El gasto mundial en infraestructura de IA optimizada en la nube alcanzará los 42.000 millones de dólares en 2026, un 96% más que el año anterior, según las previsiones de Gartner. Por primera vez, la mayor parte de esa inversión —23.300 millones de dólares, el 55% del total— se destinará a inferencia, es decir, a ejecutar modelos ya entrenados para responder a los usuarios, por encima de los 19.000 millones reservados al entrenamiento de nuevos modelos. Gartner estima que el mercado seguirá creciendo hasta los 66.100 millones en 2027.
El cambio responde a la naturaleza económica de cada fase: entrenar un modelo exige una inversión elevada pero finita, mientras que inferir implica un coste recurrente que escala con cada consulta. En la era de los agentes de IA, las peticiones se multiplican y algunos análisis sitúan la inferencia entre el 80% y el 90% del coste total de vida de un sistema de IA. Para Meta, Google, Amazon y Microsoft, la inteligencia artificial deja de ser un proyecto de inversión para convertirse en un gasto operativo continuo, lo que obliga a rediseñar centros de datos pensando en latencia, eficiencia energética y coste por token.
El trasvase de recursos hacia la inferencia tiene además consecuencias para el consumidor: fabricantes como Samsung, Micron y SK Hynix concentran su producción de DRAM y memoria HBM en servidores para IA, lo que encarece módulos de RAM, SSD, discos duros y tarjetas gráficas para usuarios domésticos.