Opinión de: Jesus Rodriguez, cofundador de Sentora
OpenAI está cerca del punto en el que lanzar su propio token de criptomonedas es un movimiento de financiación realista y quizás inevitable, aunque OpenAI no ha anunciado tales planes. Esta idea podría no ser tan descabellada como suena.
La escala de los recientes acuerdos de computación por valor de billones de dólares de OpenAI, combinada con el interés de larga data de Sam Altman en las primitivas criptográficas, hace que un instrumento de financiación tokenizado sea una posibilidad muy real. Si los modelos son motores que transforman la computación en inteligencia, los tokens pueden ser el combustible que los mercados utilizan para fijar el precio de esa computación en tiempo real.
El apetito de OpenAI por la computación ahora rivaliza con la infraestructura de un estado-nación. En el momento de escribir esto, OpenAI tiene aproximadamente 13.000 millones de dólares en ingresos y alrededor de 1,4 billones de dólares en compromisos de computación. El desajuste requiere cierto nivel de creatividad financiera.
Un token de criptomonedas, estructurado pragmáticamente como computación prepagada más un beneficio opcional, podría convertirse en la primitiva de financiación que se ajuste a esta curva de demanda sin sacrificar el control estratégico. Altman ha insinuado repetidamente que las ambiciones de OpenAI requerirán formas alternativas de financiación, incluso bromeando con “un nuevo tipo de instrumento financiero muy interesante”.
Dada su visible trayectoria criptográfica, un token de criptomonedas de OpenAI puede ser controvertido, pero es totalmente factible cuando se enmarca como computación prepagada con derechos estrictamente definidos.
Los acuerdos de computación de billones de dólares podrían requerir una nueva estructura de capital
La moderna pila de modelos de lenguaje grandes (LLM) sigue leyes de escalado simples. Más computación conduce a mejores modelos, lo que lleva a más usuarios y aún más computación. OpenAI está operando ahora en la parte empinada de esa curva. Las ejecuciones de entrenamiento duran meses, la inferencia está siempre activa y el perfil de gasto de capital se asemeja a construir una nueva nube cada año.
Por eso estamos viendo megaacuerdos: compromisos de compra de GPU por varios años, construcción de centros de datos, asociaciones de capital por chips y grandes líneas de crédito ancladas por hiperescaladores y fabricantes de chips.
Puedes ver esta nueva geometría de capital solo en los acuerdos revelados. Microsoft ha añadido 250.000 millones de dólares adicionales en compromisos de Azure a su participación accionaria, mientras que Oracle ha surgido como un socio principal a través del programa Stargate, con informes que indican 300.000 millones de dólares de capacidad de Oracle Cloud Infrastructure (OCI) durante cinco años.
Amazon se ha unido a la pila con un acuerdo de Amazon Web Services (AWS) de siete años y 38.000 millones de dólares, y la nube nativa de GPU CoreWeave ha elaborado un contrato de tres etapas que ahora asciende a 22.400 millones de dólares en infraestructura.
Por el lado del silicio, OpenAI tiene una carta de intención con Nvidia para implementar al menos 10 gigavatios de sistemas junto con hasta 100.000 millones de dólares en inversión de Nvidia, un acuerdo multigeneracional de seis gigavatios para GPU AMD Instinct, y un programa de codesarrollo de 10 gigavatios con Broadcom para aceleradores personalizados, además de la capacidad no revelada que se está preparando a través de Google Cloud y otros socios.
Colectivamente, estos arreglos suman una apuesta a escala de billones de dólares en futuros ciclos de computación, financiada a través de contratos opacos vinculados a proveedores que se comportan más como derivados de infraestructura exóticos que como facturas de nube tradicionales, que es precisamente el tipo de estructura que un crédito de computación tokenizado y líquido podría ayudar a normalizar y exponer a la fijación de precios del mercado.
Ya hemos visto surgir los contornos de una estructura de capital sin precedentes. Los chips se convierten efectivamente en capital cuando los acuerdos de suministro de GPU a largo plazo funcionan como financiación respaldada por activos: reducen los costos unitarios y garantizan la capacidad, pero a costa de enormes obligaciones futuras vinculadas a las hojas de ruta de entrenamiento.
Además, las estructuras de capital por chips, donde los proveedores obtienen un beneficio en el capital de OpenAI a cambio de una asignación preferencial, empujan el riesgo de financiación más profundamente en la cadena de suministro y acoplan estrechamente las trayectorias de los productos a las hojas de ruta del hardware.
Luego están los prepagos en la nube y los acuerdos de construcción-transferencia, en los que los hiperescaladores adelantan los gastos de capital de los centros de datos a cambio de exclusividad de plataforma y una participación en los ingresos, intercambiando el alivio de efectivo a corto plazo por el bloqueo de plataforma a largo plazo.
Estos acuerdos subrayan un nuevo patrón: la computación se financia a través de contratos multicíclicos vinculados a proveedores que se comportan como gastos de capital a largo plazo, exactamente el tipo de compromiso irregular que un crédito tokenizado con precio de mercado podría suavizar.
Las criptomonedas se construyeron para una coordinación elástica y global. Un token puede fijar el precio de la demanda de forma continua, agrupar capital en diferentes geografías y liquidarse instantáneamente, características difíciles de replicar con capital o deuda convencionales.
Qué podría ser un token pragmático de OpenAI
Piensa menos en una memecoin y más en un instrumento. Un token pragmático de OpenAI podría situarse en alguno de tres patrones de diseño, si se persigue. El primero es un token de crédito de computación puro: un derecho transferible sobre el tiempo futuro de inferencia o entrenamiento, esencialmente créditos onchain canjeables en puntos finales aprobados.
Esta versión simplemente pre-vende capacidad, vincula la demanda del token al uso real del modelo y elude la semántica cuasi-equitativa; el canje podría indexarse a un programa de medición público (tokens por segundo de modelos específicos).
Una segunda variante es una nota de financiación tokenizada: un derecho con ganancias limitadas y vinculado a los ingresos, pagado en fiat o créditos, pero envuelto como un token para su distribución global y liquidez secundaria. Los cupones podrían hacer referencia a los ingresos de la API o a cohortes de productos particulares y convertirse en créditos de computación bajo estrés, canalizando la presión especulativa hacia el uso real y reduciendo la desalineación.
Un token de computación no se quedaría simplemente en el balance. Conectaría a OpenAI a un bucle de mercado reflexivo. Cuando el token cotiza a un valor alto, el capital es barato, se construyen más clústeres, los modelos mejoran y la demanda de computación aumenta, apoyando el precio del token. Cuando el token se vende, ese bucle funciona a la inversa, creando la versión nativa de IA de una corrida bancaria: una "corrida sobre la computación", donde la caída de los precios del token señala dudas sobre la economía futura del modelo mucho antes de que se reflejen en los ingresos.
Esto también cambia el equilibrio de poder con los proveedores de hiperescala y los proveedores de chips. Hoy, ellos controlan los precios y la asignación a través de contratos opacos y a largo plazo. Un precio de computación líquido establecido en el mercado abierto dificultaría que cualquier proveedor extraiga rentas desproporcionadas, y los obligaría a sortear el token, adoptarlo (para garantía o pago) o lanzar sus propios criptoactivos de computación competidores. El verdadero juego, en ese mundo, no es solo si los mercados de criptoactivos adoptan un token de OpenAI, sino cuán rápido el oligopolio de computación existente decide copiarlo o usarlo como arma.
La clave del token
Los tokens no son una religión; son una herramienta. El problema de OpenAI no es el capital en abstracto, sino programar el capital contra la geometría de la computación. Las criptomonedas te proporcionan un balance programable, lo que te permite fijar el precio de los minutos, pre-vender acceso y obtener liquidez de internet a la velocidad a la que evolucionan tus modelos.
Si la empresa continúa firmando acuerdos cada vez más complejos de chips como capital y acuerdos de nube con reparto de ingresos, un crédito de computación tokenizado es la tercera pata lógica, una que convierte el mercado en un balanceador de carga para la inteligencia.
Si la IA son gradientes sobre datos, la financiación debería ser gradientes sobre la demanda. El próximo avance puede no ser solo un mejor optimizador, sino una mejor manera de financiarlo.
Opinión de: Jesus Rodriguez, cofundador de Sentora.
Este artículo de opinión presenta el punto de vista experto del colaborador y puede no reflejar las opiniones de Cointelegraph.com. Este contenido ha sido sometido a revisión editorial para asegurar claridad y relevancia; Cointelegraph mantiene su compromiso con la información transparente y con la defensa de los más altos estándares del periodismo. Se anima a los lectores a realizar su propia investigación antes de tomar cualquier acción relacionada con la empresa.
Este artículo de opinión presenta la perspectiva experta del colaborador y puede no reflejar las opiniones de Cointelegraph.com. Este contenido ha sido sometido a una revisión editorial para garantizar la claridad y la relevancia, y Cointelegraph mantiene su compromiso con la transparencia informativa y los más altos estándares del periodismo. Se recomienda a los lectores que realicen su propia investigación antes de tomar cualquier acción relacionada con la empresa.
