La inferencia de IA superará al entrenamiento en gasto en 2026
Un informe de Gartner proyecta que el gasto mundial en infraestructura de nube para inteligencia artificial llegará a US$42.000 millones en 2026, y por primera vez la mayor parte no irá a entrenar modelos sino a hacerlos funcionar.
Un informe de la consultora Gartner calcula que el gasto mundial en infraestructura de nube optimizada para inteligencia artificial (el segmento donde los proveedores alquilan, bajo demanda, cómputo de alto rendimiento para entrenar y correr modelos) llegará a US$42.000 millones en 2026, un 96% más que el año anterior. La novedad no es solo el monto: por primera vez, la mayor parte de ese dinero no se destina a entrenar modelos sino a hacerlos funcionar. Según Gartner, US$23.300 millones irán a inferencia (el proceso por el cual un modelo ya entrenado calcula la respuesta a cada consulta) frente a US$19.000 millones de entrenamiento, es decir el 55% del presupuesto total.
La diferencia entre ambos gastos explica el cambio. Entrenar un modelo implica una inversión inicial alta pero finita: se compran los chips, se arma el centro de datos y se corre el entrenamiento. La inferencia, en cambio, es un costo que se repite con cada pregunta, cada búsqueda y cada tarea que un usuario o un agente de IA le pide al sistema. Con el auge de los agentes que ejecutan tareas de forma autónoma, ese volumen de consultas crece rápido, y hay estimaciones que ubican a la inferencia entre el 80% y el 90% del costo total que un sistema de IA acumula a lo largo de su vida útil.
Para empresas como Meta, Google, Amazon o Microsoft, esto cambia la forma de planificar el gasto: la IA deja de ser un proyecto de inversión con un costo de arranque y pasa a ser un gasto continuo que exige medir el costo por token, la eficiencia energética y la latencia. Los centros de datos también tienen que rediseñarse: ya no alcanza con sumar potencia de cómputo bruta, sino que la memoria rápida y el mayor ancho de banda pasan a pesar tanto como los chips.
El boletín de Onda Corta
El mercado de componentes, bajo presión
Ese apetito de las grandes tecnológicas por la inferencia ya se siente en el mercado de componentes. Samsung, Micron y SK Hynix, los principales fabricantes de memoria DRAM, están dedicando buena parte de su producción a memoria HBM y DDR5 para servidores de IA en lugar de memoria RAM de consumo. El efecto se extiende al almacenamiento NAND de los SSD, a los discos HDD que se usan para armar un NAS casero y a tarjetas gráficas, procesadores y placas base: menos oferta para el usuario final y precios más altos en celulares, consolas y computadoras.
En paralelo aparecen dispositivos pensados específicamente para correr inferencia de forma local. Nvidia ya vende DGX Spark, una estación de trabajo orientada a ese uso, y Microsoft prepara junto a Nvidia una propuesta equivalente para notebooks. China, por su parte, está diseñando sus propios sistemas para especializarse en inferencia, mientras Nvidia fabrica en masa su plataforma Vera Rubin. La expectativa es que los fabricantes de PC y notebooks incorporen cada vez más NPUs, CPUs y GPUs pensadas para ejecutar modelos localmente sin depender por completo de la nube, aunque sí de ella para las tareas más pesadas.
Gartner también proyecta hacia adelante: calcula que el mercado de infraestructura de nube optimizada para IA crecerá hasta los US$66.100 millones en 2027. Y pone el fenómeno en perspectiva: los US$42.000 millones que se gastarán en 2026 representan apenas el 15% del mercado global de infraestructura de nube como servicio, que ese mismo año alcanzará los US$287.300 millones.
El boletín de Onda Corta