El 25 de agosto, Dylan Patel, fundador de SemiAnalysis, presentó un cálculo en el podcast de Dwarkesh Patel: para finales de 2028, Anthropic y OpenAI controlarán la mayor parte de la computación utilizable del mundo.
"By the time you're towards the end of 2028 — if this trend continues, and I see nothing that's stopping it — you've got them just controlling most of the usable flops in the world on their own."
(Para cuando lleguemos a finales de 2028 —si esta tendencia continúa, y no veo nada que pueda detenerla—, estas dos empresas estarán controlando por sí solas la mayor parte de los flops utilizables del mundo.)
Las cifras se despliegan así: la capacidad eléctrica de cada empresa pasaría de unos 2GW a finales de 2025 a más de 5GW a finales de 2026, unos 18GW a finales de 2027 y unos 54GW a finales de 2028. Su proporción en la nueva computación global sería de cerca del 30% este año, de 40% a 50% el próximo, cerca de la mitad del incremento hacia diciembre de 2027, y subiría a 70%-80% en 2028. Por el lado global, el incremento sería de 30GW en 2026, 50GW en 2027, 70GW en 2028 y de 90 a 100GW en 2029, con un total global en 2028 de alrededor de 200GW.
Cuánto se recupera por cada megavatio
Patel cree que el motor de la concentración está en el ingreso por unidad. El costo de infraestructura actual ronda los 10 a 15 millones de dólares por megavatio, mientras que el ingreso por megavatio de Anthropic llegó a dispararse hasta 50 millones de dólares. Prevé que, para finales de 2027, el ingreso por megavatio de los laboratorios líderes supere los 50 millones de dólares, e incluso pueda acercarse a los 70 u 80 millones. Quien gane más por megavatio podrá pagar más en la disputa por los racks de los centros de datos.
"To get to that 100 gigawatts in 2028, you have to believe that the labs can outpay for compute...Does compute now get to $25 million a megawatt? Does it get to $40 million a megawatt?"
(Para llegar a esos 100 gigavatios en 2028, hay que creer que los laboratorios pueden pagar más que nadie por la computación... ¿Llegará el precio de la computación a 25 millones de dólares por megavatio? ¿Llegará a 40 millones?)
Resume los tres mecanismos en una frase — "Every force is screeching towards centralization." (Cada fuerza avanza chirriando hacia la centralización.) Las economías de escala en el entrenamiento, el mayor ingreso por megavatio de quien lidera y el poder de compra que eso genera encajan entre sí y se ajustan cada vez más.
De dónde sale el dinero
La hoja de capital es la parte más pesada de este cálculo. Entre 2024 y 2029, el gasto de capital de todo el ecosistema rondaría los 11 billones de dólares, de los cuales 6 billones se pagarían en efectivo y 5 billones dependerían de deuda, lo que requeriría emitir más de 5 billones de dólares en crédito nuevo. En cuanto a las tasas, el costo de financiamiento actual de Meta está entre 5% y 6%; Patel no ve razón para que no llegue al 8%. Ese aumento de 250 puntos básicos se propagaría por el mercado de crédito a toda la economía.
Sobre China, ofrece tres valoraciones: en 2028 la computación de IA de China estará en 30GW o menos; actualmente China representa menos del 10% de la capacidad global de IA desplegada en centros de datos; y una conversión — "that 50 gigawatts is really worth as much as 20 gigawatts from American chips" (esos 50 gigavatios en realidad valen tanto como 20 gigavatios en chips estadounidenses). Ese factor de conversión es una estimación propia suya, sin metodología publicada, y sería arriesgado tomarlo como una conclusión firme.
¿Dónde está el punto frágil de este cálculo? Ata tres curvas en una: capacidad de computación, ingreso por megavatio y oferta de crédito. Las dos primeras se retroalimentan —un ingreso alto permite comprar, comprar permite construir la siguiente generación de modelos, un modelo más fuerte genera más ingreso—, y una vez que este ciclo arranca, en efecto puede autoacelerarse. La tercera es externa. A grandes rasgos, si se confirma el costo de financiamiento del 8%, solo los intereses de una deuda de 5 billones de dólares sumarían 400.000 millones de dólares al año, lo que exigiría que los ingresos relacionados con IA en el mismo periodo alcanzaran un nivel bastante alto. El propio Patel deja este punto como pregunta abierta: pregunta si los laboratorios pueden pagar más, pero no responde qué pasa si no pueden.
Para los proveedores chinos, esa curva de proporción tiene más valor de referencia que las cifras absolutas. Si el 70% u 80% de la nueva computación va a dos laboratorios, el 20% o 30% restante debe repartirse entre todos los demás laboratorios, proveedores de nube, empresas que construyen su propia infraestructura y proyectos soberanos. El total global sigue subiendo, pero la parte que queda para repartir se encoge.
Fuentes: Dwarkesh Podcast, CocoLoop, SemiAnalysis; por verificar: los rangos de gigavatios proyectados para ambas empresas, el criterio usado para el ingreso por megavatio, y la proporción entre efectivo y deuda dentro del gasto de capital de 11 billones de dólares.