Diez días que cambiaron el curso de la IA: Una rotación de inferencias, no un colapso.

Los diez días que comenzaron con la lanzamiento de GPT-6 Astra y terminaron con una caída global de las acciones de los chips de IA parecen un giro brusco. El 3 de septiembre…OpenAI lanzó el modelo más capaz que ha podido desplegar en gran escala.Luego, pasó la semana siguiente.Lo aplicamos en ChatGPT, Codex y la API.Nueve días después, los CEOs de Anthropic y OpenAI, junto con Elon Musk, instaron públicamente a la industria a reducir su velocidad. El lunes, 14 de septiembre, esa llamada provocó que las acciones relacionadas con la IA cayeran en valor.SoftBank cayó en un 13% en Tokio., SK Hynix cayó aproximadamente un 6%, mientras que ASML bajó más del 4%..

Son dos “extremos” que parecen decir cosas opuestas. Pero en realidad no lo son. Hay que leerlo como lo hace un operador: los diez días transcurridos se resumen en una sola información: el ciclo de la IA ha pasado del entrenamiento a la inferencia. El mercado reaccionó ante ese cambio una vez con euforia por causa de la demanda, y otra vez con miedo debido a las declaraciones hechas… Pero en gran medida, no se comprendió dónde realmente se movía el juego.

GPT-6 fue un evento de inferencia.

Comencemos con el modelo, ya que sus mecanismos determinan las condiciones económicas. GPT-6 Astra reflexiona antes de responder: genera una larga cadena interna de pensamientos para cada solicitud, y esa cadena es una forma de inferencia pura. Los tokens se generan en cantidad constante, a lo largo de todas las respuestas. OpenAI lo considera el primer modelo de su tipo que alcanza el nivel “Crítico” en la escala de preparación cibernética de la empresa. Admiten que la supervisión necesaria para lograr esa capacidad implica un costo computacional significativo.

Eso es lo que significa la transición de la capacidad de entrenamiento a la capacidad de inferencia en la práctica. Durante años, el debate sobre la infraestructura de IA se centró en quién podía construir el modelo más grande. Los dólares seguían al modelo más grande, y eso determinaba cuál era el clúster más importante. Un modelo de razonamiento que se utiliza ampliamente cambia esa situación. La carga de trabajo costosa y recurrente ahora sirve para procesar un solo “token”. Aquel que pueda procesar un “token” de forma más económica, posee una participación creciente en los gastos totales de la industria.

La reducción en la actividad económica afectó el sentimiento del mercado, no la demanda.

El ensayo de Amodei, titulado “Debemos acelerar el ritmo en las fronteras”,Se advirtió que, en un plazo de seis a doce meses, los grupos de agentes podrían ser capaces de tomar el control del Internet.Y pedía una supervisión externa, así como regulaciones a nivel industrial y mundial. Altman dijo que la industria necesitaba “acelerar el ritmo de innovación”. Musk respondió…“Dario tiene razón.”El debate se hizo público junto con la renuncia de un investigador en el campo de la antropología, quien dijo que los constructores creen en esa tecnología.Podría matarnos a todos hacia el final de la década.

Los mercados leen los titulares, no los registros operativos. Ver qué pasó con las compromisas durante esos mismos diez días. La plataforma de generación de inferencias de Nvidia, Vera Rubin…Una ventidós veces la eficiencia por vatio de la generación anterior.— eraPasando a producción en su totalidad.Sin detenerse. Nvidia tenía…Una cantidad de aproximadamente 105 mil millones de dólares.Para apoyar el centro de datos de OpenAI en Ohio, era necesario mantener a OpenAI utilizando los sistemas de Nvidia, incluso mientras OpenAI desarrolla sus propios chips. Pero nada de eso funcionó. La acción de precios estuvo tranquila: Nvidia ha subido durante la semana pasada. La caída fue un shock emocional, pero el signo de demanda sigue intacto.

Esa es la disciplina que diferencia una crisis de diez días de una tesis transformada. Una señal de demanda no se activa en un artículo de opinión. Lo que podría provocar esa activación sería un pedido cancelado, una fecha de entrega retrasada o una disminución en el uso del producto. Pero lo que apareció fue lo contrario: más silicio, comprometido con el proyecto.

El concurso que realmente tuvo impacto: la curva de costo de inferencia

Aquí se muestra el cambio que ocurrió en esos diez días. Vale la pena separarlo del ruido habitual de “la IA está creciendo”. Los principales compradores de procesamiento informático ahora se centran en el precio de Nvidia, en relación con las tareas específicas que han ganado importancia. En junio, OpenAI y Broadcom presentaron Jalapeño, un chip de inferencia personalizado diseñado especialmente para ese tipo de trabajo.El nodo de 3nm de TSMCDe tamaño similar al de un retículo, diseñado desde cero para servir a los modelos de lenguaje grande. El director ejecutivo de Broadcom estimó que los resultados iniciales eran…Aproximadamente un 50% menos en el costo por token de inferencia.Más avanzadas que las GPU de Nvidia actuales. OpenAI informóDe 1,5 a 1,9 veces el rendimiento máximo de los tokens por watt en los sistemas comerciales.En sus propios test y planes para implementar el chip antes de que termine el año, junto con los aceleradores de Nvidia y AMD. Mientras tanto, Meta planea comenzar la fabricación de su propio…Chip de inferencia Iris este septiembreDiseñado con Broadcom y fabricado por TSMC.

Ese es el patrón que el mercado subestima constantemente. Nvidia no necesita tener un monopolio en los aceleradores de IA para prosperar; su software y sus soluciones completas son muy eficaces. Pero precisamente en la generación de inferencias está donde esa barrera es más débil. El silicio personalizado no es simplemente una lista de especificaciones; se trata de una cadena de suministro que decide comprar menos del competidor en las cargas de trabajo, lo cual determina las condiciones económicas del sector. La respuesta de Nvidia es la eficiencia de Vera Rubin… Y es una respuesta real. Pero la pregunta real ya no es si la implementación de la tecnología de IA es real, ya que eso está decidido y comprometido. La pregunta es si la diferencia en costos por token que representa el silicio personalizado puede superar a la capacidad de generación de inferencias de Nvidia, y si todos estos compromisos se convierten en capacidad entregada dentro del plazo establecido.

Leer esos diez días como el final del mercado de la IA significa leer el pánico, en lugar del cronograma de entrega. Las fábricas, los libros de pedidos y las garantías siguen moviéndose en la misma dirección que antes: el proceso de construcción se acelera, y el equilibrio de ese ciclo en ascenso se establece entre quienes pueden ofrecer el precio más barato. La diferencia importante es aquella que Amodei y Altman nunca mencionaron: una desaceleración que se implementa a través de políticas es un riesgo real para este ciclo. Pero un artículo de opinión, por sincero que sea, no representa una entrega real. Intentaré confiar en aquello que aparece en los estados financieros.