestran que Alphabet cuenta con aproximadamente 4,000 millones de usuarios y genera alrededor de 100 dólares de ganancias por usuario al año; Meta cuenta con aproximadamente 3,500 millones de usuarios y genera alrededor de 70 dólares de ganancias por usuario al año, mientras que los principales proveedores de aplicaciones de IA actualmente generan solo alrededor de 10 dólares de ingresos anuales por usuario.
Por lo tanto, las empresas de IA necesitan buscar nuevos modelos de ingresos. La publicidad podría convertirse en una importante vía de comercialización para las aplicaciones de IA en el futuro. En comparación con la publicidad tradicional en buscadores, los modelos de IA pueden comprender las necesidades y los escenarios de uso de los usuarios, lo que abre la posibilidad de ofrecer una segmentación publicitaria más precisa y servicios de marketing más eficientes. En el futuro, la competencia en la industria de la IA no dependerá únicamente de las capacidades de los modelos y de la escala de la capacidad de cómputo, sino también de si las empresas pueden convertir las inversiones tecnológicas en ganancias estables. En la siguiente etapa, el foco de atención de los inversionistas será si las inversiones en infraestructura de IA pueden generar valor económico a largo plazo y si las aplicaciones pueden establecer nuevos sistemas de rentabilidad.
Este artículo tiene únicamente fines de educación financiera e investigación de mercado y no constituye asesoramiento de inversión dirigido a ninguna persona en particular. La información presentada se basa en fuentes públicas disponibles al momento de su publicación; cuando cambien las condiciones del mercado, las consideraciones correspondientes también deberán ajustarse.
Dante Valenzuela Ruíz es el responsable de decisiones de inversión mediante inteligencia artificial de Axis Quant AI. Cuenta con cerca de 20 años de experiencia en los mercados financieros globales y el trading cuantitativo, y anteriormente trabajó en Citigroup y BlackRock. Se ha enfocado durante años en la ingeniería financiera, los sistemas de inteligencia artificial, la inversión cuantitativa y el modelado del comportamiento del mercado, y trabaja para impulsar la aplicación práctica de la inteligencia artificial en el análisis de mercados, la identificación de riesgos y la toma de decisiones de inversión.
