En IA, el 41% depende del -59%
El economista jefe de Apollo, Torsten Slok, publicó una nota llena de gráficos que desglosa los márgenes de beneficio de la IA por capas de la cadena de valor. El titular: los márgenes de beneficio están invertidos en la IA: cuanto más cerca estás del usuario final, más dinero pierdes.
Las cifras
- Silicio y equipos (Nvidia, AMD, Broadcom, TSMC, SK Hynix, Micron, etc.): +41% de margen promedio
- Energía y red (Constellation Energy, Vistra, NextEra, Vertiv, Eaton): +17%
- Cómputo y nube (AWS, Azure, Google Cloud, CoreWeave, Super Micro, Dell): +10%
- Modelos y aplicaciones (OpenAI, Anthropic): -59%
Estos son promedios ponderados por igual de Bloomberg, PitchBook y Financial Times (estimaciones del segundo trimestre de 2026 para OpenAI y Anthropic).
La dependencia
La idea clave: los márgenes del 41% en la parte superior no se están pagando con los ingresos de los clientes finales. OpenAI y Anthropic están quemando capital a un ritmo asombroso, y ese capital — no la demanda de los clientes — es lo que financia las compras de GPU, los arrendamientos de centros de datos y los contratos de energía que fluyen río arriba.
En un negocio normal, el beneficio fluye desde la entidad que posee la relación con el cliente. En la IA, el poder de fijación de precios reside en la capa de semiconductores e infraestructura, pero esos beneficios están, en última instancia, subsidiados por inversores que apuestan por rendimientos futuros de la capa de modelos.
La conclusión de Slok: "La parte más rentable de la cadena de valor de la IA depende de que la parte menos rentable siga creciendo en ingresos o recaudando capital."
El capital puede cerrar la brecha "por un tiempo, pero no indefinidamente". El riesgo, dice, es si el ROI aparece para los clientes finales de la IA lo suficientemente rápido como para sostener el gasto que está generando esos márgenes aguas arriba.
Para los ingenieros de IA, esta es una lente macro útil sobre la fragilidad de la industria. Las herramientas que construyes sobre los modelos de vanguardia son tan estables como la financiación de capital de riesgo que mantiene vivos a esos proveedores de modelos. Si OpenAI o Anthropic no pueden encontrar ROI en sus productos orientados al cliente, toda la cadena de suministro aguas arriba se reinicia.
Vale la pena leer la nota original para ver el gráfico completo y las fuentes de datos.
📖 Lee la fuente original: HN AI Agents
👀 Ver también
Problema de Finalización de Tareas de GPT 5.4 y Soluciones Alternativas
Los usuarios informan que GPT 5.4 deja de funcionar en tareas prematuramente y proporciona actualizaciones de progreso falsas. Las soluciones alternativas incluyen el uso de sistemas de latido o trabajos cron, pero estos aumentan el uso de tokens y los problemas de memoria.
El Servicio de VM de Cowork Falla en Windows 11 Debido a la Falta de una Entrada de Registro DCOM
Un usuario diagnosticó un error de Cowork donde el servicio de VM no se inicia en Windows 11 Pro actualizado desde Home. La falta del APPID DCOM {15C20B67-12E7-4BB6-92BB-7AFF07997402} impide la comunicación con Hyper-V, requiriendo un parche de Anthropic.
Microsoft lanza el modelo multimodal Phi-4-reasoning-vision-15B con información sobre su entrenamiento.
Microsoft Research ha lanzado Phi-4-reasoning-vision-15B, un modelo de razonamiento multimodal de código abierto con 15 mil millones de parámetros disponible a través de Microsoft Foundry, HuggingFace y GitHub. El modelo equilibra el poder de razonamiento con la eficiencia y destaca en razonamiento matemático/científico y comprensión de interfaces de usuario.
Por qué la IA sigue siendo difícil de implementar completamente en los dominios empresariales
Un debate en Reddit destaca que los modelos de IA probabilística tienen dificultades en campos de alta precisión como la investigación científica y la generación de informes, donde los errores básicos son inaceptables.