El poder detrás del modelo
Los laboratorios construyen los modelos. Los hiperescaladores controlan gran parte de la nube, la energía, la distribución y el acceso…
El modelo es la estrella. El escenario pertenece a otros.
OpenAI, Anthropic y Google DeepMind moldean la imagen pública de la inteligencia artificial. Sus modelos escriben, programan, analizan y producen las demostraciones espectaculares con las que se mide la industria.
Sin embargo, un modelo no construye un centro de datos, no reserva una conexión eléctrica, no firma por sí solo un contrato empresarial plurianual ni llega automáticamente a miles de millones de usuarios. Detrás de la inteligencia visible existe un segundo poder: Microsoft, Google y Amazon controlan gran parte de la infraestructura, la distribución y las relaciones con los clientes a través de las cuales la IA se convierte en un sistema económico.
El capítulo 2 sigue ese poder detrás del modelo. Explica por qué el control duradero de la IA puede depender menos de un benchmark aislado que de la nube, los chips, los sistemas operativos, el acceso a los datos y la capacidad de financiar inversiones gigantescas durante años.
Inteligencia visible, pila invisible
El usuario experimenta la IA como ventana de chat, asistente o agente. Debajo existe una pila técnica y económica:
Electricidad → centro de datos → aceleradores y memoria → nube → modelo → capa de seguridad y datos → aplicación → distribución → cliente
Cuanto más profunda es la capa, más capital exige y más lenta resulta su sustitución. Un modelo puede perder atractivo en pocos meses. Una red mundial de centros de datos, una base de clientes empresariales o un sistema operativo no se reconstruyen con la misma rapidez.
Aquí comienza el poder de los hiperescaladores. Poseen algo más que capacidad de cómputo. Controlan contratos, identidades, bases de datos, seguridad, facturación y procesos existentes. Un modelo nuevo puede ser técnicamente impresionante; adquiere relevancia económica cuando encaja en esos sistemas.
El modelo más potente atrae la atención. La pila más fuerte retiene al cliente.
Microsoft: la distribución como arma
La principal ventaja de Microsoft es su cercanía al trabajo diario. Office, Teams, Windows, GitHub, los productos de seguridad y Azure ya ocupan el lugar donde las empresas escriben, se comunican, desarrollan y administran.
Eso permite vender IA como algo más que un producto independiente. Microsoft puede integrarla en herramientas conocidas y desplegarla mediante contratos, permisos y sistemas de facturación existentes. Para muchas empresas, este camino resulta menos arriesgado que incorporar un proveedor completamente nuevo.
La alianza con OpenAI dio a Microsoft acceso temprano a modelos punteros y proporcionó a OpenAI capital e infraestructura. En abril de 2026, la relación se volvió más flexible: Microsoft siguió siendo el principal socio de nube, mientras OpenAI obtuvo mayor libertad para utilizar otras nubes y la licencia de Microsoft sobre la tecnología de OpenAI dejó de ser exclusiva.
El cambio revela la tensión del modelo. Microsoft necesita modelos fuertes, pero quiere evitar depender de un solo laboratorio. OpenAI necesita una infraestructura inmensa, pero no quiere convertirse en una función dentro de Azure.
La protección duradera de Microsoft depende menos de la exclusividad permanente de un modelo que de su capacidad para combinar varios modelos, productos propios y datos empresariales dentro de un entorno común.
Google: la pila vertical más completa
Google reúne investigación, modelos, aceleradores propios, nube, centros de datos, búsqueda, publicidad, Android, Workspace y acceso directo a miles de millones de usuarios. Esa amplitud lo convierte en el competidor de IA más integrado verticalmente.
DeepMind desarrolla los modelos. Las TPU proporcionan parte del cómputo. Google Cloud vende infraestructura y plataformas de agentes. Search, YouTube, Android y Workspace ofrecen distribución inmediata.
La ventaja estratégica reside en la coordinación. Google puede optimizar conjuntamente modelos, chips, software y centros de datos. Una mejora de eficiencia en una capa se propaga por toda la pila. Además, puede monetizar la IA dentro de negocios que ya generan ingresos: publicidad, nube, software empresarial y productos de consumo.
El reto es la disrupción interna. La IA puede mejorar los productos existentes y modificar al mismo tiempo su economía. Una respuesta directa puede reemplazar un clic de búsqueda. Un agente puede absorber tareas que antes ocupaban varias aplicaciones. Google debe innovar más rápido de lo que se transforma su propia base de ingresos.
Amazon: la IA como negocio de infraestructura
Amazon posee otra forma de poder a través de AWS. No necesita ganar cada comparación de modelos si las empresas siguen ejecutando sus datos, aplicaciones y agentes sobre su infraestructura.
Bedrock reúne modelos de varios proveedores. Los clientes pueden utilizar Anthropic, sistemas propios de Amazon y otras opciones dentro del mismo entorno de nube y seguridad. Esta estrategia multimodelo encaja con el papel histórico de Amazon: vender las herramientas con las que otros construyen.
La colaboración estratégica con Anthropic refuerza esa posición. En 2026, AWS también abrió más ampliamente su infraestructura a OpenAI. Amazon se convierte así en mercado y proveedor de una industria cuyo modelo líder puede cambiar.
Su ventaja es la neutralidad del vendedor de infraestructura. La nube factura entrenamiento, inferencia, almacenamiento, agentes, seguridad y tráfico de red. Un modelo puede perder relevancia mientras la carga de trabajo permanece en AWS.
En la fiebre del oro de la IA, Amazon no necesita poseer todas las minas. Puede ganar cuando las carreteras, las herramientas y los almacenes pasan por AWS.
Los laboratorios necesitan la nube, y la nube necesita los laboratorios
La relación entre laboratorios de frontera e hiperescaladores es de dependencia mutua. OpenAI y Anthropic necesitan capital, chips, centros de datos y distribución global. Microsoft, Google y Amazon necesitan modelos convincentes para generar demanda de nube, retener clientes empresariales y proteger sus plataformas.
Surgen así alianzas que también son luchas de poder. El laboratorio busca varios proveedores de cómputo, acceso directo al cliente y una marca independiente. El hiperescalador intenta impedir que el laboratorio controle la interfaz más valiosa con el cliente.
El resultado combina acuerdos multinube, licencias no exclusivas, productos conjuntos y catálogos de modelos competidores. Cada parte aprovecha la dependencia de la otra mientras trata de evitar una dependencia irreversible.
La marca es decisiva para los laboratorios. Quien es percibido como asistente directo posee una relación con el cliente y puede cambiar después de infraestructura. Quien aparece solo como opción dentro de una nube corre el riesgo de ser sustituido por el siguiente modelo competente.
Dónde se queda el margen
La pregunta decisiva para el mercado de capitales no es quién presenta la demostración más inteligente. Importa qué capa de la pila conserva poder de fijación de precios.
Los laboratorios de frontera pueden cobrar precios superiores mientras sus modelos mantengan una ventaja clara. Esa ventaja cuesta mucho: entrenamiento, inferencia, investigación y seguridad consumen capital. Cuando varios modelos producen resultados parecidos, los clientes distribuyen tareas y comparan costes.
Los hiperescaladores cuentan con fuentes de ingresos más amplias. Pueden monetizar la IA mediante consumo de nube, suscripciones de software, publicidad, seguridad, bases de datos y permanencia en la plataforma. El precio directo del modelo es solo una parte.
Los fabricantes de chips y memoria se benefician de la escasez física, pero siguen siendo cíclicos. Los centros de datos y las conexiones eléctricas ganan valor cuando la capacidad existe realmente. Las aplicaciones pueden alcanzar los mayores márgenes cuando convierten la IA en un proceso concreto con beneficio medible.
El valor se desplaza por la pila. El mejor modelo recibe atención. La rentabilidad más duradera puede terminar en la empresa que controla el acceso, la infraestructura o el caso de uso productivo.
El momento peligroso para los laboratorios de frontera
Los laboratorios sufren presión cuando convergen tres fuerzas: las diferencias de calidad se reducen, el coste por tarea cae y los clientes empresariales distribuyen cargas entre varios proveedores.
El uso de IA puede seguir aumentando mientras disminuye el poder de fijación de precios de cada laboratorio. Más tokens no significan automáticamente más beneficios. El laboratorio debe financiar la investigación de frontera mientras una parte creciente del trabajo rutinario migra a modelos más baratos, sistemas locales o alternativas nativas de la nube.
La respuesta estratégica consiste en convertirse en plataforma: aplicaciones, agentes, memoria, funciones empresariales y relaciones directas con clientes. Ese movimiento entra en el territorio de sus inversores y socios de nube.
La cooperación se convierte gradualmente en competencia. El modelo quiere ser plataforma. La plataforma quiere mantener el modelo reemplazable.
Qué puede cambiar el equilibrio
El poder de los hiperescaladores es enorme, aunque puede redistribuirse. Cuatro desarrollos podrían modificarlo:
- Modelos abiertos y ejecutables localmente: reducen la dependencia de nubes centralizadas y fortalecen a empresas con infraestructura propia.
- Nuevos proveedores de cómputo: nubes especializadas, centros soberanos y aceleradores alternativos amplían la oferta.
- Plataformas directas de los laboratorios: asistentes y agentes exitosos crean relaciones que no dependen por completo del contrato de nube.
- Regulación y soberanía de datos: las reglas regionales pueden imponer nubes locales, datos portables y arquitecturas multimodelo.
La regulación también puede fortalecer a los operadores dominantes si las pruebas de seguridad, la documentación y la responsabilidad solo resultan asumibles para las mayores empresas. El mismo marco puede abrir o cerrar la competencia.
La lista de vigilancia de Gridizer Research
Las siguientes señales serán especialmente importantes para la próxima fase:
- la parte de los ingresos de IA que retienen modelos, nubes y aplicaciones;
- nuevos acuerdos de exclusividad, licencia y multinube;
- capex de los hiperescaladores frente a ingresos de IA, flujo de caja libre y depreciación;
- uso de chips propios como TPU, Trainium o Maia frente al hardware de Nvidia;
- número de empresas que enrutan varios modelos en producción;
- portabilidad de agentes, memoria, datos y sistemas de evaluación;
- disponibilidad de electricidad, centros de datos y contratos de capacidad;
- crecimiento de plataformas directas de OpenAI, Anthropic y otros laboratorios.
El poder está detrás de la ventana de chat
Las empresas de IA más famosas construyen los modelos que ve el público. La posición más duradera puede pertenecer a quienes suministran cómputo, administran clientes empresariales, integran datos y emiten la factura.
Microsoft apuesta por la distribución, Google por la integración vertical y Amazon por la infraestructura de muchos modelos. OpenAI y Anthropic intentan convertir el liderazgo tecnológico en poder de plataforma independiente.
La próxima batalla de la IA no se decidirá únicamente por la inteligencia. Se decidirá por el control del camino completo desde el electrón hasta el cliente.