¡Cada millón de tokens cae por debajo de 1 dólar! Goldman Sachs: el “aumento del volumen y colapso del precio” sacude la lógica de inversión en capital para la IA

La narrativa central de la inversión en infraestructura de IA está enfrentando graves desafíos en los fundamentos de la economía unitaria. La velocidad del colapso en los precios de los tokens ha superado las expectativas previas del mercado, sacudiendo radicalmente la lógica de ingresos que ha sostenido las valoraciones del sector de IA en los últimos dos años.

Según el último informe de Rich Privorotsky, jefe de la mesa de negociación One-Delta de Goldman Sachs, el Silicon Data LLM Token Expenditure Index (código: SDLLMTK), que mide el precio promedio ponderado por millón de tokens utilizados en el mercado, cayó un 29% solo en agosto, cerrando el mes en aproximadamente 0,97 dólares, un mínimo histórico, y acumula una baja de más del 50% desde el máximo de mayo en torno a 2,05 dólares. Es la primera vez que este índice cae por debajo de 1 dólar por millón de tokens.

Al mismo tiempo, según el informe del centro de datos de JP Morgan, el volumen de tokens usados en la plataforma OpenRouter creció alrededor de un 47% intermensual en agosto, pero el gasto en dólares apenas subió un 7%. Esta diferencia entre aumento de volumen y caída de precios revela directamente la contradicción central de la actual lógica de inversión en IA: los retornos bursátiles se calculan en dólares, no en cantidad de tokens, y el gasto de capital a gran escala en centros de datos se basa en expectativas de ingresos en dólares.

Privorotsky señala claramente en el informe: "Más demanda junto con precios más bajos, si la caída de precios supera el ritmo de aumento de consumo, no necesariamente es positivo".

Colapso del precio de los tokens: No es que la demanda desaparezca, sino que el precio unitario se desmorona

El LLM Token Expenditure Index de Silicon Data no mide la cantidad de demanda de tokens, sino que es un índice de precios ponderado por volumen de uso. La empresa ya ha advertido al mercado que la caída de este índice puede originarse en la rebaja de precios, la migración de usuarios hacia modelos open source de menor costo, o una combinación de ambos factores, y no implica que el uso de IA esté decreciendo.

Sin embargo, este es precisamente el problema. El tráfico de OpenRouter ha aumentado considerablemente, mientras que el precio de alquiler de GPU H100 sigue bajando, lo que contradice la narrativa de “demanda de tokens en auge”. Privorotsky apunta que los datos de agosto muestran un patrón claro: el volumen sube notablemente, el precio cae aún más y el gasto en dólares se mantiene casi al mismo nivel.

La conclusión de Goldman Sachs es: la valoración accionaria de los últimos dos años estaba basada en el supuesto de "más tokens significa más ingresos", y los datos de agosto demuestran por primera vez, de manera clara, la ruptura de este supuesto.

Competencia intensificada e inferencia local: erosión estructural al modelo de precios por token

Privorotsky declara sin rodeos en el informe que es escéptico sobre el modelo de negocio “cobro por token” como solución sostenible. La lógica de fijar precios por millón de tokens en inferencia en la nube depende de que se cumplan simultáneamente tres premisas: el modelo debe ser demasiado grande como para operar localmente, el usuario no debe poder reemplazarlo por opciones de open source y la carga de trabajo debe ser suficientemente volátil como para no justificar inversión propia en capacidad de cómputo. Estas tres premisas se están desmoronando al mismo tiempo.

En cuanto a hardware, notebooks con RTX Spark, estaciones de trabajo DGX Spark, Mac Studio capaces de operar modelos de hasta 70 mil millones de parámetros, y NPUs con capacidad de 40 a 75+ TOPS han llevado el costo marginal de muchos tokens casi al nivel del gasto eléctrico. Cuando la factura mensual por APIs de una empresa supera el costo amortizado de equipos propios de entre 5000 y 15000 dólares, dicha empresa pasa de ser consumidora de tokens a compradora de hardware, y deja de contribuir regularmente a los márgenes del 40% de ingresos por suscripción de software.

En cuanto a la competencia de modelos, desde el 2 de septiembre, Meta lanzó Muse Spark 1.3, que en benchmarks independientes ya se ubica en la misma liga que GPT-5.6 Sol y Claude Opus 5, destacándose en tareas de agentes inteligentes y generación de código. Privorotsky enfatiza: “La ventaja de vanguardia se mide en semanas, no es una barrera de entrada, solo un ciclo de producto”. Siempre que el modelo alternativo sea suficientemente bueno y más barato, las empresas esquivarán los servicios premium, reflejando exactamente esta lógica en el índice de precios de tokens, que constituye una especie de “agregado de rutas de decisión”.

Lógica de capital bajo presión: el mercado de crédito ya ha dado una señal de alerta

Según el informe de Goldman Sachs, el ciclo actual de inversión en infraestructura de IA no es un gasto operativo flexible, sino compromiso de activos fijos ya adquirido. De acuerdo al informe, en 2026 se estima que cinco gigantes de la nube calificados invertirán en conjunto unos 737 mil millones de dólares en capex, el 38% de sus ingresos. Moody’s ya ha advertido sobre la compresión del flujo de caja libre, la transición del balance de activos ligeros a pesados, y compromisos de leasing que no figuran como bonos pero que representan restricciones sustanciales para los emisores.

El mercado de crédito ha reaccionado antes que el bursátil. Según estadísticas sobre los bonos relacionados, de los 91 bonos emitidos en 2026 por gigantes de la nube, 78 ya cotizaban por debajo del precio de emisión hacia finales de agosto. Privorotsky describe esto como una “revalorización del crédito”, subrayando que los múltiplos bursátiles son un indicador rezagado.

La cadena lógica es clara: el precio de los tokens baja un 30%, el uso sube un 20%, el ingreso por inferencia baja; bajan los ingresos por inferencia mientras la depreciación y los intereses durante el ciclo de construcción 2025-2027 siguen aumentando, y el ROI se desploma; con esto, ya no hace falta un relato dramático de “burbuja pinchada”, solo ajustar los múltiplos de valoración al nivel de una empresa de servicios públicos con abundante infraestructura pero limitada capacidad de fijar precios.

GPT-6 Astra: la única variable narrativa capaz de revertir la situación

Privorotsky señala en el informe que Astra, el próximo modelo de OpenAI, es el único catalizador de corto plazo que podría cambiar el escenario. El 1 de septiembre, OpenAI informó que Astra ya cumplió los requisitos clave de ciberseguridad bajo su Preparedness Framework, siendo el primer modelo en lograrlo.

No obstante, desde la mesa de negociación de Goldman Sachs mantienen cautela. Un modelo potente, limitado en acceso, sujeto a monitoreo y con fricción de uso elevada, no repone automáticamente el flujo de ingresos por tokens. Si las cargas de trabajo de alto valor siguen en entorno de pruebas controladas y no pasan a sistemas de cobro público, Astra incluso podría reducir la cantidad de tokens facturables.

El informe concluye que Astra es la última variable de corto plazo con capacidad de reorientar la combinación de ingresos hacia segmentos de alto valor. Hasta entonces, los datos de precios de tokens de agosto son la señal más fidedigna del estado de mercado actual: la demanda puede crecer sin tope, pero si los precios asociados a esa demanda infinita no alcanzan a cubrir los costos de la deuda emitida para construir centros de datos, las acciones igual pueden caer.