La burbuja de la IA está explotando; simplemente aún no lo sabemos
Las afirmaciones de que una “burbuja de IA” ya está estallando desencadenan un debate sobre si la caída de los precios de los tokens y el auge del gasto en infraestructura representan ganancias reales de eficiencia o especulación insostenible. Los comentaristas distinguen entre el costo por tarea y el gasto corporativo total, cuestionan las agresivas construcciones de centros de datos y la contabilidad compleja en torno a los ingresos de IA, y discuten cuánto de la demanda justificará inversiones de varios billones de dólares. Muchos esperan una corrección en las valoraciones de IA y un exceso de capacidad de GPU, pero pocos creen que la tecnología subyacente o el uso empresarial de la IA desaparezcan: solo que es probable que se desinflen la exageración, las startups más débiles y las expectativas infladas.
Precios de tokens, costo por tarea y gasto corporativo
- Varios comentarios señalan que los precios de las API de tokens están bajando, pero el total de tokens usados por tarea y el uso general están aumentando.
- Desacuerdo sobre si el “costo por tarea” realmente está disminuyendo:
- Un lado: para una tarea fija con calidad equivalente, el costo es claramente menor con el tiempo.
- El otro lado: a medida que los modelos obtienen contextos más grandes y hacen más “razonamiento”, se consumen más tokens para obtener resultados aceptables, así que el costo real por tarea útil puede subir.
- Hay amplio consenso en que el gasto corporativo total en IA está creciendo con fuerza, aunque los costos unitarios bajen.
¿Hay una burbuja de IA / centros de datos?
- Muchos ven una burbuja centrada en la construcción de centros de datos y GPU, impulsada por la demanda proyectada de IA y supuestos optimistas de ingresos.
- Preocupa que los hyperscalers estén asumiendo grandes deudas por capacidad que podría estar infrautilizada o depender de clientes startups frágiles.
- Otros argumentan que la demanda sigue creciendo rápido, con ingresos reales sustanciales en las empresas de modelos y proveedores de nube, y que el gasto en IA se desplazará, no colapsará.
Big Tech, proveedores de modelos y commoditización
- Debate sobre quién sobrevive a un desplome:
- Algunos creen que incumbentes como Google, Apple y Nvidia están relativamente a salvo; otros señalan que los ingresos de Nvidia ahora dependen abrumadoramente de los centros de datos.
- Se considera que Anthropic y OpenAI tienen un fuerte crecimiento actual, pero podrían quedar expuestas si los modelos se commoditizan y el valor se desplaza a la inferencia a gran escala.
- Algunos predicen que podrían persistir márgenes altos en la inferencia; otros esperan que la competencia y los bajos costos de cambio compriman los márgenes.
Macroeconomía y “momento de la burbuja”
- El hilo menciona la euforia más amplia del mercado bursátil, múltiplos de valoración altos y crisis financieras recurrentes impulsadas por EE. UU.
- Algunos quieren que la burbuja estalle antes para limitar el daño; otros temen un impacto sistémico dado el peso de la IA en los índices.
Trayectoria tecnológica a largo plazo vs. exageración
- Muchos ven ecos de la era puntocom: tecnología real y transformadora junto con sobreinversión especulativa y financiación circular.
- Se espera que la IA persista y crezca incluso si las valoraciones actuales corrigen con fuerza.
Trabajo, sociedad y casos de uso
- Hay reportes de que los centros de llamadas y trabajos similares “de tipo dron” ya están siendo reemplazados, con temor a una pérdida masiva de empleos y a inestabilidad social.
- Algunos sostienen que el enfoque actual se centra demasiado en la automatización de oficina y demasiado poco en ciencia/biotecnología y robótica.
Definiciones de AGI y exageración sobre robótica
- Los comentaristas señalan que la definición de AGI de los laboratorios punteros (“mejor que los humanos en la mayoría del trabajo de conocimiento valioso”) diverge de las nociones populares de ciencia ficción.
- Hay desacuerdo sobre los plazos y la plausibilidad de la robótica doméstica; muchos ven el escalado del hardware como inherentemente lento incluso si el software mejora rápidamente.