Acceder

La IA... ¿tardara decenas de años en llegar a lo que ahora se pronostica será y el beneficio que generará?

3 respuestas
La IA... ¿tardara decenas de años en llegar a lo que ahora se pronostica será y el beneficio que generará?
La IA... ¿tardara decenas de años en llegar a lo que ahora se pronostica será y el beneficio que generará?

CÓDIGO AMIGO

Trade Republic remunera tu efectivo al 3,04% TAE, con intereses pagados mensualmente y liquidez inmediata.

#1

La IA... ¿tardara decenas de años en llegar a lo que ahora se pronostica será y el beneficio que generará?


Bueno abro este interesante hilo-debate, donde se puede cuestionar o justificar los precios que ahora estamos viendo en bolsa en empresas que tienen que dedicar miles de millones de $ en infraestructuras e investigación para poder hacer o mas bien monetizar la IA como tal.

Internet apareció y fue una evolución sin duda, digo evolución no revolución, evolución es algo lento que va creciendo poco a poco, revolución es algo inmediato, por tanto hablar de la IA ahora como revolución me temo no se ajusta a la realidad....

Expongan sus teorías, el tiempo irá dictando o dando la razón.......


Saludos.

No importa lo fuerte que pegues, lo importante es mantenerse en pie.

#2

Primer inconveniente, los cuellos de botella.




1. El cuello de botella de la memoria (El "Muro de la Memoria")



En la IA, no solo importa la potencia del chip (GPU), sino la velocidad con la que este puede leer y escribir datos. Esto depende de la memoria de banda ancha (HBM).


  • Infraestructura colapsada: La producción de HBM está totalmente vendida hasta bien entrado 2027. Al no haber suficiente memoria rápida, las GPU más potentes del mercado se quedan inactivas durante milisegundos esperando datos, un fenómeno conocido como infrautilización de la GPU.

  • Impacto en el beneficio: Comprar chips de última generación para tenerlos "esperando" por culpa de la memoria destruye el retorno de la inversión. Además, la brutal escasez ha provocado que los ingresos globales de memorias DRAM suban un 369% interanual, encareciendo drásticamente los costes operativos de empresas como Anthropic u OpenAI.

2. El cuello de botella de la energía y las redes



Un centro de datos de IA actual no se puede encender simplemente en cualquier sitio. Necesita gigavatios de electricidad dedicada y autopistas de fibra óptica ópticas (interconectores).


  • Retrasos de una década: Mientras que un centro de datos de IA se puede construir en menos de dos años, la expansión de la red eléctrica para llevarle energía puede tardar más de una década.

  • Costes disparados: Esto obliga a las empresas a realizar inversiones descomunales en contratos privados de energía (como energía nuclear o gas) o a conformarse con infraestructuras saturadas que limitan la cantidad de usuarios simultáneos a los que pueden atender, reduciendo sus ingresos potenciales.





No importa lo fuerte que pegues, lo importante es mantenerse en pie.

#3

Re: Primer inconveniente, los cuellos de botella.


Primera conclusión que podemos sacar de los cuellos de botella, son dos principalmente:

1- Los precios por ejempo de la memoria se van a disparar y no habra oferta suficiente.

2- El problema de la energia es que no es inmediata, solo para obtener permisos para construir los proyectos se pueden demorar 3 años hasta obtener esos permisos.

3- Los costes cada vez serán mayores por tanto retrasará los beneficios previstos para las empresas, algunas versiones optimistas dicen que antes de 3 años darán beneficios las inversiones ya iniciadas, pero veo ese horizonte un poco cercano la verdad.


Esto nos llevara a otro interesante debate....

" El muro de capital".


Saludos.



No importa lo fuerte que pegues, lo importante es mantenerse en pie.

#4

"El muro del capital"


Muro de la memoria... muro del capital....


 El peligro del "Muro de Capital"


La conclusión más evidente es que la IA padece una inflación de costes fija. Para que un modelo sea el doble de inteligente, históricamente ha necesitado multiplicar por diez la capacidad de cómputo y los datos. Si las inversiones necesarias crecen de forma exponencial año tras año, las empresas de software de IA se ven obligadas a mantener un ritmo de captación de ingresos masivo simplemente para no entrar en pérdidas operativas. Esto reduce drásticamente el margen de beneficio neto real y posterga la rentabilidad contable definitiva.

2. El espejismo de los beneficios en la nube


El modelo actual —donde Anthropic alquila potencia a Amazon o Google y reporta flujos de caja libre positivos— demuestra que se pueden generar beneficios operativos temporales externalizando el problema.

Sin embargo, esto traslada la presión directamente a las empresas de infraestructura (Hyperscalers). Si estos gigantes no logran resolver los cuellos de botella de la memoria HBM o la red eléctrica, se verán obligados a subir drásticamente los precios del alquiler del servidor, destruyendo de golpe los márgenes que las empresas de IA disfrutan hoy.

3. La inevitable consolidación del sector


Si el hardware y la energía limitan la escala del software en los próximos tres años, la industria experimentará un cambio radical:

  • Optimización sobre escala: El foco dejará de ser "entrenar modelos cada vez más gigantescos" para centrarse en hacer que los modelos actuales sean drásticamente más eficientes y requieran menos memoria y energía (eficiencia algorítmica).

  • Supervivencia del más fuerte: Solo las empresas con acceso a capital casi ilimitado o aquellas integradas verticalmente (que diseñen sus propios chips y controlen su energía) lograrán sostenerse.

En definitiva, a menos que ocurra un avance disruptivo en la arquitectura de los semiconductores o una revolución en la generación de energía limpia a corto plazo, el modelo de crecimiento actual basado en "fuerza bruta de inversión" se topará con un límite físico y financiero insalvable antes de terminar la década.

Saludos.



No importa lo fuerte que pegues, lo importante es mantenerse en pie.