RespuestasPublicado16 fuentes
La caída del precio de los tokens de IA pone a prueba la gran apuesta por infraestructura
El índice de Silicon Data para el uso de modelos de lenguaje cayó a 0,97 dólares por millón de tokens tras bajar un 29% en agosto; Goldman teme un exceso de capacidad si el uso no compensa esa deflación. La inversión estimada en computación, centros de datos y energía para IA alcanza unos 7,6 billones de dólares ent...
Publicado porEditado con GPT-5.6 TerraImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- El índice de Silicon Data para el uso de modelos de lenguaje cayó a 0,97 dólares por millón de tokens tras bajar un 29% en agosto; Goldman teme un exceso de capacidad si el uso no compensa esa deflación.
- La inversión estimada en computación, centros de datos y energía para IA alcanza unos 7,6 billones de dólares entre 2026 y 2031, aunque Goldman subraya que se trata de una estimación sensible a sus supuestos.
- Los agentes de IA podrían multiplicar por 24 el consumo mensual de tokens hasta 2030, pero la clave será que ese uso se convierta en cargas de trabajo recurrentes y de pago.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: How is Goldman Sachs’ warning that rapidly falling LLM token prices—down to about $0.97–$0.98 per million tokens after a 29% August decline. Article summary: Goldman’s warning implies a more selective, riskier outlook for AI-infrastructure investors: compute demand can grow sharply while the revenue earned per unit of compute falls even faster. If that happens, utilization, p. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
La inferencia de IA —el uso de un modelo ya entrenado para responder, generar contenido o ejecutar tareas— se está abaratando con rapidez. Eso puede ampliar el acceso a estas herramientas y abrir nuevos casos de uso. Sin embargo, también complica la tesis de inversión de los chips, la capacidad de nube y los centros de datos que se están construyendo para atender esa demanda.
La advertencia de Goldman Sachs se resume en un posible desajuste: la infraestructura se financia y se construye con años de antelación, mientras que el precio cobrado por cada unidad de uso de un modelo puede caer muy deprisa. El índice LLM Token Expenditure de Silicon Data descendió recientemente a 0,97 dólares por millón de tokens, después de una caída del 29% en agosto. Por separado, un índice de precios de modelos de frontera situó los precios un 84% por debajo de su nivel base de marzo de 2023. 2
4
5
Si el volumen de uso no crece lo suficiente para compensar esa caída, podría haber demasiada capacidad informática costosa compitiendo por cargas de inferencia con menos ingresos por token. El efecto se extendería por toda la cadena de infraestructura de IA.
La ecuación clave: el volumen debe crecer más rápido que la caída de precios
Que el precio por token baje no es, por sí mismo, una mala noticia. Una IA más barata puede hacer viables más aplicaciones, fomentar la experimentación y elevar el consumo total. El problema para los proveedores es determinar si el aumento del volumen de tokens de pago —junto con las mejoras de eficiencia operativa— supera la reducción de los ingresos por token.
Según la advertencia atribuida a Goldman, la competencia en precios entre modelos puede hacer menos sostenible la monetización por token y acabar dejando exceso de infraestructura si el consumo de computación no aumenta con suficiente rapidez. 1
2
La diferencia importa:
- Para los usuarios, una IA más barata es positiva si permite aplicaciones útiles a menor coste.
- Para los propietarios de infraestructura, puede ser un reto si financiaron capacidad bajo la premisa de que el cómputo seguiría siendo escaso y caro.
- El resultado depende de la elasticidad de la demanda: hasta qué punto una rebaja de precios genera uso adicional suficiente para sostener o elevar los ingresos y la demanda de cómputo.
Una apuesta de capital de enorme escala
El posible desajuste coincide con una expansión prevista de gran magnitud. La estimación base de Goldman Sachs contempla alrededor de 7,6 billones de dólares de inversión de capital en IA entre 2026 y 2031, repartida entre cómputo, centros de datos y energía. El modelo apunta a un gasto anual de unos 765.000 millones de dólares en 2026 y 1,6 billones en 2031; Goldman recalca expresamente que son estimaciones dependientes de supuestos, no certezas. 9
Por eso la evolución del precio de los tokens trasciende a los desarrolladores de modelos. Buena parte de ese gasto se destina a activos de larga duración: aceleradores, servidores, redes, edificios y redes eléctricas. Todos requieren cargas de trabajo sostenidas y retornos razonables durante años.
Qué puede significar para los fabricantes de chips
Para los proveedores de semiconductores, un frenazo provocado por precios más bajos no tendría por qué aparecer de inmediato como un desplome de los pedidos. Los clientes pueden seguir ampliando capacidad mientras lanzan productos de IA o intentan garantizarse suministro.
El riesgo surge si la capacidad instalada supera la demanda rentable. En ese escenario, los clientes podrían moderar las compras de aceleradores y servidores, exigir mejores precios o buscar más rendimiento por cada dólar invertido. Las empresas con hardware diferenciado, ecosistemas de software sólidos u ofertas de inferencia eficientes podrían estar mejor protegidas que aquellas cuya propuesta se base en capacidad poco diferenciada.
La cuestión práctica no es solo cuántos equipos se entregan, sino si esos equipos terminan generando utilización sostenida e ingresos.
Los centros de datos se enfrentan a una prueba de utilización
Los proyectos de centros de datos exigen compromisos importantes y duraderos en suelo, energía e instalaciones. Si la inferencia se abarata o se vuelve más eficiente, los clientes podrían necesitar menos infraestructura para producir el mismo resultado en sus aplicaciones. Esto podría presionar la ocupación, las condiciones de los contratos de alquiler y la rentabilidad de proyectos diseñados bajo la expectativa de escasez persistente de capacidad.
No significa que la demanda de centros de datos vaya a desaparecer. La disponibilidad eléctrica y los requisitos técnicos de los despliegues de IA todavía pueden limitar la oferta. Pero la escasez física en una zona o mercado eléctrico puede coexistir con una economía más débil en otros lugares. Conviene distinguir entre la falta de capacidad disponible y la evidencia de que los clientes usan esa capacidad de forma rentable, renuevan sus contratos o los amplían.
La nube y los proveedores de modelos deben sustituir precio por volumen y valor
Las plataformas de nube y los proveedores que alojan modelos pueden beneficiarse de una inferencia más barata: una mayor asequibilidad puede atraer a más desarrolladores y cargas de trabajo empresariales. Aun así, los precios inferiores también reducen el ingreso por cada unidad de uso.
Para defender el margen bruto, necesitan una combinación de tres factores:
- Un volumen de tokens mucho mayor, impulsado por usos recurrentes en producción.
- Mejoras de eficiencia que reduzcan los costes más rápido de lo que bajan los precios.
- Servicios de mayor valor alrededor de los modelos, como despliegue, seguridad, integración de datos y herramientas para flujos de trabajo.
La competencia de precios en modelos propietarios es una parte central del riesgo descrito en las informaciones sobre la advertencia de Goldman. 1
2 Lo determinante no es el precio nominal de un token, sino la relación entre el precio que paga el cliente, el coste del proveedor y el volumen total de uso de pago.
Los agentes de IA son el posible contrapeso
El escenario alcista tiene un nombre: los agentes de IA, sistemas capaces de ejecutar tareas de varios pasos y que podrían consumir muchos más tokens que una interacción sencilla con un chatbot. Goldman Sachs Research prevé que la adopción por consumidores y empresas multiplique por 24 el consumo mensual de tokens entre 2026 y 2030, hasta cerca de 120 cuatrillones de tokens al mes. 7
Esa previsión explica por qué un descenso de los precios por token no equivale automáticamente a una caída de la demanda de cómputo. Si los agentes pasan de las demostraciones a tareas frecuentes y valiosas, el uso total podría crecer lo suficiente para respaldar la expansión de infraestructura.
Pero sigue siendo una previsión, no una garantía. La tesis de infraestructura depende de que los agentes generen cargas de trabajo recurrentes por las que usuarios y empresas estén dispuestos a pagar, y no solo consultas experimentales de bajo coste.
Indicadores que importan más que el titular sobre el precio de los tokens
Para evaluar la hipótesis de exceso de capacidad, los inversores pueden seguir varios indicadores conectados:
- Crecimiento de los ingresos de IA frente a la caída del precio por token: ¿aumenta la monetización total aunque bajen los precios unitarios?
- Pedidos de aceleradores y servidores frente a despliegues reales: ¿la capacidad comprada está entrando realmente en operación?
- Utilización de centros de datos, capacidad contratada y renovaciones: ¿los compromisos de demanda se mantienen una vez que abren las instalaciones?
- Márgenes brutos de la nube: ¿la eficiencia y los servicios de más valor compensan los menores precios de inferencia?
- Adopción de agentes en producción: ¿impulsan flujos de trabajo repetibles y críticos para el negocio, o solo pruebas aisladas?
- Disponibilidad de energía: ¿es una restricción duradera para la capacidad útil o simplemente un cuello de botella previo a la demanda?
En resumen
La advertencia de Goldman no dice que unos tokens de modelos de lenguaje más baratos sean intrínsecamente negativos. Una inferencia asequible puede ser precisamente el motor de una adopción más amplia de la IA. El riesgo es que la deflación de precios y la eficiencia de los modelos reduzcan los ingresos y el cómputo necesario más rápido de lo que crece el uso impulsado por agentes.
Para quienes invierten en infraestructura de IA, la historia deja de ser una simple expansión de capacidad: se convierte en una prueba de utilización y monetización. Las empresas más resistentes podrían ser las que logren transformar tokens baratos en cargas de trabajo duraderas y de alto valor, manteniendo al mismo tiempo una ventaja en costes, rendimiento o profundidad de servicio. 1
7
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "La caída del precio de los tokens de IA pone a prueba la gran apuesta por infraestructura"?
El índice de Silicon Data para el uso de modelos de lenguaje cayó a 0,97 dólares por millón de tokens tras bajar un 29% en agosto; Goldman teme un exceso de capacidad si el uso no compensa esa deflación.
¿Cuáles son los puntos clave a validar primero?
El índice de Silicon Data para el uso de modelos de lenguaje cayó a 0,97 dólares por millón de tokens tras bajar un 29% en agosto; Goldman teme un exceso de capacidad si el uso no compensa esa deflación. La inversión estimada en computación, centros de datos y energía para IA alcanza unos 7,6 billones de dólares entre 2026 y 2031, aunque Goldman subraya que se trata de una estimación sensible a sus supuestos.
¿Qué debo hacer a continuación en la práctica?
Los agentes de IA podrían multiplicar por 24 el consumo mensual de tokens hasta 2030, pero la clave será que ese uso se convierta en cargas de trabajo recurrentes y de pago.