El Nacimiento de un Mercado: Índices y Futuros
En el centro de esta transformación se encuentra la startup Ornn, fundada en 2025 por Kush Bavaria y Wayne Nelms. Su misión es simple pero ambiciosa: estandarizar el precio del cómputo de IA. Ornn ha desarrollado y publica el "Ornn Compute Price Index", un índice de referencia basado en transacciones reales para los precios de alquiler de GPU. Este índice, disponible en Bloomberg Terminal, ya es utilizado por más de 400 operadores de centros de datos, inversores y empresas de IA, marcando un paso crucial hacia la transparencia y la fungibilidad del cómputo. Al proporcionar un benchmark confiable, Ornn está sentando las bases para que la capacidad de procesamiento se trate como una clase de activo invertible.
La respuesta de las grandes bolsas de valores no se ha hecho esperar. El Intercontinental Exchange (ICE), uno de los operadores de bolsa más grandes del mundo, anunció en mayo de 2026 sus planes para lanzar contratos de futuros de cómputo de GPU liquidados en efectivo. Estos contratos estarán directamente vinculados al índice de precios de cómputo de Ornn, a la espera de la aprobación regulatoria. Este movimiento es transformador; permite a las empresas de IA fijar sus costos de cómputo con anticipación, mitigando los riesgos de futuras subidas de precios, y a los inversores especular sobre la dirección del mercado. Otras instituciones como CME Group y Kalshi también están explorando oportunidades en este espacio. Además, plataformas como Compute Exchange están innovando con contratos a plazo para "tokens" de IA, permitiendo a las empresas asegurar precios por hasta seis meses. Este ecosistema emergente contrasta fuertemente con el modelo tradicional, fragmentado y opaco, de adquirir cómputo, prometiendo una nueva era de eficiencia y previsibilidad.
Los datos hablan
Las cifras detrás de la revolución del cómputo de IA son astronómicas y justifican plenamente la atención de Wall Street. La inversión en infraestructura de IA es monumental: entre enero y agosto de 2024, las grandes tecnológicas (Microsoft, Meta, Google y Amazon) gastaron un total combinado de 125 mil millones de dólares en centros de datos de IA. Datos más específicos revelan que Google invirtió 29 mil millones de dólares, Meta 23 mil millones y Amazon 16 mil millones en gastos de capital de IA solo en 2024, según TechCrunch y otras fuentes. OpenAI, por su parte, incurrió en aproximadamente 7 mil millones de dólares en cómputo en la nube durante 2024, principalmente para investigación y desarrollo.
El crecimiento del mercado de infraestructura de IA es exponencial. El mercado global alcanzó los 489.6 mil millones de dólares en 2025, más del doble de los 218.6 mil millones registrados en 2024. Las proyecciones indican que este mercado crecerá de 71.88 mil millones de dólares en 2025 a 226.95 mil millones de dólares en 2030, manteniendo una Tasa de Crecimiento Anual Compuesta (CAGR) del 25.7%. Algunos informes incluso sugieren un crecimiento a 518.26 mil millones de dólares para 2035. Los costos de entrenamiento de los modelos de lenguaje grandes (LLM) son un reflejo directo de esta intensidad computacional: entrenar un modelo de frontera como GPT-4 ha costado entre 78 y 100 millones de dólares solo en cómputo, mientras que Gemini Ultra 1.0 alcanzó los 192 millones de dólares. Los expertos anticipan que los costos de entrenamiento para los modelos de frontera podrían dispararse entre 5 y 10 mil millones de dólares para 2025-2026, según datos de Startup Fortune y BCG Institute.
Los precios del alquiler de GPU también muestran una clara tendencia al alza y una alta volatilidad. La mediana para alquilar una GPU H100 bajo demanda se situó en 5.22 dólares por hora al 18 de agosto de 2026, aunque las instancias 'Spot' pueden ofrecer ahorros significativos del 50-80%. Expertos como Steven Dickens, CEO y analista principal de HyperFrame, afirman que "aprovechar la GPU como una clase de activo invertible es una medida inteligente de Nvidia, ya que desbloquea capital para el desarrollo de la IA". Los analistas concuerdan en que la era de los precios de tarifa plana para el cómputo de IA empresarial ha terminado, dando paso a modelos de precios medidos y dinámicos. La creación de un mercado financiero para el cómputo de IA es vista como un punto de inflexión fundamental que aportará la tan necesaria previsibilidad a la industria, permitiendo a las empresas de IA pronosticar costos y a los operadores de la nube establecer puntos de referencia de ingresos y gestionar mejor sus activos.
Qué significa para Latam
Para América Latina, la emergencia de un mercado financiero para el cómputo de IA tiene implicaciones profundas y multifacéticas. La región, con un mercado de IA valorado en 12.7 mil millones de dólares y creciendo a un impresionante 28.1% anual, está experimentando una rápida adopción de la inteligencia artificial. De hecho, el 85% de los profesionales latinoamericanos están listos para integrar la IA en su trabajo, superando el promedio global del 62%. Esto se refleja en que la región representa el 14% de las visitas globales a soluciones de IA, excediendo su 11% de usuarios de internet a nivel mundial. Países como Chile, Brasil y Uruguay son vistos como pioneros en la adopción de IA, y el FMI estima que la IA podría añadir 1.3 billones de dólares al PIB de América Latina para 2030.
Sin embargo, la región enfrenta desafíos significativos. A pesar de su potencial, América Latina recibe solo el 1.12% de la inversión global en IA, a pesar de representar el 6.6% del PIB mundial. Esta disparidad en la inversión y la constante "fuga de talentos" dificultan que las empresas locales compitan en igualdad de condiciones con gigantes globales. La capacidad de acceder a precios de cómputo más estables y predecibles a través de instrumentos financieros podría ser un diferenciador crucial. Empresas locales innovadoras como Roomie IT, Electronic Cats, Speedbird, Kilimo (una AgTech uruguaya que usa IA para la gestión hídrica), Ekumen y Rappi, que ya están desarrollando soluciones de IA, podrían beneficiarse enormemente al poder planificar sus costos de infraestructura a largo plazo, reduciendo la incertidumbre y permitiendo una mejor asignación de capital. Además, la región se encuentra en un momento crucial para la regulación de la IA, buscando equilibrar la protección de datos –con países como Perú, México, Colombia y Argentina ya prohibiendo el perfilamiento automatizado en ciertos contextos– con la promoción de la innovación, un equilibrio que será más fácil de lograr en un entorno de costos más predecibles y transparentes para la infraestructura clave.
