El CEO de Perplexity dice que el ganador de la IA se mide por valor por vatio

El CEO de Perplexity AI, Aravind Srinivas, declaró en una entrevista con CNBC el 3 de junio de 2026, que el futuro de la competencia en inteligencia artificial se determinará por una única métrica centrada en la eficiencia. Argumentó que la empresa líder en IA será aquella que ofrezca el "valor más tomado por vatio por usuario". Este marco desplaza el eje competitivo de la pura escala del modelo a la utilidad sostenible, vinculando directamente el beneficio del usuario con el consumo de energía y el coste operativo.

Contexto — [por qué la métrica de valor por vatio importa ahora]

La industria de la IA se enfrenta a una grave crisis de costes computacionales. Entrenar modelos de vanguardia como GPT-4 requirió un estimado de 50 GWh de energía, una cifra que rivaliza con el consumo anual de miles de hogares. Los costes de inferencia, el gasto de ejecutar modelos para los usuarios, son ahora el principal cuello de botella para la rentabilidad. Esta presión de costes se agrava por la creciente demanda de memoria de alta capacidad y chips de IA especializados, creando un entorno de escasez que recuerda a los apuros de materias primas anteriores en el sector de semiconductores durante 2021-2023.

Las grandes empresas tecnológicas están haciendo compromisos de gasto de capital sin precedentes para asegurar su infraestructura de IA. En el primer trimestre de 2026, el gasto combinado en capex relacionado con IA de Microsoft, Google y Amazon superó los 40 mil millones de dólares. Esta carrera de gasto es insostenible sin un camino claro hacia la monetización que supere los gastos operativos. La métrica de Srinivas proporciona una fórmula tangible para medir el retorno de esta inmensa inversión, yendo más allá de métricas vanidosas como el volumen total de consultas o el número de parámetros del modelo.

El catalizador para esta reevaluación es la meseta en el crecimiento de las aplicaciones de IA orientadas al consumidor. Las tasas de adopción de asistentes de IA han disminuido trimestre a trimestre, mientras que los compradores empresariales exigen cálculos de ROI más claros. El mercado está cambiando de un enfoque en la posibilidad tecnológica a la viabilidad económica. Esta transición refleja la consolidación de la computación en la nube a finales de la década de 2010, donde la eficiencia y el control de costes se convirtieron en las principales ventajas competitivas tras un período inicial de rápida expansión.

Datos — [qué muestran los números]

Los intereses financieros de la eficiencia en IA son cuantificables. La división de GPU de centros de datos de Nvidia reportó ingresos de 47.5 mil millones de dólares en el último año fiscal, subrayando la inmensa inversión en hardware. El coste operativo para una única consulta de IA puede variar desde 0.01 dólares para una tarea simple hasta más de 0.10 dólares para razonamientos complejos, creando un desafío significativo de margen a gran escala. Se proyecta que el mercado global de IA alcanzará los 1.85 billones de dólares para 2030, pero la rentabilidad depende de comprimir estos costes operativos.

Métrica	Promedio Actual de la Industria	Objetivo para Rentabilidad
Coste por Consulta	~$0.05	<$0.01
Consultas por Hora de GPU	1,000	10,000+
Compromiso del Usuario (Minutos/Sesión)	3.5	8.0

El consumo de energía es un insumo crítico. Un único clúster de centro de datos para inferencia de IA puede consumir más de 50 megavatios, comparable a una pequeña ciudad. Con una tarifa eléctrica industrial promedio de 0.07 dólares por kWh, el coste diario de energía para tal instalación supera los 80,000 dólares. Esto se compara con la eficiencia energética de la computación en la nube tradicional, donde la consulta de búsqueda estándar de Google consume aproximadamente 0.0003 kWh de energía, un punto de referencia que los servicios de IA están lejos de alcanzar.

Las valoraciones en el mercado público reflejan esta división de eficiencia. Empresas como Snowflake y Databricks, que enfatizan el procesamiento de datos eficiente, cotizan a múltiplos de ingresos un 30% más altos que algunas startups de IA puras que queman efectivo en inferencia. El Índice de Tecnología de la Información del S&P 500 ha subido un 12% en lo que va del año, pero un subíndice de proveedores de infraestructura de IA ha tenido un rendimiento inferior, ganando solo un 7% mientras los inversores examinan las estructuras de costes.

Análisis — [qué significa para los mercados / sectores / tickers]

El marco de valor por vatio crea claros ganadores y perdedores a lo largo de la cadena de suministro tecnológica. Los fabricantes de semiconductores centrados en la eficiencia energética, como ARM Holdings, se beneficiarán a medida que aumente la presión para reducir vatios por computación. Los diseñadores de chips de IA como Nvidia enfrentan una mayor demanda por sus GPUs Blackwell de próxima generación, que prometen una mejora de 4x en la eficiencia de entrenamiento y un aumento de 30x en el rendimiento de inferencia en comparación con generaciones anteriores. Los proveedores de nube Azure, AWS y Google Cloud están incentivados a optimizar el uso de energía de sus centros de datos, lo que podría aumentar los márgenes en 300-500 puntos básicos si lideran en eficiencia.

Por el contrario, las empresas que dependen de modelos más grandes y menos eficientes sin caminos claros de monetización enfrentan un significativo riesgo a la baja. Las startups con altas tasas de quema y métricas de compromiso de usuario bajas son particularmente vulnerables a una crisis de financiación. El marco también implica consolidación, ya que lograr escala en computación eficiente en energía favorece a los incumbentes bien capitalizados. Existe un contraargumento que sostiene que las capacidades innovadoras, no solo la eficiencia, pueden seguir definiendo a un ganador del mercado, como se vio con el lanzamiento inicial de ChatGPT de OpenAI, que priorizó la capacidad sobre el coste.

La posición del mercado muestra flujos institucionales rotando hacia empresas con datos propietarios e integración vertical, que pueden generar un mayor valor por interacción del usuario. Los fondos de cobertura están estableciendo posiciones largas en fabricantes de equipos de semiconductores como ASML y Applied Materials, apostando a que el impulso hacia la eficiencia acelera la adopción de empaquetado de chips avanzados y litografía. El interés corto ha aumentado en empresas de software de IA altamente valoradas cuyo coste de ingresos supera el 60% de las ventas.

Perspectivas — [qué observar a continuación]

El próximo gran catalizador para la carrera de eficiencia en IA es la conferencia GTC de Nvidia programada para el 15-17 de septiembre de 2026, donde se esperan más detalles sobre la adopción de GPUs Blackwell y los benchmarks de rendimiento. La conferencia Build de Microsoft del 20 al 22 de mayo será crítica para observar optimizaciones a nivel de software para su ecosistema Copilot, que sirve como un banco de pruebas a gran escala para métricas de valor por vatio. Google I/O el 10 de junio probablemente se centrará en las reducciones de costes de inferencia del modelo Gemini.

Los niveles clave a monitorizar incluyen la orientación de capex agregada de los tres principales proveedores de nube para el tercer trimestre de 2026; una reducción señalaría un cambio estratégico hacia la eficiencia en lugar de la expansión. El consumo de energía de los principales servicios de IA, medido en vatios por sesión de usuario, se convertirá en un nuevo indicador clave de rendimiento para los analistas. Esté atento a los niveles de soporte para el ETF Global X Robotics & Artificial Intelligence (BOTZ) en el punto de precio de 28.50 dólares, una caída del 15% desde los niveles actuales que indicaría un empeoramiento del sentimiento hacia estrategias de IA intensivas en efectivo.

Los desarrollos regulatorios plantean un riesgo condicional. La Ley de IA de la Unión Europea, plenamente aplicable en 2026, incluye disposiciones para informar sobre el consumo de energía de los sistemas de IA de alto riesgo. Requisitos de informes más estrictos podrían obligar a una transparencia que desfavorezca a los modelos ineficientes. Se espera que el Departamento de Energía de EE. UU. publique directrices sobre la eficiencia de los centros de datos en el cuarto trimestre de 2026, lo que podría influir en la asignación de energía y las inversiones en infraestructura de refrigeración.

Preguntas Frecuentes

¿Qué significa valor por vatio por usuario para los inversores en acciones de IA?

Los inversores deben centrarse en cómo esta métrica puede impactar la rentabilidad y la sostenibilidad de las empresas de IA. La eficiencia energética se convertirá en un factor clave para el éxito a largo plazo.