La inferencia de IA superará por primera vez al entrenamiento en gasto de infraestructura este año

La inferencia gana peso en el gasto en IA

El mercado de servicios en la nube optimizados para IA (AI-optimized IaaS) crecerá un 96% en 2026 hasta alcanzar los 42.000 millones de dólares, según datos de Gartner recogidos por Xataka. De esa cifra, 23.300 millones de dólares corresponderán a inferencia, frente a los 19.000 millones destinados a entrenamiento.

Es la primera vez que la inferencia —el proceso de calcular respuestas a partir de un modelo ya entrenado— supera al entrenamiento en este segmento. La inferencia representará el 55% del presupuesto de IaaS optimizado para IA este año, un reparto que refleja un cambio estructural en cómo se invierte en inteligencia artificial.

El informe de la consultora también apunta a que el mercado de IaaS optimizado para IA alcanzará los 66.100 millones de dólares en 2027, aunque ese crecimiento se produce desde una base aún reducida: los 42.000 millones de este año apenas suponen el 15% del mercado global de IaaS, que Gartner sitúa en 287.300 millones de dólares.

Del proyecto de inversión al gasto continuo

El cambio de paradigma es doble. Entrenar un modelo de IA supone un coste inicial elevado pero finito: las empresas compran equipos, escalan centros de datos y ejecutan el entrenamiento. La inferencia, en cambio, es un coste recurrente que crece con cada interacción de usuario y que se multiplica en la era de los agentes de IA, donde las peticiones automatizadas se disparan.

Según el artículo de Xataka, algunos análisis estiman que la inferencia llegará a representar entre el 80% y el 90% del coste total de vida de un sistema de IA, dejando el entrenamiento en el porcentaje restante. Esto implica que la IA deja de ser un proyecto de inversión para convertirse en un gasto operativo continuo.

Para gigantes como Meta, Google, Amazon o Microsoft, esa transición significa que la IA pasa a ser una parte fundamental de su negocio, con implicaciones presupuestarias directas: el foco se desplaza al coste por token, la eficiencia energética y la latencia, en lugar de al tamaño del modelo.

Rediseño de centros de datos y nuevos dispositivos

La dominancia de la inferencia obliga a los proveedores de nube a rediseñar sus centros de datos. Ya no basta con potencia bruta de cómputo: la memoria más rápida, el mayor ancho de banda y la eficiencia energética pesan tanto o más que los aceleradores. Gartner estima que las arquitecturas deberán ser más densas en aceleradores y que las tarifas por uso tendrán que volverse más agresivas.

Ese cambio también se nota en el hardware de consumo. El artículo menciona la estación de trabajo DGX Spark de Nvidia y los portátiles con NPUs en alianza con Microsoft como ejemplos de dispositivos pensados para inferencia local, apoyándose en la nube solo para tareas más exigentes.

El efecto colateral es el impacto en el mercado de componentes. Los principales fabricantes de memoria (Samsung, Micron y SK Hynix) están dedicando su producción a la IA, lo que encarece la DRAM, los SSD y otros componentes, según el texto original. Esto se traduce en precios más altos para móviles, consolas y dispositivos en general.

El coste para las empresas

Más allá del hardware, el gasto recurrente en inferencia tendrá consecuencias en los precios de los servicios de IA. El artículo de Xataka apunta a que las empresas que ofrecen estos servicios necesitarán ser más agresivas para rentabilizar su inversión, lo que podría traducirse en límites de tokens más bajos, más escalones de suscripción e incluso precios dinámicos según la carga del sistema.

La tendencia, según concluye el informe de Gartner, no se detendrá: el gasto en inferencia seguirá creciendo en los próximos años, y las empresas que adopten IA deberán asumir que el coste no termina con el entrenamiento del modelo, sino que se mantiene e incrementa con su uso.