Fin de una era: la IA rompe el abaratamiento del cómputo

Durante décadas, la industria tecnológica estuvo marcada por una constante: el abaratamiento progresivo de los componentes digitales. Sin embargo, ese patrón se ha interrumpido debido al crecimiento acelerado de la inteligencia artificial (IA), que ha disparado la demanda de infraestructura y encarecido insumos clave.

Desde Austin, Texas, expertos del sector advierten que memorias esenciales como DRAM y NAND han duplicado su costo en el último año, impulsadas principalmente por el auge de la IA.

De acuerdo con Drew Schulke, vicepresidente de Gestión de Producto en almacenamiento de Dell Technologies, esta tendencia no muestra señales de revertirse en el corto plazo.

El mercado global de memoria está dominado por tres empresas: Samsung, SK Hynix y Micron, responsables tanto de DRAM como de NAND. La presión de la demanda de IA ha comprometido la producción de estos componentes hasta finales de 2026.

En particular, SK Hynix ya tiene vendida toda su capacidad, en gran parte a Nvidia, cuyos sistemas de inteligencia artificial requieren grandes volúmenes de memoria de alto rendimiento.

A esto se suma el impacto de iniciativas como Stargate de OpenAI, que prevé consumir cerca del 40% de la producción global de DRAM, lo que agrava la escasez para otros sectores.

Escasez y cambio estructural

A diferencia de la crisis de chips entre 2020 y 2023, provocada por disrupciones logísticas durante la pandemia, la situación actual responde a una reasignación estructural de la producción hacia tecnologías de mayor margen vinculadas a la IA.

Esto ha generado un entorno de escasez en el mercado abierto, donde las empresas que no cuentan con contratos a largo plazo enfrentan precios más elevados.

Según Schulke, Dell Technologies ha priorizado desde 1999 asegurar el suministro por encima de obtener el menor costo, una estrategia que ahora resulta clave en un mercado volátil.

La IA redefine el valor de los datos

El impacto de la inteligencia artificial no se limita a los costos. También está transformando la forma en que las empresas gestionan la información.

Datos que antes se descartaban, como registros históricos o información de sensores, ahora se consideran valiosos para el entrenamiento de modelos de IA. Esto incrementa la demanda de almacenamiento y modifica los criterios sobre qué información conservar.

Schulke lo resumió con ironía: a él le gusta cuando las empresas almacenan datos y no los borran nunca.

En este contexto, el almacenamiento de objetos y archivos ha crecido más rápido que el de bloques, ya que son esenciales para procesos de entrenamiento e inferencia en inteligencia artificial.

Costos crecientes y dudas sobre sostenibilidad

Por su parte, Dan Stanzione, del Texas Advanced Computing Center en la Universidad de Texas en Austin, explicó que esta situación representa una ruptura en la tendencia histórica de reducción de costos que comenzó en 1947 y se sostuvo durante décadas bajo la llamada Ley de Moore.

Actualmente, la infraestructura global de centros de datos para IA alcanza unos 70 gigavatios de capacidad instalada, con costos operativos que rondan los 60 mil millones de dólares anuales solo en electricidad.

Empresas como OpenAI planean inversiones masivas en infraestructura, con cifras que alcanzan los 600 mil millones de dólares hacia 2030, mientras gigantes tecnológicos como Google y Meta han recurrido al endeudamiento para sostener su expansión.

Ante este panorama, Stanzione advierte que la industria necesitaría generar entre 3 y 4 billones de dólares en ingresos en los próximos años para sostener este crecimiento. De lo contrario, podría producirse un ajuste en el sector.

Perspectiva a corto plazo

Para las empresas que dependen de componentes como DRAM y NAND, el escenario apunta a una volatilidad sostenida en los precios al menos hasta 2026 o incluso 2027.

Además, los problemas de suministro no se resolverán rápidamente. Según Schulke, estos ciclos suelen tardar entre 18 y 24 meses en estabilizarse.

En consecuencia, el hardware tecnológico seguirá siendo más caro y menos accesible en el corto plazo, especialmente para compañías que no forman parte del núcleo de desarrollo de inteligencia artificial.