La prensa ha contado la historia de que las GPUs tienen vida corta en la IA, pero la investigación reciente sugiere lo contrario: la utilidad económica de GPUs en infraestructuras de IA puede alargarse más allá de su ventana de entrenamiento.
En esta síntesis, explicamos por qué la vida útil de las GPUs se está expandiendo gracias a cargas de trabajo de inferencia, fine tuning y tareas internas, y qué implica para las finanzas de los grandes proveedores de servicios en la nube.
Premisa
En la era de las IA de gran escala, los grandes hyperscalers migraron a vidas útiles de seis años para servidores. Aunque la narrativa dominante asume que la GPU se agota rápido, nuestra visión es que el ecosistema de IA diversifica cargas de trabajo y extiende el valor por token más allá del entrenamiento.
La ‘seis años’ y el pulso de la economía
El gráfico clave muestra que AWS, Google Cloud y Azure movieron a una vida útil de seis años de forma coordinada entre 2023 y 2024. Esto reduce la depreciación anual y favorece la contabilidad GAAP, pero también refleja confianza en la demanda de múltiples workloads a lo largo del ciclo de vida de la GPU.
Los nuevos actores
Neoclouds como CoreWeave, Nebius y Lambda Labs muestran variantes: algunos se quedan en cinco años, otros en cuatro, pero el movimiento general ante la velocidad de la innovación favorece ciclos más cortos en ciertos casos.
¿Se mantendrá los seis años para IA?
Un marco de tres fases propone que el valor de una GPU se extiende desde entrenamiento (años 1-2), pasando por inferencia de alto rendimiento (años 3-4) y finalmente cargas de trabajo en batch (años 5-6). Esta cascada de valor sugiere una vida útil económica más larga de lo que la narrativa sugiere.
Impacto financiero
Extender la vida útil puede aumentar el beneficio operativo, pero el flujo de caja operativo (OCF) revela una rentabilidad sólida incluso con amortizaciones elevadas. A medida que el CapEx en GPU crece, el OCF se convierte en una métrica clave para evaluar el rendimiento real de las fábricas de IA.
Conclusión
La vida útil de GPUs en IA probablemente continuará expandiéndose gracias a la cascada de valor y a mejoras en eficiencia. Se perfila un punto medio de unos cinco años para muchas infraestructuras, menos que el six-year clásico pero con mayor utilidad económica a lo largo del tiempo.
