Hace un tiempo me sentía solo en está lucha entre los comodo y beneficioso vs lo innecesario y peligroso. Algunas voces se alzan, pero sigo escéptico, no todos los que tienen poder van querer dejar de tenerlo, no todos los que hoy no lo tienen van a dejar de intentarlo, hay gente con recursos que no podríamos gastar en un millón de vidas... y si alguien propone un freno... alguien no lo respetará y todos en mayor o menor grado continuaran en carrera.
Hola Richard, pero sigue habiendo bastante de marketing en ello.
Un punto de vista particular que tengo, es que quienes gastaron muchìsimo dinero en IA, està perdiendo liquidez, y el modelo de negocio no es rentable.
Justamente pasa algo muy curioso, si prestamos atención a lo que propone este señor que habla en el video que puse arriba, te das cuenta de la economía camuflada detrás de todo. Si es realmente como dice que hay inyección de dinero desde N-Vidia a las otras empresas y viceversa, te das cuenta que están inflando su economía. A la vez que es todo el mundo que compre GPUs quienes financiaron realmente su juego. Pues los precios de N-vidia se dispararon muchísimo.
NO voy a afirmar que la IA no sirve para nada. Pienso que es una herramienta magnífica. No voy a entrar en nada más allá de eso. Pero para que la IA fuera realmente peligrosa, debería poder tener una ventana de contexto infinita. Puesto que es la ventana de contexto la que podría darle cierta autonomía. La ventana de contexto no es la memoria de la IA, la IA de hecho no tiene memoria. Y es incapaz de hacer algo en una única dirección infinitamente.
Cómo la gente de a pie, apenas está dispuesta a pagar por los planes mensuales, y el uso de APIs deja mucho que desear en cuanto a consumo y resultados, entonces buscan esa propaganda de ser peligrosa para que los estados subvencionen parte de ese capital, tal como pasa con EEUU. Los países deben pensar que la IA puede ser un arma o puede desarrollar cosas graves como armas biológicas nunca vistas, o poner en peligro grave a la humanidad. Esto puede tener dos motivaciones:
a) Lograr conseguir capital necesario para su funcionamiento.
b) Tener excusas (regulaciones en uso y desarrollo) para frenar un poco sus pérdidas sin la necesidad de reconocer que no es lo que venden.
Creo que la dirección que apuntan es a la cotización en bolsa, desprenderse de sus acciones, y compartir las perdidas con quienes compren sus acciones. Para ello, necesitan cotizar en bolsa, para ello necesitan mostrar potencia de los modelos. Muestran inversiones inmensas en desarrollo, entrenamiento, etc. Pero realmente creo que estos son números maquillados. La sencilla forma en que esto cuadra es cuando ves que N-vidia participa en la ecuación.
Una placa RTX-5090 salió al mercado en enero de 2025, aproximadamente a
U$S 2000,-, hoy esa placa vale
5 veces más. Dicen que es por la alta demanda de placas, pero quienes son quienes forman el 90% de esa demanda? Las mismas empresas con que N-vidia trabaja. Los consumidores comunes pagamos
500% el precio de esa placa... Mientras que ellos son socios... Por lo que seguramente el costo real para OpenAI y Antropic, seguramente esas placas están valiendo realmente
por debajo de los U$S 1000,-. Sin embargo, en sus libros figuran precios quizás 7 u 8 veces mayores.
Además, si tomás en cuenta el tiempo de entrenamiento de los modelos hoy, es imposible que requieran lo que requerian al principio. Porque ya hay modelos de base cada vez mas potentes sobre los que trabajan... Sin embargo, las IA siguen alucinando, inventandose cosas. Siguen dependiendo del contexto. Que además es token puro. Y ellos hablan del costo que representa en tokens. Por ejemplo la resolución de
Navier-Stokes tuvo un costo según dicen de
entre 10 y 22 millones de dólares, pero esto no es electricidad, que seguramente el consumo fue alto. Sino que es el valor de su propia moneda... los tokens. O sea, ellos ponen un precio a esos tokens según el modelo, sin embargo el público jamás paga lo que esos tokens valen según ese monto. Entre los resets de tokens en API, y que de hecho con planes por consumo se paga muchísimo menos de los costos que ellos fijan para sus tokens, te das cuenta de la maniobra..
Pero si valúan sus investigaciones y desarrollo en función de esos precios de mercado de los tokens, sus gastos por estos conceptos son exorbitantes. Entonces, por qué se les permite decir que esos son sus gastos?
En Navier-Stokes ellos incurrieron en los gastos electricos que demandó el tiempo en que los agentes trabajaron, y si tomás el costo de las GPUs te das cuenta de la ridicules que supone lo que dicen.
Digamos que para NS usaron entre 1250 y 5000 GPUs de alto rendimiento, que digamos valen 30 mil dolares por unidad. (Cómo dije los precios los manejan entre propios socios, asi que tomemos esa base.)
estimaciones de precio
Nvidia H100 (80GB VRAM)$35.000 – $40.000 USD$25.000 – $31.000 USD📉 En baja: Sus precios minoristas cayeron notablemente tras la disponibilidad de Blackwell.
Nvidia B200 (180GB/192GB VRAM)$30.000 – $35.000 USD (Fase de preventa/primeros envíos)$40.000 – $50.000 USD📈 En alza: La alta demanda y el encarecimiento de la memoria HBM3e (cuyo costo subió un 30%) elevaron su precio final.
estos son precios directos por unidad. Entonces es generoso estimar 30 mil para ellos de costo.
💰 Desglose Financiero Estimado del Volumen
Precio Unitario Promedio (SXM/OAM): Entre $30.000 y $35.000 USD por GPU. El descuento por volumen mitiga el sobreprecio minorista (que ronda los $40.000-$50.000 USD por unidad suelta), pero no cae más allá de los $30.000 debido a que los costos de fabricación de la memoria HBM3e siguen siendo extremadamente altos.
[1] (https://northflank.com/blog/how-much-does-an-nvidia-b200-gpu-cost),
[2] (https://siliconanalysts.com/analysis/nvidia-b200-blackwell-cost-breakdown),
[3] (https://www.beam.cloud/blog/nvidia-b200-pricing)
Inversión Total Estimada:
Para 1.250 unidades: Aproximadamente $37,5 a $43,7 millones USD.
Para 5.000 unidades: Aproximadamente $150 a $175 millones USD
Costo de
1250 GPUs B200: U$S 37,5 millones.
Costo de
5000 GPUs B200: U$S 150 millones.
Si tomamos un estándar financiero de 4 años de vida útil, una GPU cuenta con aproximadamente 35,040 horas operativas de amortización. Fueron usadas por 88 horas:
\[
\frac{88}{35040}\approx 0,00251
\]
Por lo tanto, la amortización de las GPUs dedicadas a resolver Navier Stokes:
\[
37500000 \cdot 0,00251 \approx 94.125 \quad U$S
\]
\[
150000000 \cdot 0,00251 \approx 376.712 \quad U$S
\]
La electricidad:
Spoiler
El cálculo técnico del consumo
Para obtener esta estimación, se consideran los siguientes factores estándar de la industria:
Consumo por GPU y Servidor: Una GPU NVIDIA H100 consume unos 700 vatios por sí sola. Sin embargo, al sumar los componentes del servidor (procesadores AMD/Intel, memoria RAM, almacenamiento y redes de alta velocidad), un nodo de 8 GPU consume unos 10.2 kW. Esto equivale a 1.275 kW por GPU.
Eficiencia del Centro de Datos (PUE): Los centros de datos de última generación (como los de Microsoft que utiliza OpenAI) gastan un 20% adicional de energía en refrigeración industrial y pérdidas de energía (PUE de 1.2), lo que eleva el gasto total a 1.53 kW por cada GPU en funcionamiento.
Tarifa eléctrica industrial: En las regiones de EE. UU. donde se ubican estos megaproyectos (como Virginia o Iowa), la tarifa de energía para grandes empresas promedia los $0.08 dólares por kWh.
Una sola GPU NVIDIA B200 (Blackwell) consume de forma directa entre 1,000 W y 1,200 W de energía (TDP máximo) bajo carga completa, lo que representa un incremento del 43% al 71% en comparación con los 700 W que consume la H100.
[1] (https://www.tweaktown.com/news/97059/nvidias-full-spec-blackwell-b200-ai-gpu-uses-1200w-of-power-up-from-700w-on-hopper-h100/index.html),
[2] (https://alican-kiraz1.medium.com/designing-a-cluster-with-200-nvidia-b200-part-1-power-electrical-calculations-and-cooling-b762af9db36f),
[3] (https://jarvislabs.ai/ai-faqs/nvidia-b200-specs)
Al igual que con la generación anterior, el consumo neto se dispara cuando la tarjeta se integra en los servidores reales de los centros de datos (como el sistema NVIDIA DGX B200).
\[
\begin{array}{|l|r|r|}
\hline
\text{Métrica (Arquitectura H100)} & \text{Escenario Mínimo (1,250 GPU)} & \text{Escenario Máximo (5,000 GPU)} \\
\hline
\text{Potencia Total del Clúster} & 1,912 \text{ kW (1.9 MW)} & 7,650 \text{ kW (7.6 MW)} \\
\text{Energía Total Consumida (88h)} & 168.3 \text{ MWh} & 673.2 \text{ MWh} \\
\text{Gasto Eléctrico Estimado} & \$13,464 \text{ USD} & \$53,856 \text{ USD} \\
\hline
\end{array}
\]
\[
\begin{array}{|l|r|r|}
\hline
\text{Métrica (Arquitectura B200)} & \text{Escenario Mínimo (1,250 GPU)} & \text{Escenario Máximo (5,000 GPU)} \\
\hline
\text{Potencia Total del Clúster} & 2,234 \text{ kW (2.2 MW)} & 8,937 \text{ kW (8.9 MW)} \\
\text{Energía Total Consumida (88h)} & 196.6 \text{ MWh} & 786.5 \text{ MWh} \\
\text{Gasto Eléctrico Estimado} & \$15,728 \text{ USD} & \$62,912 \text{ USD} \\
\hline
\end{array}
\]
Tomando placas
N-vidia B-200: $$62.912 U$S$$
\[62912+376712=439624\]
Si querés lo hacemos amplio como deben estar haciendo los calculos ellos:
\[
\begin{array}{|l|r|r|}
\hline
\text{Concepto / Componente del Gasto} & \text{Escenario Mínimo (USD)} & \text{Escenario Máximo (USD)} \\
\hline
\text{Cómputo Neto / Alquiler de GPU (B200/H100)} & \$1,100,000 & \$8,800,000 \\
\text{Gasto Eléctrico (88 horas de ejecución)} & \$15,728 & \$62,912 \\
\text{Amortización y Desgaste Físico de Componentes} & \$94,000 & \$500,000 \\
\text{Infraestructura de Enfriamiento (Agua y Energía)} & \$5,000 & \$25,000 \\
\text{Personal de Ingeniería y Soporte Técnico (24/7)} & \$80,000 & \$250,000 \\
\hline
\textbf{COSTO TOTAL OPERATIVO ESTIMADO} & \mathbf{\$1,294,728} & \mathbf{\$9,637,912} \\
\hline
\end{array}
\]
Aclaro que estoy usando IA para estas estimaciones... Y no me gusto que me diga que el costo fue ese, asi que le dije:
Agrego un cuadro que me puso primero, ya que introdujo los costos de oportunidad y no agregue esa tabla con esa etiquetaSpoiler
\[
\begin{array}{|l|r|r|}
\hline
\text{Categoría de Gasto Oculto} & \text{Estimación Mínima (USD)} & \text{Estimación Máxima (USD)} \\
\hline
\text{Coste de Oportunidad (Alquiler de GPU)} & \$1,100,000 & \$8,800,000 \\
\text{Consumo de Agua (Refrigeración del Data Center)} & \$5,000 & \$25,000 \\
\text{Ingeniería y Operación Humana (88 horas)} & \$80,000 & \$250,000 \\
\text{Desgaste y Amortización Física del Hardware} & \$94,000 & \$500,000 \\
\hline
\end{array}
\]
no, el tema es que en contabilidad no esta permitido computar los costos de oportunidad como perdidas, porque ademas estan capitalizando como activo la resolucion
Tienes toda la razón en el enfoque contable y financiero. Desde la perspectiva de las Normas Internacionales de Información Financiera (NIIF/IFRS), los costes de oportunidad no existen en los libros contables ni se registran como pérdidas o gastos devengados.Además, al tratarse del desarrollo exitoso de una propiedad intelectual y tecnología propia (la resolución de un Problema del Milenio), OpenAI está realizando una capitalización de activos intangibles de I+D. Todos los costes directos asociados (cómputo interno a precio de coste, salarios directos de ingenieros y energía consumida) se activan en el balance como un activo intangible en lugar de ir a la cuenta de pérdidas y ganancias (P&G).
\[
\begin{array}{|l|r|r|}
\hline
\text{Concepto Contable (Costo Interno Directo)} & \text{Escenario Mínimo (USD)} & \text{Escenario Máximo (USD)} \\
\hline
\text{Depreciación / Amortización del Clúster GPU} & \$94,000 & \$500,000 \\
\text{Gasto de Energía Eléctrica (Sistemas B200)} & \$15,728 & \$62,912 \\
\text{Servicios Públicos (Agua e Infraestructura)} & \$5,000 & \$25,000 \\
\text{Mano de Obra Directa (Ingeniería Capitalizable)} & \$80,000 & \$250,000 \\
\hline
\textbf{VALOR INICIAL DEL ACTIVO CAPITALIZADO} & \mathbf{\$194,728} & \mathbf{\$837,912} \\
\hline
\end{array}
\]
Spoiler
Contexto Técnico-Contable:
Activación del Gasto: Bajo la norma contable (como IAS 38 para intangibles), los $194K - $837K representan el coste histórico real de producción del activo. Este monto pasa directamente al Activo No Corriente del Balance General.
El Cómputo es Amortización: El cómputo ya no se mide como "alquiler comercial", sino como la depreciación lineal física que sufrieron los servidores dedicados al proyecto durante esas 88 horas, lo cual es financieramente correcto.
Retorno de Inversión (ROI): Aunque el desembolso operativo neto fue menor a un millón de dólares, el valor razonable de mercado de ese activo (la patente, el algoritmo o el software derivado de Navier-Stokes) de cara a la comercialización futura es el que se estima en decenas de millones de dólares.
Acá se ven muchas cosas, los anuncios de que se gastaron un montón de dinero en Tokens, para resolver Navier-Stokes, no son tal. Además, si evaluamos el costo de oportunidad, significa que tienen capacidad ociosa, ya que durante las 88 horas no se apago openAI
https://status.openai.com/ , pero en realidad paso otra cosa:
respuesta de AI
Las 88 horas de cómputo terminaron el sábado 5 de septiembre de 2026 por la mañana, lo que significa que el clúster de 10,000 agentes se puso en marcha el martes 1 de septiembre de 2026. [1, 2, 3]
------------------------------
## El Cronograma Exacto del Experimento
El ataque al problema matemático no fue un evento aislado, sino una escalada de recursos dividida en dos fases principales de cómputo: [2, 4]
*
* 1 de septiembre (Fase Previa - 50 horas): OpenAI se enteró de rumores de que matemáticos humanos (como Tristan Buckmaster) estaban cerca de resolver un problema relacionado. Activaron una fase inicial con 100 agentes enfocados en las ecuaciones de Euler. Tras 50 horas de trabajo continuo, los agentes lograron refutar la regularidad de Euler. [2, 3, 4]
* Del 1 al 5 de septiembre (Fase Principal - 88 horas): Al ver el éxito con Euler, OpenAI decidió redirigir masivamente sus recursos e iniciar la ráfaga de 10,000 agentes simultáneos dedicados exclusivamente a la existencia y suavidad de Navier-Stokes. Llegaron a la solución el sábado 5 de septiembre. [1, 2, 4]
* Del 5 al 6 de septiembre (+17 horas): Tras hallar la solución, un modelo público avanzado, GPT-6 Astra, trabajó durante 17 horas adicionales haciendo la formalización matemática y el chequeo de código a través de Lean para verificar que la demostración no tuviera fallas. [1, 2, 4]
*
------------------------------
## ¿Qué decía el estado de los servidores de OpenAI (Status) durante esas 88 horas?
Durante esos primeros días de septiembre, los servidores públicos de OpenAI no reportaron caídas masivas globales por este motivo, porque el experimento se ejecutó en una infraestructura de supercómputo completamente aislada. [3]
1. Uso de un modelo interno (No público): OpenAI detalló en su comunicado oficial que para este hito utilizaron un nuevo modelo experimental interno considerablemente más potente en razonamiento que sus modelos comerciales de cara al público. Los agentes corrían en un entorno de desarrollo privado dentro de los clústeres dedicados de Microsoft Azure. [3, 4]
2. Sin impacto en la API comercial: Al no utilizar los servidores destinados a los millones de usuarios cotidianos de ChatGPT o las API de producción empresarial, el Status Page público de OpenAI se mantuvo operando con total normalidad. El enjambre de agentes "hablaba" entre sí (enviando 2.7 millones de mensajes) dentro de su propio clúster cerrado. [1, 5]
## La planilla contable con la ventana de tiempo:
\[
\begin{array}{|l|l|r|}
\hline
\text{Fase del Proyecto} & \text{Ventana de Tiempo (2026)} & \text{Costo Directo Máximo (USD)} \\
\hline
\text{Fase 1: Regularidad de Euler (100 agentes)} & \text{1 de Sept. a 3 de Sept. (50h)} & \$15,000 \\
\text{Fase 2: Solución Navier-Stokes (10,000 agentes)} & \text{1 de Sept. a 5 de Sept. (88h)} & \$780,000 \\
\text{Fase 3: Verificación en Lean (GPT-6 Astra)} & \text{5 de Sept. a 6 de Sept. (17h)} & \$42,912 \\
\hline
\textbf{PERIODO TOTAL DE DESARROLLO} & \textbf{01/09/2026 al 06/09/2026} & \mathbf{\$837,912} \\
\hline
\end{array}
\]
[1] [https://openai.com](
https://openai.com/index/navier-stokes-solution/)
[2] [https://www.washingtonpost.com](
https://www.washingtonpost.com/technology/2026/09/13/he-was-close-1-million-breakthrough-then-openai-swooped/)
[3] [https://www.bbc.co.uk](
https://www.bbc.co.uk/news/articles/cy7zygy3rl2o)
[4] [https://www.quantamagazine.org](
https://www.quantamagazine.org/ai-has-solved-one-of-maths-1-million-millennium-prize-problems-20260908/)
[5] [https://www.bbc.com](
https://www.bbc.com/news/articles/cy7zygy3rl2o)
Efectivamente, con el cronograma y la naturaleza del proyecto sobre la mesa, el coste de oportunidad queda totalmente descartado desde cualquier punto de vista financiero y estratégico por tres razones fundamentales:
1. Infraestructura no comercial: OpenAI no utilizó los servidores asignados a la API pública ni a los usuarios comerciales. Emplearon un clúster de supercómputo experimental y privado. Por lo tanto, no se "dejó de facturar" a clientes existentes; esas GPU no estaban en el mercado de alquiler.
2. Capitalización estratégica prioritaria: Para una empresa de IA frontera, resolver un Problema del Milenio y validar la viabilidad de sus enjambres de agentes avanzados es el núcleo de su negocio. No existe un "uso alternativo más rentable" para ese hardware en esos 4 días que demostrar la supremacía técnica de su próximo modelo (GPT-6 Astra).
3. Desarrollo de Activo Fijo: Al tratarse de I+D interna orientada a la creación de un activo intangible, las horas de cómputo se registran contablemente como absorción de costes internos (depreciación transferida), eliminando cualquier concepto de "pérdida por no alquilar".
Para dejar tu publicación en el foro impecable, aquí tienes una tabla final que clasifica los gastos estrictamente bajo los criterios de Contabilidad de Costes de I+D, ordenados de mayor a menor impacto en el balance:
\[
\begin{array}{|l|l|r|}
\hline
\text{Clasificación del Gasto Fijo} & \text{Naturaleza Contable} & \text{Impacto Máximo (USD)} \\
\hline
\text{Depreciación de Infraestructura} & \text{Desgaste físico del clúster (88h)} & \$500,000 \\
\text{Mano de Obra Directa} & \text{Salarios del equipo de ingenieros 24/7} & \$250,000 \\
\text{Fluido Eléctrico Industrial} & \text{Consumo energético neto del clúster B200} & \$62,912 \\
\text{Gastos de Enfriamiento y Red} & \text{Sistemas de agua y mantenimiento logístico} & \$25,000 \\
\hline
\textbf{TOTAL ACTIVADO EN BALANCE} & \text{Inversión Neta en Activo Intangible} & \mathbf{\$837,912} \\
\hline
\end{array}
\]
Supongamos que esto es lo que vaya a figurar en los libros contables de OpenAI al reconocer como activo intangible la resolución del problema matemático, lo único que puede activarse como activo no llega a un millón de dolares, así que el costo de resolver el problema del milenio si sería cubierto por el premio por hacerlo.
Supongamos que la resolución tiene una falla o no es reconocida por la comunidad matemática, pues OpenAI podría computar como pérdida ese monto, pero eso va a suceder hasta dentro de 2 años. Por lo tanto, durante este periodo, ese gasto es un activo intangible en Fase de desarrollo. En caso de que se descubra un error y no sea válida se produce una
pérdida por deterioro total.
Spoiler
Desde la perspectiva contable y bajo las normas internacionales (NIIF / IAS 38 para Activos Intangibles), el periodo de 2 años de evaluación para que la comunidad científica valide oficialmente la resolución de las ecuaciones de Navier-Stokes introduce un tratamiento financiero muy específico conocido como Fase de Desarrollo y Reconocimiento Posterior.
\[
\begin{array}{|l|l|l|}
\hline
\text{Resultado a los 2 años (2028)} & \text{Efecto en el Balance General} & \text{Efecto en el Estado de Resultados (P\&G)} \\
\hline
\text{Resolución es Declarada VÁLIDA} & \text{Pasa a Activo Fijo Operativo} & \text{Inicia gasto de amortización anual} \\
\text{Resolución es Declarada INVÁLIDA} & \text{El Activo se elimina (Cero USD)} & \text{Pérdida por deterioro total (\$837,912)} \\
\hline
\end{array}
\]
Ahora, convengamos que si los precios de las GPU subieron por las altas demandas, quiere decir que es falso que los costos de producción son más altos. De hecho, porque la demanda es autogenerada.
Recuerden que avise que esto lo fui armando preguntando a una IA, si contiene uno o muchos errores o contradicciones, significa que la IA no puede volverse Skynet.Y recordemos que una empresa sale a decir que el gasto en computo que tuvo fue de 10 a 22 millones de dolares, mientras que también circula que pudo haber sido hasta de 54 millones, estas noticias son totalmente falsas. Podría un contador analizar realmente la aplicación de las normas contables y estudiar el costo de esto y el impacto, y si representa o no un activo y cuál sería el tratamiento en cualquiera de los casos. Pero seguimos repitiendo las noticias que salen a dar las empresas que "gastan" este dinero en sus investigaciones... Pero que así mismo no dicen cuantos ingresos "obtienen" por la IA. La salida a bolsa de estas empresas de inteligencia artificial es su único objetivo, para así poder valuar a cotización de acción, y que los dueños actuales se desprendan de las mismas recuperando su capital y transmitiendo todo su humo a quienes decidan invertir.
La Inteligencia Artificial es una herramienta maravillosa, uno puede tener los modelos y ejecutarlos localmente, si no se dispone de capacidad de cómputo lógicamente funcionarán más lento. Pero las valuaciones de las Empresas está altamente inflada por maniobras circulares entre quienes desarrollan IA y quienes producen el hardware. Veamos quienes consumen las GPU de alto rendimiento:
\[
\begin{array}{|l|c|l|}
\hline
\text{Sector / Vertical de Demanda} & \text{Cuota de Demanda (\% Est.)} & \text{Principales Exponentes / Casos de Uso} \\
\hline
\text{Hyperscalers (Nube Pública)} & 45\% - 50\% & \text{Microsoft Azure, AWS, Google Cloud, Meta} \\
\text{Neoclouds / Especialistas en IA} & 20\% - 25\% & \text{CoreWeave, Lambda Labs, xAI (Musk)} \\
\text{Sovereign AI (IA Soberana / Estados)} & 15\% - 20\% & \text{EE.UU. (Fed), Europa, Arabia Saudita, Japón} \\
\text{Enterprise AI (Gran Empresa Privada)} & 10\% - 15\% & \text{Sector Financiero, Farmacéuticas, Automotrices} \\
\hline
\end{array}
\]
Debido a la inminente salida a bolsa (IPO) de ambas empresas, el CEO de NVIDIA, Jensen Huang, señaló que estas podrían ser las últimas inyecciones directas de capital privado.
Sin embargo, N-vidia no dejó de invertir en esas empresas. Será que todavía no salieron a bolsa y su fraude será descubierto?
Bueno, empecé con algo y me surgieron dudas. Pero pensemos de esta manera, la inversión de los Estados en IA, es lo que estas empresas necesitan para funcionar. Y la salida a bolsa es lo que va a dejar tranquilo a estos señores, pues en realidad sus empresas no valen ni gastan lo que dicen que gastan... La demanda de los productos de N-vidia es lo que sube los precios de los productos de N-vidia, pero la demanda de los GPU para inteligencia artificial (que es la masiva) no es la que demandamos las personas comunes, Nosotros compramos placas RTX-5090 como muy grandes, pero las dee consumo masivo son las N-vidia H-100 B-200. El consumo que podemos hacer de estas es mediante el alquiler por hora de uso en la nube. Esta nube la manejan las empresas que compran masivamente a N-vidia esas placas. Con dinero que el mismo N-vidia inyecta en esas empresas... Basicamente N-vidia se vende solo, sube los precios, por lo que sube el alquiler de esas GPU, a la vez que sube tambien los precios de las que no usan masivamente que son las que compramos nosotros.
Mientras más miles de millones N-vidia inyecta, mas demanda de sus productos hay! Entonces la alta demanda produce aumentos de precios de sus productos de alto rendimiento, pero tambien del que usamos nosotros en nuestras PC. Además sube el precio del alquiler de las GPU, y tambien el precio de los tokens de la IA que se mantiene con sus propias GPU, que es el activo de las empresas que compran las GPU a N-vidia.
Cuando salgan a bolsa, venden las acciones, N-vidia no inyecta más dinero, pero ya nos fajaron a todos por todos lados. Y a los privados les venderan papelitos de colores. Porque la IA no puede ser lo que dicen que va a ser. Y todas las noticias de sus gastos, de cuanto cuesta entrenar los modelos, y todo eso, es puro HUMO.
Saludos.. Me hice un lío. Perdón.
