La escasez de cómputo en AWS ya tiene fecha: capacidad vendida hasta 2027 y buena parte de 2028 comprometida. El dato de Jassy obliga a las startups de IA a recalcular coste de inferencia y runway.
El CEO de Amazon lo confirmó el viernes 23 de octubre en un pódcast de vídeo junto al cofundador de Andreessen Horowitz, Ben Horowitz, y el socio general Erik Torenberg. No es una filtración de pasillo ni un rumor de proveedor: es la constatación de que el mercado de computación en la nube lleva meses funcionando con listas de espera.
Vamos a los números. Amazon prevé un capex de 220.000 millones de dólares para 2026 y su consejero delegado dejó caer que la compañía podría invertir bastante más sin que fuera un mal uso del capital. El dato que ordena todo lo demás: la capacidad de ese ejercicio está vendida y la de 2027, en gran medida, también.
El dato que rompe el mercado: capacidad vendida hasta 2027
El matiz importa. AWS siempre guarda una porción de capacidad para demanda on-demand, para Bedrock —su servicio de inferencia— y para EC2, pero según Jassy los grandes bloques ya están comprometidos con laboratorios de IA y grandes empresas. Una parte relevante de 2028 también está colocada.
Traducido al día a día de un founder: si tu producto entrena o sirve modelos a escala, competirás por capacidad con clientes que firman contratos plurianuales y que no negocian precio, negocian disponibilidad. El resultado previsible es un coste de inferencia más alto y más rígido, con menos margen para renegociar a la baja.
Cuando el cómputo se convierte en inventario escaso, el fundador deja de competir por talento y empieza a competir por acceso.
Ojo al calendario: la escasez no aterriza en 2030, aterriza el trimestre que viene. Un plan de negocio a tres años que asuma precios de GPU a la baja durante 2027 está mal calibrado de origen, y eso se nota en la cuenta de resultados antes que en el pitch deck.
Un modelo de IA que no contempla el precio de la inferencia no es un modelo de negocio: es una hipótesis con demo.
Cómo encaja esto en la caja de una startup de IA
Aquí entra la economía unitaria. Si tu MRR crece pero cada usuario nuevo consume más margen del que aporta, el problema no es el producto: es la estructura de costes. La escasez de capacidad empuja a tres decisiones que se toman antes de la ronda, no después.
- Reserva antes de firmar: negocia compromiso de cómputo cuando aún no tienes el cliente cerrado; hacerlo después te deja sin palanca y con precios de urgencia.
- Abstrae la capa de modelo: poder mover cargas entre AWS, Azure o un proveedor especializado sin reescribir producto es hoy una decisión de arquitectura con impacto directo en el margen.
- Optimiza tokens por tarea: cachear respuestas, recortar contexto y elegir modelos pequeños para tareas simples reduce la factura más que cualquier descuento negociado.
Hay una tentación evidente: esperar a que el precio baje. La historia reciente del hardware sugiere lo contrario, porque la demanda de inferencia crece más rápido que la capacidad que se pone online. Ese desfase es exactamente el negocio de AWS y, a la vez, el riesgo de tu burn rate.
El calendario corporativo añade una cita: Amazon presenta resultados del tercer trimestre el próximo 29 de octubre, y ahí se verá si el discurso de Jassy se traduce en cifras de crecimiento del segmento cloud o en presión de márgenes por el capex.
📦 Caso de estudio: AWS, el proveedor que se queda sin inventario
- El reto: la demanda de infraestructura para IA crece más rápido que la capacidad de construir y equipar centros de datos.
- La jugada: comprometer capacidad a varios años vista y mantener un remanente para on-demand, Bedrock y EC2.
- El resultado: 2026 vendido, 2027 en gran medida colocado y buena parte de 2028 comprometida, con un plan de capex de 220.000 millones de dólares.
- La lección: si tu proveedor vende capacidad como inventario, tu coste de inferencia es una variable financiera, no una nota al pie técnica.
El precedente que importa: del H100 a la factura de 2027
Esto ya ocurrió con las GPU de entrenamiento. Durante 2023 y 2024 los plazos de entrega de las tarjetas más demandadas se estiraron varios trimestres y muchas startups aprendieron una lección incómoda: el acceso al hardware condicionaba el roadmap más que la calidad del equipo. La diferencia ahora es que el cuello de botella se ha movido del entrenamiento a la inferencia, del pico puntual al coste recurrente que se paga todos los meses.
Mi lectura con los datos sobre la mesa es clara. Quien construya un producto de IA y no tenga en el plan financiero una línea específica de coste de cómputo con precios planos —no decrecientes— está prometiendo una rentabilidad que no controla. Y hay un segundo efecto, menos comentado: los 220.000 millones de capex anuncian capacidad nueva para 2028 y 2029, lo que abre la puerta a un ciclo de sobrecapacidad y a una guerra de precios en cuanto la oferta alcance a la demanda. El riesgo del founder no es solo pagar caro hoy; es firmar contratos largos justo antes del giro.
Para el ecosistema español la lectura es concreta. Una startup de Barcelona o Valencia que compita en aplicación —no en modelo fundacional— debería tratar la eficiencia de tokens como parte del producto, igual que diseña la retención. Aceleradoras como Lanzadera o Wayra, y líneas públicas como ENISA o CDTI financian desarrollo, no facturas de nube desbocadas; presentar un plan con coste de inferencia medido por usuario es hoy la diferencia entre un comité que pregunta y un comité que firma.
🚀 Hoja de Ruta para Emprender
- Mide el coste por inferencia: calcula euros por petición servida y por usuario activo; sin esa métrica, tu margen bruto es una estimación.
- Reserva capacidad antes del contrato comercial: negocia compromiso de cómputo cuando aún tienes margen de maniobra, no cuando ya has prometido plazos al cliente.
- Diseña multi-proveedor desde el día uno: abstrae la capa de modelo para mover cargas entre AWS, Azure o un neocloud sin reescribir el producto.
- Revisa el plan con precios planos: modela el escenario en que el cómputo no baja en 2027; si el negocio no aguanta ese escenario, el problema es el modelo.
