Cosa que casi nadie en marketing o diseño está mirando, pero debería: AMD ya arrancó producción de sus procesadores 6th Generation EPYC "Venice", construidos en el proceso de 2nm de TSMC. Es el primer producto de high-performance computing en entrar a producción en ese nodo. Ya planearon también un "Verano" como siguiente paso.
¿Por qué te debería importar si tú vendes ads, diseño o consultoría? Porque la infraestructura de cómputo define el precio de toda la IA que estás usando. Y los movimientos en infraestructura anticipan, con 12-18 meses de adelanto, dónde se va a poder construir producto y dónde no.
La capa que casi nadie ve
La conversación pública sobre IA pasa por tres capas, pero solo se discute la primera:
Capa 1 — Modelos y productos: ChatGPT, Claude, Gemini, Perplexity, Copilot. Esto es lo que sale en TechCrunch y The Verge.
Capa 2 — Infraestructura de software: orquestación, fine-tuning, vector databases, MCP, agentes. Se discute en Hacker News y entre developers, pero no en el mainstream.
Capa 3 — Infraestructura de hardware: chips, fabs, energía, redes. Casi nadie habla de esto fuera de SemiAnalysis y un par de newsletters técnicos. Pero esta capa define los costos de todo lo de arriba.
AMD Venice cae en la capa 3. Y aquí está por qué cambia cosas.
El monopolio de NVIDIA bajo presión
NVIDIA ha dominado el compute de IA durante la última década gracias a su combo CUDA + GPUs especializadas + ecosistema de software. Eso le permitió cobrar márgenes de 70-80% en chips H100, H200 y B100, y mantener cola de espera de empresas pidiendo más.
AMD Venice ataca exactamente ese moat. El proceso 2nm de TSMC ofrece:
- 30-40% menos consumo energético a misma performance (clave porque la energía es el costo dominante en data centers de IA).
- Más density de transistores, lo que permite más operaciones por área de silicio.
- Mejor performance per dollar en workloads no-CUDA específicos.
¿Va AMD a desplazar a NVIDIA mañana? No. ¿Va a presionar precios a la baja y forzar a NVIDIA a competir más agresivamente? Sí. Y ahí es donde tú ganas.
Por qué un marketer debería saber esto
Si los chips de IA bajan 20% en costo, los proveedores de modelos (Anthropic, OpenAI, Google) eventualmente reflejan ese ahorro en pricing de API. Los precios de Claude API ya bajaron significativamente entre Opus 4 ($15/$75 por millón de tokens) y Opus 4.6/4.7 ($5/$25) — un recorte de 67%. Sonnet bajó proporcionalmente.
Esto significa que integraciones de IA que hace 18 meses eran prohibitivamente caras (chatbots con buen contexto, agentes multi-paso, personalización masiva), ahora caben en presupuestos de PyMEs.
Ejemplo concreto: usar Sonnet 4.6 para personalizar 10,000 mensajes de outreach con 500 tokens de input y 200 de output cada uno cuesta aproximadamente $30 USD. Hace dos años, lo equivalente costaba $300+. Con prompt caching, baja a $5.
Cada caída de precio abre casos de uso que antes no cerraban en ROI. Eso es demanda elástica: a precios más bajos, mucho más uso.
La otra carrera: quantum + IA
En paralelo a la batalla AMD vs NVIDIA, IBM está construyendo lo que llama un stack unificado de IA + quantum computing para desarrollo abierto. Quantum sigue siendo nicho — todavía no es práctico para 99% de los workloads de producción. Pero el stack ya se está armando, y los primeros casos de uso comerciales (criptografía, simulación molecular, optimización combinatoria) ya están en producción en sectores específicos como farmacéuticas y servicios financieros.
Si tu industria toca alguno de esos sectores, vale la pena tener el radar puesto.
La geopolítica de los chips
No se puede hablar de infraestructura de IA sin hablar de TSMC y Taiwan. Más del 90% de los chips de high-end del mundo se fabrican ahí. La concentración geográfica es un riesgo sistémico real, y Estados Unidos, Japón, Corea del Sur y la Unión Europea están metiendo cientos de miles de millones para construir fabs alternas.
¿Eso te afecta? Sí, en dos formas:
1. Disponibilidad: si hay disrupción geopolítica, los precios de chips suben y los lead times se alargan.
2. Regulación: los export controls de EE.UU. a China en chips ya cambian qué modelos se pueden entrenar dónde, y eso afecta indirectamente la oferta global.
Lo que recomendamos mirar
Si tienes un rol técnico o de producto en una empresa que depende de IA (que cada vez son más empresas), estos son los indicadores que vale la pena monitorear trimestralmente:
1. Precios de tokens en proveedores principales (Anthropic, OpenAI, Google). Reflejan costos de cómputo.
2. Tiempo de espera para acceso a modelos premium. Si hay shortage, los precios suben o el acceso se vuelve quota-limited.
3. Avances en chips alternativos: AMD MI series, chips custom de Google (TPUs), Amazon (Trainium, Inferentia), Microsoft (Maia).
4. Open weights models: Llama, Mistral, DeepSeek, Qwen. Cuando estos son competitivos con propietarios, el pricing del mercado entero se ajusta.
Conclusión: la capa aburrida define el resto
La "guerra de los modelos" (GPT vs Claude vs Gemini) es solo la capa visible. Abajo hay otra guerra silenciosa por silicio, energía y software de orquestación. Esa guerra define qué será posible construir en 2027 y a qué precio.
No necesitas saber detalles técnicos de fabricación de chips. Pero sí vale la pena entender que cuando AMD Venice entra a producción en 2nm, el efecto downstream es que tu próximo proyecto con IA va a costar menos y tener más capacidades.
¿Estás evaluando integrar IA a tu producto y quieres entender el costo real? En Geek Vibes ayudamos a dimensionar y arquitectar integraciones de IA. Escríbenos a comercial@geekvibes.agency.
