¿El nuevo petróleo? La carrera para transformar el poder computacional de la AI en commodity negociable
La computación AI está a punto de dar un salto que va mucho más allá de los laboratorios de tecnología y los centros de datos. Un movimiento reciente en el mercado financiero puede cambiar por completo la forma en que las empresas planifican y gestionan los costos de ejecutar inteligencia artificial, y el paralelo más cercano para entender lo que está ocurriendo es, créanlo o no, el mercado de petróleo.
Durante décadas, empresas de distintos sectores han utilizado los mercados de futuros para protegerse de las oscilaciones de precio que amenazan la planificación financiera. Las aerolíneas fijan el costo del combustible. Los agricultores se protegen de las variaciones en el precio de las cosechas. Los fabricantes hacen lo mismo con los metales. Ahora, una startup quiere llevar esa misma lógica financiera al universo de la inteligencia artificial, y las primeras señales indican que el mercado está prestando atención.
Silicon Data, empresa especializada en rastrear precios de GPUs en proveedores de nube y marketplaces especializados, cerró una alianza con CME Group — una de las bolsas de derivados más grandes del planeta — para lanzar lo que podría convertirse en los primeros contratos de futuros del mundo vinculados al poder computacional necesario para entrenar y ejecutar modelos de AI. Los contratos aún esperan aprobación regulatoria, pero el movimiento ya provocó una reacción en cadena en el sector. 🚀
La propuesta es directa y poderosa: permitir que las empresas se protejan de las fluctuaciones en el costo de entrenar y ejecutar modelos de inteligencia artificial, de la misma manera que una aerolínea se protege de la subida en el precio del queroseno de aviación. Y el interés ya está surgiendo incluso antes de que se conceda la aprobación regulatoria. A pocos días del anuncio de la alianza entre Silicon Data y CME Group, gestoras como ProShares y Rex Shares ya presentaron propuestas de ETFs vinculados a estos contratos, incluyendo productos apalancados e inversos. Esta es una señal clara de que los inversores institucionales ya ven la computación AI como una clase de activo negociable, no solo como un insumo tecnológico cualquiera.
La fundadora y CEO de Silicon Data, Carmen Li, va más allá en sus proyecciones. Para ella, este mercado puede llegar a ser mayor que el mercado de futuros de petróleo. 🛢️ ¿Suena demasiado ambicioso? Quizás. Pero Li argumenta que la demanda de energía vinculada a la ejecución de inteligencia artificial va, en algún momento, a superar todos los demás usos de energía combinados. Cuando entiendes la lógica detrás de esta idea y observas la trayectoria de crecimiento de la AI en los últimos años, la proyección empieza a tener bastante sentido.
Por qué la GPU se convirtió en el queroseno de la inteligencia artificial
La analogía utilizada por la propia Silicon Data es reveladora: las empresas de AI dependen de capacidad computacional de la misma forma que las aerolíneas dependen del combustible de aviación. Es un recurso esencial, sin sustituto inmediato, y cuyo precio puede variar de manera significativa dependiendo de las condiciones de oferta y demanda.
En los últimos años, las GPUs dejaron de ser solo piezas de hardware orientadas a los videojuegos y el renderizado gráfico. Se convirtieron en el corazón de la infraestructura de inteligencia artificial, siendo responsables del procesamiento masivo que permite entrenar y ejecutar los grandes modelos de lenguaje que hoy dominan el debate tecnológico global. La mayoría de las empresas que trabajan con AI no poseen sus propias GPUs de alto rendimiento. En su lugar, alquilan acceso a través de proveedores de nube y de un ecosistema creciente de las llamadas neoclouds, plataformas especializadas en ofrecer capacidad computacional bajo demanda.
Con este cambio de rol, la GPU pasó a ser tratada como un recurso crítico, disputado por startups, grandes tecnológicas, gobiernos e investigadores de todo el mundo, y esto hizo que su precio comenzara a oscilar de forma significativa, tal como ocurre con cualquier otra materia prima esencial.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Esa volatilidad en el costo de acceso a la capacidad computacional crea un problema real para cualquier empresa que depende de la AI en su negocio principal. Una startup que entrena modelos de lenguaje, por ejemplo, puede ver su presupuesto completamente desequilibrado si el precio del alquiler de GPUs en la nube se dispara de un mes a otro. No es exageración comparar esta situación con lo que le sucede a una aerolínea cuando el precio del queroseno sube inesperadamente: el impacto es directo, inmediato y difícil de absorber sin una planificación previa.
Seoyoung Kim, profesora de finanzas en la Universidad de Santa Clara, resume bien el escenario actual. Según ella, estamos en un punto alto de incertidumbre. Muchas empresas no saben cuánta capacidad computacional van a necesitar el próximo año. Los proveedores de esa capacidad tampoco saben cuántas GPUs pedir ni en qué volumen. Y los fabricantes, como Nvidia, no saben con certeza cuánto deben producir. Es un ciclo de incertidumbre que afecta a toda la cadena, desde el silicio hasta el modelo de lenguaje funcionando en producción.
Es exactamente en este contexto donde la idea de los contratos de futuros de computación empieza a tomar forma y relevancia práctica en el mercado financiero.
El índice de precios que podría ser el nuevo WTI de la tecnología
Silicon Data construyó una serie de índices de precios de GPU que rastrean el costo por hora de alquiler de chips específicos en diferentes proveedores. La empresa espera que estos benchmarks sirvan como base para un mercado de futuros, de forma similar al papel que el West Texas Intermediate (WTI) desempeña como referencia para los derivados de energía en el mercado de petróleo.
Pero transformar el precio de las GPUs en un índice confiable y estandarizado no es tarea sencilla. A diferencia de un barril de petróleo, la computación AI no es una commodity física estandarizada. La propia Silicon Data reconoce que existen más de 50 configuraciones diferentes solo para el chip H100 de Nvidia, con precios que varían dependiendo de los procesadores, la memoria, las redes, las tasas de utilización y la ubicación del centro de datos.
Para resolver esa complejidad, Silicon Data normaliza los precios que llegan a su plataforma diariamente, convirtiendo todo a una referencia base del H100. Según Carmen Li, este es un paso de normalización bastante complejo, que necesita ocurrir incluso antes del cálculo del índice propiamente dicho. Es una ingeniería de datos sofisticada que necesita funcionar con precisión para que el mercado confíe en los números.
Y aparentemente la credibilidad ya se está construyendo. Los benchmarks de Silicon Data ya comenzaron a aparecer en documentos corporativos de alto perfil. SpaceX, por ejemplo, hizo referencia a los datos de precio de alquiler de GPU de la empresa en su prospecto para salida a bolsa. Cuando una empresa del calibre de SpaceX usa tus datos en un documento regulatorio, eso dice mucho sobre la madurez y la confiabilidad del índice.
Cómo podría funcionar este mercado en la práctica
La estructura de los contratos de futuros de computación AI sigue la misma lógica de los contratos ya existentes en el mercado financiero para otras commodities. Como en cualquier mercado de futuros, los contratos de computación van a necesitar tanto compradores como vendedores.
Por un lado, empresas preocupadas por la subida en los costos de computación buscarían protección contra precios más elevados. Por otro, proveedores con gran capacidad instalada podrían hacer cobertura contra el riesgo de que los precios bajen. Ese equilibrio entre quién quiere protegerse y quién acepta el riesgo es lo que da liquidez y funcionalidad a cualquier mercado de futuros.
Una empresa que sabe que va a necesitar un volumen importante de capacidad computacional en los próximos seis meses puede fijar hoy el precio que va a pagar por ello, eliminando la incertidumbre y facilitando la planificación financiera. Esto no es solo bueno para las empresas individualmente — es bueno para el ecosistema en su conjunto, porque reduce la incertidumbre y potencialmente favorece un crecimiento más estable y sostenible del sector.
El papel de los especuladores
No todos los participantes de este mercado estarían buscando protección contra el riesgo. Al igual que en otros mercados de futuros, los contratos de computación también atraerían a especuladores — traders que no necesitan directamente capacidad GPU, pero que tienen una visión sobre hacia dónde se dirigen los precios.
Los defensores de este modelo argumentan que los especuladores desempeñan un papel importante en la construcción de liquidez y en la mejora del descubrimiento de precios. Los críticos, por otro lado, advierten que la especulación puede amplificar la volatilidad y desconectar los precios de la demanda real.
Carmen Li defiende la presencia de estos agentes en el ecosistema. Para ella, el mercado necesita coberturistas naturales, creadores de mercado y especuladores. Ellos tienen opinión y quieren expresar esa opinión, lo cual es perfectamente legítimo. La ejecutiva, con un MBA de Harvard, argumenta que los traders que creen tener perspectivas sobre la dinámica futura de oferta y demanda deben poder expresar esas visiones a través del mercado, ayudando a establecer precios para toda la industria.
ETFs ya en la fila
Los ETFs propuestos por ProShares y Rex Shares añaden una capa más de interés a este escenario. Productos apalancados e inversos vinculados a contratos de computación AI significan que inversores individuales e institucionales podrán tener exposición a este mercado sin necesidad de operar directamente en los contratos de futuros. Es una puerta de entrada más accesible y, al mismo tiempo, un indicativo de que el sector financiero ya se está moviendo para incorporar la computación AI como un activo legítimo dentro de las carteras de inversión.
Las propuestas de ETFs están condicionadas a la aprobación regulatoria del mercado de futuros en sí. Aun así, sugieren que algunos inversores ya ven la computación AI como una clase de activo potencialmente negociable, y no simplemente como un insumo de tecnología. Cuando gestoras de ese calibre presentan solicitudes regulatorias, están apostando a que hay demanda real por estos productos, y esa apuesta rara vez se hace sin una investigación de mercado bastante consistente detrás. 💡
Los desafíos de la estandarización
Para que el mercado de futuros funcione de verdad, los participantes necesitan tener confianza en que un único benchmark puede representar con precisión las variaciones de precio de un recurso que es, por naturaleza, heterogéneo.
Herramientas que usamos a diario
La profesora Seoyoung Kim observa que la estandarización siempre ha sido un desafío para los mercados de futuros. Los contratos de futuros de maíz, por ejemplo, especifican el grado exacto de maíz que puede ser entregado dentro del contrato. El mercado de computación enfrenta una tarea similar: definir con precisión qué es lo que compradores y vendedores están negociando.
Según Kim, la CFTC — la Commodity Futures Trading Commission, la agencia estadounidense que regula los mercados de derivados — querrá saber exactamente cuál es el producto que se está negociando. Las especificaciones de los contratos, los procedimientos de liquidación y la construcción del benchmark probablemente pasarán por un escrutinio riguroso antes de que el mercado pueda lanzarse oficialmente.
Cuestiones como la velocidad de la evolución tecnológica, que puede volver obsoleto un contrato antes de su vencimiento, también son desafíos reales que necesitarán soluciones creativas. Pero estos obstáculos no son muy diferentes de los que se enfrentaron cuando los primeros contratos de petróleo se estructuraron hace décadas.
El tamaño de la apuesta y lo que representa para el futuro
Cuando Carmen Li afirma que el mercado de computación AI puede superar al mercado de futuros de petróleo, no lo hace a la ligera. El mercado de futuros de petróleo es uno de los más grandes y líquidos del mundo, moviendo billones de dólares al año y sirviendo como referencia para decisiones económicas globales. Para que la computación AI alcance ese nivel, el sector de inteligencia artificial necesitaría consolidarse como una infraestructura tan esencial como la energía fósil.
Mirando la velocidad de adopción de los últimos tres años, eso parece cada vez menos improbable. La demanda de capacidad computacional crece de forma exponencial, impulsada por el aumento en el tamaño de los modelos, por la proliferación de aplicaciones AI en diferentes industrias y por la carrera entre países por la soberanía tecnológica. Li sustenta su proyección con el argumento de que la demanda de energía vinculada a la ejecución de inteligencia artificial va, en algún momento, a superar todos los demás usos de energía combinados.
Desde el punto de vista del mercado financiero, la creación de un mercado de futuros robusto para la computación AI representaría un cambio estructural importante. Actualmente, quien necesita GPUs a gran escala está a merced de las condiciones del mercado spot, es decir, paga lo que el mercado está cobrando en el momento de la contratación, sin mucha capacidad de planificación a largo plazo. La existencia de contratos de futuros cambiaría esa dinámica radicalmente, permitiendo que las empresas de AI hagan una gestión de costos mucho más sofisticada y predecible.
Lo que este movimiento deja claro es que la computación AI ya cruzó una frontera importante: dejó de ser solo una tecnología disruptiva para convertirse en un activo estratégico con valor económico medible y negociable. Todavía hay un camino regulatorio por recorrer, y los detalles técnicos de los contratos necesitarán ser refinados. Pero el hecho de que esta conversación ya esté ocurriendo a alto nivel, con actores establecidos como CME Group y gestoras de peso involucradas, sugiere que el camino, aunque no sea corto, se está pavimentando con seriedad. La pregunta dejó de ser si la computación AI se va a convertir en una commodity negociable y pasó a ser cuándo. 🤖
