Quizás piensas que para usar inteligencia artificial hace falta un data center gigante. Pero esta semana salió una cuenta que pone eso en duda.

Primero, el contexto. Anthropic, la empresa detrás de Claude, va a empezar a vender acciones en la bolsa. Y en los documentos que presentó para eso, se compromete a gastar en servidores una cantidad enorme: según los cálculos de la prensa, más de seiscientos mil millones de dólares. ¿Por qué tanto? Porque cree que la demanda de IA va a ser gigantesca.

Ahora, la cuenta. dax, uno de los creadores de OpenCode, un agente de programación parecido a Claude Code, se fijó en OpenRouter. OpenRouter es como un intermediario: con una sola cuenta puedes usar modelos de muchas empresas. Y calculó que casi todo el tráfico de DeepSeek, uno de los modelos abiertos más conocidos, cabe en un solo rack de Nvidia. Un rack es un armario lleno de servidores. Este tiene setenta y dos chips de IA, y se estima que cuesta unos seis millones de dólares.

O sea, compara las dos cifras. Por un lado, más de seiscientos mil millones de dólares en servidores. Por el otro, un solo armario de seis millones que alcanza para casi todo el tráfico de un modelo muy popular. Si con tan poco alcanza, ¿para qué tanto?

Y no es el único que lo dice. Chaofan Shou, el investigador que descubrió la filtración del código de Claude Code, cuenta que con apenas ciento veintiocho chips atiende un tercio de todo lo que procesa OpenRouter en un día. Eso sí, en sus propios números, casi todo es texto que se le envía al modelo, no lo que el modelo responde. Y procesar lo que le envías es mucho más barato que generar la respuesta.

Ahora, ojo, porque la comparación tiene trampa. Esto solo mira modelos abiertos, que son más baratos pero no tan buenos como Claude o GPT. Mucha gente usa Claude o GPT directo, sin pasar por OpenRouter, así que ese tráfico ni siquiera aparece en esta cuenta. Esos servidores también sirven para entrenar los modelos nuevos, y eso consume muchísimo. Y cuando la IA se abarata, la gente la usa todavía más.

Entonces, ¿se está exagerando cuánta IA vamos a necesitar, o simplemente no estamos viendo la parte más grande? Déjamelo en los comentarios.