- Si xAI incumple su deuda, los prestamistas podrían tomar control de Colossus, compuesto por 200.000 GPU, y arrendarlo, pero su valor real depende mucho más del estado operativo y el conocimiento tácito del equipo que del hardware
- La financiación con GPU como garantía se expandió alrededor de xAI y CoreWeave, pero la falta de infraestructura para fijar precios hace que riesgos difíciles de medir se reflejen en tasas de préstamo aproximadamente 8,5 puntos porcentuales por encima de la tasa de referencia
- El alquiler de H100 cayó de unos 8 dólares por hora a comienzos de 2024 a 1,70 dólares en octubre de 2025, y luego repuntó a 2,35 dólares en marzo de 2026, lo que dificulta predecir el valor residual y los ingresos futuros por alquiler
- Incluso para la misma GPU, CoreWeave estima una vida útil de 6 años y Nebius de 4 años; además, el ciclo de productos de NVIDIA se acortó de 2 años a 1 año, por lo que puede ampliarse la brecha entre valor contable y valor de recuperación
- En las garantías con GPU existen distintos valores: valor nominal contable, valor de venta urgente y valor en operación normal; si falla la transición operativa, resulta difícil mantener un clúster adquirido por contrato como activo generador de ingresos
Cuando se va el equipo de operaciones, cambia el valor de la garantía
- A diferencia de un edificio, el valor de un clúster de GPU cambia según si permanece el equipo de operaciones que conoce cómo se aprovisiona, su rendimiento actual y las particularidades del hardware
- El informe técnico de Llama 3 de Meta registró 419 interrupciones inesperadas durante 54 días de entrenamiento con 16.384 H100
- Incluyó 148 fallas de GPU y 72 fallas de memoria HBM3; la tasa anual de fallas de las GPU en centros de datos modernos se calcula en aproximadamente 9%
- A escala de 200.000 GPU, unas 50 fallan por día; a la escala de 1 millón que xAI tenía como objetivo, Epoch AI estima una falla aproximadamente cada 3 minutos
- En el riesgo crediticio, no solo importan las fallas evidentes
- La corrupción silenciosa de datos (SDC) hace que una GPU produzca resultados incorrectos sin detenerse, y puede dañar los pesos del modelo incluso después de completar aparentemente bien varios días de entrenamiento
- Una falla en cadena, en la que una sola GPU interrumpe un trabajo de entrenamiento distribuido entre miles de equipos, puede hacer perder días de cómputo
- También ocurren de forma persistente el thermal throttling, errores de memoria ECC, inestabilidad de NVLink y problemas en los que la GPU desaparece del bus
- NVIDIA NVSentinel aborda la limitación de la monitorización tradicional, que detecta problemas pero no los resuelve, y Crusoe AutoClusters reduce el tiempo en cola, la mayor variable controlable en el throughput efectivo de un clúster
- Sin estas herramientas, la recuperación puede tardar desde horas hasta días
- El equipo de operaciones sabe qué racks se sobrecalientan en verano, qué circuitos de refrigeración quedaron inestables tras una actualización de firmware y qué trabajos deben desviarse de nodos que degradaron su rendimiento antes de fallar por completo
- Ese conocimiento queda más como conocimiento tácito interno del equipo que como documentación, y no figura en el balance ni en el alcance de acceso de los prestamistas
La estructura financiera en la que las propias GPU son la garantía
- En los últimos 18 meses, la financiación de infraestructura de IA pasó de deuda basada en crédito corporativo a deuda respaldada por las propias GPU
- El vehículo de propósito especial (SPV) xAI Colossus 2 está compuesto por unos 7.500 millones de dólares de capital propio y 12.500 millones de dólares de deuda
- NVIDIA aporta hasta 2.000 millones de dólares del capital propio, y Valor Equity Partners lidera la inversión de capital
- Apollo y Diameter participan en el tramo de deuda
- El SPV compra GPU de NVIDIA y las arrienda a xAI por 5 años; la deuda está garantizada por las GPU, no por todo el balance de xAI
- El préstamo de 5.000 millones de dólares para xAI, estructurado por Morgan Stanley en junio de 2025, otorga a los prestamistas el derecho, en caso de incumplimiento, a tomar control del clúster Colossus de 200.000 GPU en las afueras de Memphis, arrendarlo a otras empresas de IA y recuperar el préstamo
- La tasa de la financiación de 5.000 millones de dólares de xAI fue de hasta 12,5%, y las operaciones de CoreWeave respaldadas por GPU se fijaron aproximadamente 8,5 puntos porcentuales por encima de la tasa de referencia antes de que mejoraran sus condiciones
- CoreWeave tiene 18.800 millones de dólares de deuda respaldada por GPU a través de varios SPV
- El contrato de 50.000 millones de dólares entre FluidStack y Anthropic usa una estructura distinta, en la que Google garantiza los pagos de alquiler, pero la lógica es la misma: financiarizar los activos de infraestructura de IA y los flujos de efectivo por arrendamiento
- La mayoría de las neoclouds y los principales laboratorios de investigación de IA se financian de esta manera
Falta de descubrimiento de precios y de instrumentos de cobertura
- Aeronaves, barcos, autos, bienes raíces comerciales y petróleo cuentan con infraestructura de descubrimiento de precios acumulada durante décadas
- Las aeronaves tienen tasadores certificados por ISTAT, registros globales, historiales de mantenimiento estandarizados, pilotos de traslado y un mercado de segunda mano formado desde la década de 1970
- Los barcos tienen BICA, los autos tienen NADA, y las oficinas clase A cuentan con tasas de capitalización estándar y comparables de vacancia
- El petróleo tiene curvas de precios forward desde comienzos de los años 80
- En el mercado de GPU apenas existen el H100 Rental Index de Silicon Data, lanzado en terminales Bloomberg en 2024, y Ornn AI, que recaudó 5,7 millones de dólares en octubre de 2025 para construir la primera bolsa regulada de derivados de cómputo GPU
- La tarifa por hora de alquiler de H100 cayó de unos 8 dólares a comienzos de 2024 a 1,70 dólares en octubre de 2025, y luego repuntó 40% hasta 2,35 dólares en marzo de 2026 por una demanda de inferencia inesperada
- En préstamos para aeronaves o barcos sería difícil suscribir deuda a 5 años garantizada por un activo con movimientos de precio así sin instrumentos de cobertura
- Los préstamos respaldados por GPU de CoreWeave están unos 8,5 puntos porcentuales por encima de la tasa de referencia, mientras que un préstamo aeronáutico típico está 1 a 2 puntos porcentuales arriba, y las hipotecas comerciales suelen estar por debajo de eso
- Los aproximadamente 6 a 7 puntos porcentuales adicionales son el precio del riesgo que asumen los prestamistas en ausencia de un mercado de futuros de GPU, curvas estándar de valor residual e instrumentos para fijar alquileres futuros
- Si el mercado madura y aparecen productos de cobertura, curvas estandarizadas de valor residual y un mercado de GPU usadas, los spreads de tasas y el costo de capital de la infraestructura de IA podrían bajar
- Entonces, las empresas favorecidas no serán las que hoy consigan GPU al menor precio, sino las que puedan acceder a deuda de bajo costo una vez que madure la infraestructura financiera
Incertidumbre sobre la vida útil de las GPU
- CoreWeave deprecia las GPU a lo largo de 6 años, pero Nebius, que usa el mismo modelo de negocio y hardware, aplica 4 años
- AWS, Microsoft y Google ampliaron en 2023 la vida útil de sus servidores de 3–4 años a 6 años
- Sobre una inversión de capital combinada de 300.000 millones de dólares, eso reduce el gasto anual de depreciación reportado en unos 18.000 millones de dólares
- CoreWeave también aplicó el mismo cambio contable en enero de 2023, antes de salir a bolsa, reduciendo sus costos reportados anuales en cientos de millones de dólares
- NVIDIA anunció que en 2025 acortaría su ciclo de lanzamientos de productos de 2 años a 1 año, duplicando la velocidad a la que las GPU que respaldan la deuda se vuelven de generación anterior
- Michael Burry estima que los hyperscalers subestimarán la depreciación acumulada entre 2026 y 2028 en unos 176.000 millones de dólares
- Calcula que, para 2028, las ganancias de Oracle estarán sobrestimadas en cerca de 27% y las de Meta en cerca de 21%
- Si la vida útil real de las GPU de entrenamiento de frontera se acerca más a 2–4 años y en los libros se registra como 6 años, aparece una gran brecha entre valor contable y valor de recuperación
- Si la reciente demanda de inferencia extiende la vida productiva de las H100 más allá del entrenamiento de frontera, el plazo de 6 años podría no ser incorrecto
- Por el contrario, si la demanda vuelve a debilitarse en 2026 o 2027, los prestamistas enfrentarán pérdidas por valoración justo cuando necesiten el valor de la garantía
Tres valores distintos para la misma GPU
- El valor nominal (face value) es el precio de compra registrado por el SPV menos la depreciación lineal según el calendario elegido por el prestatario
- Determina los acuerdos de ratio préstamo-valor y el monto de deuda que una operación puede soportar
- El valor de liquidación (liquidation value) es el precio que paga un comprador en una situación de estrés
- En un mercado secundario normal, una GPU usada moderadamente durante 2–3 años se vende por 50–70% del precio de una nueva
- Si varias neoclouds tienen problemas al mismo tiempo, la oferta aumenta de golpe mientras se reduce el grupo de compradores, por lo que la recuperación en una venta urgente podría caer a 30–50% del valor nominal
- El valor de empresa en funcionamiento (going-concern value) es el valor cuando el siguiente arrendatario puede usar el activo operando con normalidad, y depende por completo del éxito de la transición operativa
- Si los prestamistas ejercen sus derechos de intervención, también asumen las instalaciones de colocación de otro propietario y los contratos y restricciones de esas instalaciones
- Si se va el equipo operativo del prestatario, también pueden desaparecer las credenciales y el conocimiento de la topología
- Deben enfrentar sin cobertura un mercado en el que los alquileres se movieron 60% en una dirección durante 18 meses y luego rebotaron 40% en la dirección opuesta
- En un entorno donde fallan unas 50 GPU por día, también se necesita personal que sepa qué racks eran persistentemente inestables
- La diferencia entre el valor nominal y el valor de empresa en funcionamiento sigue siendo el riesgo central sin cobertura de la estructura financiera actual
Inversionistas que evitan la financiación respaldada por GPU
- KKR invierte activamente en centros de datos, pero se concentra en edificios, energía, refrigeración y terrenos más que en financiación respaldada por GPU
- Junto con Global Infrastructure Partners, adquirió CyrusOne por 15.000 millones de dólares en 2022
- En 2026 invirtió 1.500 millones de dólares en Global Technical Realty
- En febrero de 2026 obtuvo una participación de 75% en STT GDC por 5.100 millones de dólares
- La infraestructura digital de KKR es una parte clave de su negocio de activos reales de 186.000 millones de dólares, pero no participa en el consorcio AIP que adquirió Aligned Data Centers, ni en el SPV de xAI, ni en las líneas de deuda de CoreWeave
- Estos activos son una capa de infraestructura base que mantiene valor independientemente de qué laboratorio de IA gane o qué generación de GPU domine
- Peter Thiel vendió toda su participación en NVIDIA en el tercer trimestre de 2025 y se movió hacia Apple y Microsoft
La base que necesita el mercado de garantías con GPU
- Las aeronaves se volvieron activos financiables cuando contaron con registros, tasadores e historiales de mantenimiento, y los barcos construyeron sistemas como BICA
- La alta prima de tasas en los préstamos respaldados por GPU existe porque los prestamistas no pueden responder dos preguntas básicas
-
¿El clúster sigue funcionando correctamente ahora?
- ¿Seguirá funcionando correctamente dentro de 3 años?
- Para que la financiación con GPU madure, se necesita un sistema que permita medir y transferir no solo el precio del hardware, sino también el estado operativo, el historial de mantenimiento, el valor residual y los alquileres futuros
-
1 comentarios
Comentarios en Hacker News
La cifra de que “un GPU usado durante 2~3 años en condiciones normales se vende por 50~70% del precio de uno nuevo” se basa en un Nvidia H100 en buen estado, y también refleja la escasez actual de oferta
Ese precio corresponde a equipos desmontados, limpiados, inspeccionados y reacondicionados, así que el valor de hardware retirado directamente de una empresa que quebró probablemente sería menor. En eBay, varios vendedores usan exactamente las mismas fotos de productos nuevos empaquetados, o incluso suben fotos con el logo de un competidor, lo que parece una señal de alerta
https://introl.com/blog/secondary-gpu-markets-buying-selling...
https://www.ebay.com/shop/nvidia-h100-gpu?_nkw=nvidia+h100+g...
Si se trata de una empresa que vende servidores como un Dell R840 con 768GB de RAM y tiene miles de reseñas con una calificación de 98.5% o más, el riesgo parece mucho menor
También parece posible que Nvidia firme con grandes clientes contratos de recompra tipo Ferrari para evitar que salgan de golpe al mercado grandes volúmenes por actualizaciones y se desplomen los precios, manteniendo así la escasez
Si no, espero que dentro de algunos años sea posible conseguir H100 en el mercado abierto
Serían ideales para motores de consulta acelerados por GPU, machine learning tradicional y todo tipo de tareas de CPU que puedan pasarse a GPU
Para entonces, el H100 sería como un V100 usado hoy: pésimo en eficiencia energética, sin formatos de datos modernos ni motores de cómputo recientes, capaz de derretirse sin adaptadores raros y ventiladores de servidor ensordecedores, y con soporte de CUDA terminado desde hace mucho. Salvo que no hubiera ninguna otra alternativa, probablemente tendría muy poca utilidad
Si Huawei saca al mercado aceleradores baratos, las empresas de IA de EE. UU. pronto conocerán el valor real de sus activos; parece que quedan unos 6~9 meses
Información como racks que se calientan en verano, circuitos de enfriamiento inestables tras una actualización de firmware, o cargas de trabajo que deben desviarse de nodos al borde de una falla debería estar toda en el sistema de monitoreo
Entonces, cualquier modelo de punta podría entender la situación en poco tiempo, así que parece que el autor no comprende del todo el cambio que trajo el sistema con el que trabaja
No veo por qué este problema sería algo especial solo de los clústeres GPU. En general, quienes evalúan préstamos o manejan adquisiciones no tienen la capacidad de operar y mantener los activos tomados como garantía, y por eso casas, autos y equipos se venden en subastas por mucho menos que su valor real, y los prestamistas contratan seguros
Vi el proceso de una gran serrería que no pudo pagar un préstamo enorme y fue embargada por el banco. El banco no quería quedarse con el negocio, pero cuando el fundador se retiró ya no tuvo opción. Ni siquiera sabía cómo disponer de la madera terminada que estaba en el horno de secado, y toda la infraestructura de la serrería era aún más abrumadora, así que al final, al no encontrar comprador, contrató al fundador como consultor para liquidarla. Un centro de datos embargado pasaría por el mismo proceso
Que el valor de las GPU baje relativamente despacio es producto de las restricciones de oferta. Si se pudiera elegir libremente entre Hopper y Rubin para inferencia FP4, Hopper no sería atractivo por rendimiento por watt aunque el hardware fuera gratis y solo hubiera que pagar la electricidad
Hoy se paga por un H100 porque ni Rubin ni siquiera Blackwell son fáciles de conseguir, pero eso no durará si se expande la capacidad de producción en las fabs
Lo más extraño es que hay enormes volúmenes de hardware en cartera de pedidos, y hasta equipos ya asignados y operativos están detenidos esperando que terminen las instalaciones. La construcción de instalaciones ya lleva años de retraso y está enredada con todo tipo de intercambios de crédito y deuda entre las empresas relacionadas, así que no es una simple burbuja, sino más bien un castillo de naipes sobre un globo
Lo que aprendí del mercado cripto es que la principal razón por la que termina la vida útil económica de una GPU no siempre es una falla, sino que aparecen alternativas que vuelven antieconómica su eficiencia energética bajo nuevas condiciones de mercado
El Mac Studio de 512GB se está vendiendo en eBay al doble del precio de uno nuevo a inicios de año
Si vas a gastar lo que cuesta un auto nuevo decente, mejor armar una workstation de verdad. No parece posible que una computadora del tamaño de un Apple TV sea la mejor opción en rendimiento por precio; da la impresión de que quizá lo están sobrecalentando entre aspirantes a fundadores de vibe con dinero de sobra
El texto describe los clústeres GPU como si fueran ciencia espacial, pero si se reemplazan por una planta eléctrica, la pregunta no cambia en nada. Ambos son complejos, tienen muchas variables y requieren producción actual, mantenimiento regular y personal capacitado
Al final, o lo resolverás por tu cuenta o contratarás a una empresa que pueda hacerlo, y de hecho debe haber muchas compañías que quieran alquilar este tipo de clústeres para IA
Hay suficientes señales de que pronto podrían salir al mercado grandes cantidades de GPU embargadas. Será caótico por un tiempo, pero si las GPU usadas se vuelven fáciles de conseguir, se abrirán muchas posibilidades
Siendo realistas, también podría haber otro auge de granjas de minería de criptomonedas y bajar los precios de las criptos; me intriga qué otros cambios podría permitir una oferta masiva de GPU baratas