Las tarifas de alquiler de GPU de Nvidia en la nube suben a pesar del envejecimiento del hardware, según un informe

En una desviación de las tendencias establecidas de depreciación de hardware, las tarifas de alquiler en la nube para los procesadores de centros de datos de generación anterior de Nvidia han subido desde principios de año, según la información del editor del medio tecnológico Rohail Saleem.

El precio de alquiler de las unidades de procesamiento gráfico (GPU) más antiguas, incluidas las arquitecturas A100 y H100 de Nvidia, se ha situado por encima de las tarifas registradas a principios de 2026. Al mismo tiempo, las tarifas de alquiler para el hardware más nuevo, como el H200 enfocado a empresas y los chips B200 de gama alta basados en la arquitectura Blackwell de Nvidia, continúan registrando los precios más elevados entre los proveedores de infraestructura en la nube. El B200 se sitúa actualmente justo por debajo de los $6 por hora, según el informe.

Los hallazgos ponen de relieve una dinámica de mercado inusual en la industria de la informática empresarial, donde la rápida innovación suele provocar que las generaciones anteriores de semiconductores pierdan valor monetario rápidamente a medida que entran al mercado chips más rápidos y eficientes.

## Trayectoria ascendente para los procesadores heredados

Según los modelos estándar del ciclo de vida de la tecnología, el lanzamiento de nuevas microarquitecturas de procesadores reduce la demanda del mercado secundario y las tarifas de alquiler del hardware heredado. Sin embargo, los datos recopilados en el informe por Rohail Saleem muestran que las instancias en la nube impulsadas por las GPU A100 y H100 de Nvidia registran actualmente tarifas por hora más altas que a principios de 2026.

El procesador A100, presentado originalmente en 2020, y el H100, lanzado en 2022 bajo la arquitectura Hopper, siguen siendo pilares fundamentales de la infraestructura global de inteligencia artificial. A pesar del posterior despliegue comercial del H200 y de la generación de gama alta Blackwell, los proveedores de la nube mantienen un fuerte poder de fijación de precios en estos modelos de chips más antiguos.

Esta tendencia al alza de los precios sugiere que los compradores de capacidad de cómputo en la nube se enfrentan a una brecha persistente entre el suministro de hardware disponible y la demanda total del mercado. En lugar de migrar por completo a unidades de procesamiento más nuevas, muchas empresas y desarrolladores de software continúan dependiendo en gran medida de los clústeres de generación anterior para mantener sus operaciones en curso.

## La generación Blackwell alcanza las tarifas más altas

En la gama alta del mercado de la computación en la nube, los chips insignia B200 de Nvidia mantienen tarifas de alquiler prémium. Según la información de Saleem, las instancias en la nube B200 se sitúan actualmente en tarifas apenas por debajo de los $6 por hora.

El procesador B200, diseñado para gestionar modelos de inteligencia artificial a escala masiva de parámetros, representa el referente actual para el entrenamiento de IA de frontera y la ejecución de alto rendimiento. El precio por hora del chip refleja tanto su posición en la cima de la jerarquía de rendimiento como las cuantiosas inversiones de capital requeridas por los proveedores de servicios en la nube para construir clústeres de servidores basados en Blackwell.

Mientras tanto, los niveles de hardware intermedios, como el H200 —que presenta un ancho de banda de memoria mejorado en comparación con el H100 base—, también están experimentando una continua presión al alza en los precios de alquiler. El coste sostenido en los cuatro niveles de productos (A100, H100, H200 y B200) indica que los aumentos de tarifas no son aislados ni exclusivos de chips de nicho, sino que se están produciendo en todo el mercado general de alquiler de GPU empresariales.

## Desafiando la depreciación tradicional del hardware

En los mercados de hardware empresarial convencionales, los equipos de servidores se deprecian de forma predecible con el tiempo. A medida que los fabricantes de semiconductores lanzan nuevos nodos de proceso y microarquitecturas más eficientes, el equipo más antiguo suele tener descuentos para atraer cargas de trabajo de cómputo de menor nivel.

El comportamiento actual de los precios de los chips empresariales de Nvidia altera este marco económico. La utilidad sostenida de los chips maduros como el A100 y el H100 se ve respaldada por ecosistemas de software y flujos de trabajo de desarrollo consolidados que se ejecutan de forma fiable en arquitecturas de hardware más antiguas sin requerir una nueva optimización para los diseños de chips más recientes.

Además, el gasto de capital requerido para comprar hardware más nuevo a gran escala ha llevado a muchas empresas de software empresarial a alquilar capacidad de cómputo según sus necesidades en lugar de adquirir servidores físicos directamente. Este modelo operativo traslada la demanda directamente al mercado de alquiler, donde los agregadores en la nube y los proveedores de alojamiento especializados fijan las tarifas por hora en función de la liquidez inmediata del mercado.

## Distribución de cargas de trabajo entre niveles de GPU

La persistencia de altas tarifas de alquiler en múltiples generaciones de chips refleja una división del trabajo en la forma en que se asignan las cargas de trabajo de inteligencia artificial en la infraestructura de los centros de datos.

El entrenamiento de modelos de frontera —que requiere ingentes cantidades de memoria y un ancho de banda de interconexión entre chips extremo— se concentra principalmente en hardware de última generación como el B200 y el H200. Estas cargas de trabajo justifican las tarifas de alquiler por hora más elevadas debido a la necesidad de minimizar los tiempos de entrenamiento globales para redes neuronales complejas.

Por el contrario, las tareas más ligeras, como el ajuste fino de modelos, la adaptación a dominios específicos y la ejecución operativa en tiempo real (inferencia), se dirigen con frecuencia a clústeres A100 y H100. A medida que el volumen global de aplicaciones de IA desplegadas se expande, la demanda agregada de procesamiento de inferencia ha aumentado junto con la demanda de entrenamiento, lo que impide que la capacidad de las GPU más antiguas quede ociosa o baje de precio.

## Implicaciones más amplias para la economía de la infraestructura en la nube

Para los proveedores de servicios en la nube y las empresas especializadas en alojamiento de GPU, la capacidad de cobrar tarifas de alquiler más altas por activos de hardware total o parcialmente amortizados proporciona un impulso significativo a los márgenes operativos. Los clústeres heredados de los que se esperaba que ofrecieran menores rendimientos en 2026 continúan, en cambio, generando sólidos flujos de caja.

Sin embargo, para las empresas emergentes de inteligencia artificial y los laboratorios de investigación corporativos, los elevados costes de alquiler representan un desafío operativo constante. Los gastos de infraestructura siguen siendo una de las partidas presupuestarias más importantes para las empresas que desarrollan o despliegan software de aprendizaje automático. Dado que el alquiler de chips más antiguos se vuelve más caro en lugar de más barato, el alivio en los costes informáticos sigue siendo esquivo para los desarrolladores que buscan capacidad de gama media.

El panorama general del mercado sigue estando definido por las limitaciones de capacidad de los centros de datos, incluida la disponibilidad local de energía eléctrica y los plazos de entrega de bastidores de servidores, lo que limita la rapidez con la que se puede poner en funcionamiento nueva capacidad de cómputo para aliviar las presiones sobre los precios.

## Perspectivas para la capacidad de cómputo

Los analistas del sector continúan supervisando si el entorno de precios actual representa un pico temporal impulsado por los ciclos de despliegue actuales o un cambio estructural a más largo plazo en la economía de los semiconductores para servidores.

Si los proveedores en la nube continúan poniendo en funcionamiento infraestructura adicional basada en Blackwell durante el resto del año, el aumento de la oferta de cómputo de gama alta podría eventualmente alterar la dinámica de precios para las líneas de hardware más antiguas. Sin embargo, mientras la demanda total del mercado para entrenamiento e inferencia de IA siga superando la capacidad total instalada de los clústeres, las GPU heredadas parecen estar preparadas para mantener una solidez atípica en sus precios.

La información para este artículo fue realizada originalmente por Rohail Saleem.