Mucho se ha hablado de la vida útil de las GPUs en la IA. Si bien la narrativa general sugiere una vida corta, nuestra revisión sintetiza por qué la realidad puede ser más larga y cómo eso cambia las finanzas y las decisiones de inversión.
Resumen: los hyperscalers trasladaron a seis años la depreciación de servidores, buscando distribuir la inversión a lo largo de más años, pero la evolución acelerada de GPUs podría hacer que la vida útil efectiva se mueva hacia cinco años para IA y funciones modernas.
Premisas clave
- Los proveedores con gran escalado extienden la vida útil para sostener ingresos aun cuando el hardware envejece, gracias a cargas de trabajo diversas.
- AI-native neoclouds muestran diferentes equilibrios: cinco años para algunos y cuatro para Nebius, Lambda Labs.
- La idea de una «cascada de valor» sugiere que la GPU se reutiliza para inferencia y otras tareas, extendiendo su utilidad.
Este marco de pensamiento sugiere que la vida económica de GPUs es más resistente de lo que muchos creen, y que el enfoque de los inversores debe moverse hacia el flujo de caja operativo (OCF) para medir la rentabilidad real de las IA factories.
Impacto y visión
Al extender la vida útil, los beneficios contables pueden diferir de la realidad operativa, favoreciendo la discusión de EBITDA frente a OCF. La conclusión es que podría haber un consenso hacia ciclos de cinco años, reduciendo ligeramente la duración de la depreciación frente a la actualidad de seis años, con el flujo de caja como métrica clave para valorar el rendimiento a largo plazo.
