Por Canuto  

Brian Armstrong, CEO de Coinbase, sostiene que el principal límite para la expansión de la IA no estará en la calidad de los modelos, sino en la capacidad física para alimentarlos. Su lectura apunta a un mercado dividido entre modelos mucho más baratos y sistemas de frontera, mientras la presión sobre energía, chips y centros de datos aumenta.

***

  • Brian Armstrong estima que la demanda de inteligencia artificial es casi infinita.
  • El CEO de Coinbase prevé que 80% de las cargas de trabajo migrará a modelos hasta 99% más baratos en 12 a 18 meses.
  • A su juicio, el cuello de botella real para la IA será la infraestructura de energía y computación, no la calidad del software.

 

Brian Armstrong, CEO de Coinbase, considera que el mayor obstáculo para el crecimiento de la inteligencia artificial (IA) no será la calidad de los modelos, sino la disponibilidad de energía y capacidad de cómputo para ejecutarlos a gran escala.

Su planteamiento aparece en medio de un debate cada vez más intenso sobre el costo real de desplegar IA en entornos empresariales y sobre la presión que esa expansión ya ejerce sobre la infraestructura física.

La lectura de Armstrong parte de una idea central: la demanda por inteligencia generada por IA sería prácticamente ilimitada. En ese contexto, el ejecutivo cree que el mercado entrará en una etapa de fuerte segmentación, en la que convivirán soluciones mucho más baratas para la mayoría de los usos y sistemas de frontera para tareas que aún requieran el máximo rendimiento disponible.

Según expuso Armstrong en X, cerca de 80% de las cargas de trabajo podría ejecutarse en modelos que sean 99% más baratos dentro de un plazo de 12 a 18 meses. El 20% restante seguiría dependiendo de modelos de última generación, especialmente en casos donde la máxima inteligencia resulte crítica, como descubrimientos científicos o niveles superiores de orquestación mediante agentes.

Armstrong opina sobre el cuello de botella de IA

La observación del directivo surgió como respuesta a un comentario del inversionista Tommy Shaughnessy, quien advirtió que el esquema de cobro por API está empujando el gasto empresarial en IA muy por encima de lo que muchas compañías anticipaban cuando pensaban en suscripciones de tarifa plana. La preocupación no es menor, porque el uso intensivo de modelos puede disparar costos a una velocidad difícil de absorber incluso para empresas de gran tamaño.

Desde esa perspectiva, Armstrong sostiene que la mejora del software y la caída de precios no eliminan la escasez. Solo trasladan el problema hacia otro nivel. Si más empresas y usuarios pueden acceder a modelos eficientes y baratos, la presión termina concentrándose en el silicio y en la energía necesarios para correr esas cargas de trabajo en volumen.

La lógica, en su opinión, se parece a lo que ocurre en hardware de consumo. Armstrong comparó esta posible división del mercado con las MacBooks o las PC para videojuegos, donde la mayoría de los compradores no adquiere la configuración máxima, incluso cuando el precio de los componentes cae con rapidez. La analogía le sirve para ilustrar que la mayor parte del mercado no necesitará siempre el mejor modelo posible, pero sí requerirá infraestructura suficiente para usar IA de forma cotidiana.

Coinbase ya aplica una estrategia de selección de modelos

El planteamiento no es solo teórico. Armstrong afirmó que Coinbase ya enruta solicitudes hacia modelos de menor costo cuando eso resulta apropiado para la tarea. De esa manera, la empresa mantiene su gasto en IA aproximadamente plano, incluso cuando el uso de tokens crece de forma exponencial.

Esa práctica revela una estrategia de optimización que podría ganar terreno en otros sectores. En vez de usar siempre el modelo más avanzado y más caro, las compañías tenderían a escoger la herramienta según la complejidad del trabajo. El beneficio inmediato sería financiero, pero también operativo, porque reduce el consumo innecesario de recursos de cómputo.

El ejecutivo vinculó esta visión con la reestructuración de Coinbase en 2026 hacia una operación nativa en IA. Ese giro apuntaría a flujos de trabajo más eficientes, impulsados por agentes, en una etapa en la que muchas empresas todavía evalúan cómo integrar automatización inteligente sin perder control sobre los costos.

En paralelo, Armstrong ha mostrado una postura contraria a la sobrerregulación de la IA. Su punto sugiere que el desarrollo de esta tecnología no debería quedar limitado por políticas excesivamente restrictivas. En el fondo, la tesis descansa en la idea de que la principal barrera no será normativa ni algorítmica, sino material.

El problema de costos ya es visible en el mercado

La presión presupuestaria a la que hizo referencia Tommy Shaughnessy ayuda a entender por qué el comentario de Armstrong ha ganado atención. Como ejemplo, el inversionista citó que Uber habría agotado su presupuesto total de IA para 2026 ya en abril, un dato que retrata la rapidez con la que pueden escalar los sobrecostos en implementaciones empresariales.

Shaughnessy también destacó que modelos de código abierto como DeepSeek V4 operan dentro del rango de desempeño de los mejores sistemas propietarios a cerca de una trigésima parte del costo. Ese dato, de acuerdo con su análisis, introduce un techo práctico a lo que los laboratorios de frontera pueden cobrar si la competencia abierta sigue cerrando la brecha de calidad.

En otras palabras, si los modelos más económicos siguen mejorando, los proveedores de sistemas premium tendrán menos margen para defender precios altos solo por superioridad técnica. Eso refuerza la previsión de Armstrong de un mercado partido en dos capas: una masiva y barata, y otra más pequeña, reservada a tareas donde cada punto extra de desempeño sí justifique un costo superior.

Para lectores menos familiarizados con este debate, el punto clave es que la IA no se encarece solo por desarrollar mejores modelos. También se vuelve costosa por el hecho de ejecutarlos de forma continua, a gran escala y con baja latencia. Ese proceso requiere centros de datos, electricidad, refrigeración, chips especializados y redes capaces de sostener una demanda creciente.

Energía y centros de datos, la restricción que podría definir el sector

La conclusión de Armstrong es que la calidad entre modelos tenderá a converger a medida que las alternativas baratas recorten distancia frente a los sistemas líderes. Si eso ocurre, el factor decisivo dejará de ser únicamente qué modelo es mejor. La verdadera pregunta pasará a ser si existe suficiente infraestructura para desplegar cualquiera de ellos al nivel que exige el mercado.

Ese enfoque coincide con señales más amplias en la industria. La nota original difundida por Yahoo Finance, citando el reporte de BeInCrypto, indicó que la financiación global de capital de riesgo para IA alcanzó USD $242.000 millones en el primer trimestre de 2026. Sin embargo, ese flujo de dinero no resuelve por sí mismo la limitación de capacidad en centros de datos.

De hecho, la misma referencia apuntó que la capacidad de los centros de datos ya estaría comenzando a estancarse frente a la demanda. Ese desajuste es importante porque muestra una brecha entre capital disponible y capacidad física instalada. En sectores digitales, suele asumirse que más inversión acelera toda la cadena. En IA, Armstrong sugiere que ese supuesto tiene un límite muy concreto en la energía y el hardware.

También por eso la discusión sobre IA se conecta cada vez más con industrias como semiconductores, electricidad, refrigeración industrial e infraestructura crítica. No se trata solo de quién entrena el mejor modelo o quién lanza el agente más sofisticado. Se trata de quién puede sostener su operación cuando millones de solicitudes simultáneas exigen potencia computacional permanente.

Visto así, la postura del CEO de Coinbase no gira alrededor de qué laboratorio terminará imponiéndose en la carrera de modelos. Su tesis es más básica y más incómoda para el mercado: si la demanda de inteligencia es realmente casi infinita, el freno natural no estará en el software, sino en los límites físicos del sistema que lo hace posible.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público

Este artículo fue escrito por un redactor de contenido de IA

 


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados