Escasez de GPU: los CEO reparten la capacidad en persona y las startups firman contratos de varios años

La capacidad de cómputo en Silicon Valley se ha convertido en un bien escaso por el que se libra una competencia feroz. Según 3DNews, que se basa en observaciones del sector, ahora son los propios directivos de las empresas quienes se encargan de repartir los recursos. Los competidores directos se ven obligados a unirse para acceder a más capacidad. El golpe más duro lo reciben las startups: se les ofrece acceso a GPU a cambio de compromisos financieros de varios años.

La fuente original no revela importes concretos ni nombres de acuerdos, de modo que lo que sigue trata de la estructura del fenómeno y de su contexto, no de las cifras de contratos individuales.

Quién decide a quién le toca la GPU

Hace un par de años, comprar servidores era una tarea rutinaria del equipo de infraestructura. Ahora, la cuestión de cuántos aceleradores recibe un proyecto concreto llega hasta la cúpula de la empresa. El motivo es sencillo: el volumen de cómputo determina qué modelos puede entrenar una compañía, con qué rapidez lanza una nueva versión y a cuántos usuarios atiende sin que caiga la calidad.

Principales observaciones del material:

• los directivos de las empresas reparten la capacidad en persona, y no solo los directores técnicos;
• los competidores forman alianzas para acceder a recursos adicionales;
• la escasez golpea con más fuerza a las startups;
• el precio del acceso suele expresarse en compromisos de varios años, no en un pago habitual por uso.

Esto concuerda con lo que vimos en 2025. Entonces OpenAI informó de contratos por cientos de miles de millones de dólares con Oracle y de alianzas con Nvidia, AMD y Broadcom. Anthropic anunció que ampliaría el uso de las TPU de Google, con decenas de miles de aceleradores y una capacidad del orden de un gigavatio. Si en 2026 los directivos siguen repartiendo los recursos a mano, la oferta todavía no alcanza a la demanda.

Alianzas con quien compite contigo

Lo más llamativo de la situación es el comportamiento del mercado. Empresas que pelean por los mismos clientes e ingenieros acuerdan compartir infraestructura: reparten clústeres, se alquilan capacidad entre sí y participan en proyectos conjuntos para construir centros de datos. La lógica es pragmática. Construir en solitario un centro de procesamiento de datos de decenas o cientos de megavatios lleva mucho tiempo y cuesta mucho dinero. Además del capital, limitan el suministro de chips, de equipos de refrigeración y las conexiones a la red eléctrica.

Para quien posee la capacidad, una alianza así también resulta ventajosa. Aumenta la utilización y, a cambio, obtiene una participación en el modelo ajeno, datos o lealtad estratégica. La frontera entre proveedor y competidor se difumina, y eso crea nuevas dependencias. Quien controla los clústeres ve cómo crece la carga de su socio y tiene una palanca en las negociaciones.

Las startups pagan con tiempo y libertad

Las grandes empresas pueden pedir un crédito o emitir bonos para construir centros de datos. Una compañía joven no tiene esa opción. Solo le queda firmar un contrato a varios años vista, a menudo con un mínimo de compras obligatorio. Eso convierte el cómputo, que era un gasto operativo flexible, en una deuda fija. Si el mercado cambia y los clientes no necesitan el modelo, habrá que pagar igualmente.

También hay un coste oculto. Un contrato a largo plazo con una sola nube ata al equipo a una arquitectura de chips y a un stack de software concretos. Cambiar después a otro proveedor o a otros aceleradores resulta difícil y caro.

Cómo debe actuar el equipo

Para una startup que construye su producto sobre IA, de todo esto se desprenden varios pasos prácticos.

• Calcular el coste de inferencia por unidad de valor (consulta, tarea, documento) e incluirlo en la economía unitaria antes de firmar el contrato.
• No fijar todo el volumen de capacidad a largo plazo: dejar una parte en una tarifa flexible o con un segundo proveedor.
• Comprobar la portabilidad del stack: cuanto menos atado esté el código a un único tipo de aceleradores, más fuerte será la posición negociadora.
• Tratar la optimización (cuantización, destilación, caché) como una vía para reducir la necesidad de GPU, y no como una tarea secundaria.
• Incluir en el modelo financiero un escenario en el que los precios del cómputo bajan mientras los compromisos a largo plazo siguen igual.

Los inversores y los clientes corporativos deberían preguntar a los proveedores de servicios de IA en qué capacidad trabajan y en qué condiciones la obtuvieron. De ello depende que el proveedor supere o no el próximo pico de demanda.