Internet, Inteligencia Artificial e Infraestructura de Semiconductores: Las capacidades de IA de frontera y la demanda de infraestructura se mantienen sólidas, pero los recortes de precios de tokens y los mayores costos de almacenamiento son nuevas variables de valoración para las acciones de internet

Visión general

Este informe lanza el Rastreador de Datos de IA de Frontera de BofA, que cubre clasificaciones de capacidades de modelos, uso y gasto de modelos, precios de tokens, precios de alquiler de GPU y precios de almacenamiento para evaluar dinámicas competitivas de IA, sentimiento de valoración y variables de margen para acciones de internet de gran capitalización.

Perspectivas principales

Anthropic y OpenAI definen actualmente la frontera de las capacidades de modelos grandes, mientras que las mejores clasificaciones de modelos de Meta indican progreso en su laboratorio de IA. Los modelos abiertos de menor costo han ganado recientemente cierta cuota de uso, mientras que los recortes de precios de tokens API de agosto han intensificado la competencia de precios. Los precios de alquiler de GPU se mantienen ampliamente resilientes, reflejando una saludable demanda de infraestructura de IA y vidas útiles de servidores; sin embargo, la inflación de DRAM y NAND continúa presionando los márgenes de nube e infraestructura.

Marco de análisis

El informe construye un marco de monitoreo a lo largo de la cadena de valor de IA utilizando benchmarks de modelos de terceros, datos de enrutamiento de OpenRouter y Vercel, índices de costos de tokens, índices de alquiler de GPU y precios spot de almacenamiento, interpretados junto con valoraciones y divulgaciones de riesgo para grandes compañías de internet.

Notas metodológicas

• Evaluación de capacidades de modelosÍndice de Modelos de Artificial Analysis

  Índice de Inteligencia, Índice Agéntico e Índice de Agentes de Programación

  Utiliza benchmarks estandarizados para comparar las capacidades generales, agénticas y de tareas de programación de los modelos de frontera.

• Adopción de modelosDatos de Enrutamiento de OpenRouter y Vercel

  Cuota de uso de tokens y cuota de gasto

  Observa la adopción por desarrolladores, las compensaciones de eficiencia de costos y la tracción comercial mediante solicitudes enrutadas a través de OpenRouter o Vercel AI Gateway; no representa el uso total del mercado.

• Economía de inferenciaÍndice de Precios de Tokens e Índice de Gasto en Tokens de LLM

  Costo combinado por millón de tokens

  Rastrea cambios de costos estandarizados para modelos convencionales y el ecosistema real de inferencia para evaluar la competencia de precios y la economía de inferencia en la nube.

• Oferta y demanda de infraestructuraÍndice de Alquiler de GPU de Silicon Data

  Precios horarios estandarizados de alquiler de GPU

  Cubre precios de alquiler de GPU en neoclouds, nubes hiperescalables, plataformas gestionadas y plataformas privadas de alquiler para observar la intensidad de la demanda de cómputo de IA.

Correspondencia y comparación de activos

Correspondencia estructurada entre la tesis y activos concretos (fortalezas, debilidades, pares y riesgos).

• Alphabet

  Se beneficia de la iteración del modelo Gemini, la expansión del negocio de nube y la comercialización de activos de IA.

  Fortalezas

  El informe considera que sus sólidos activos de IA, el crecimiento esperado de ingresos de dos dígitos y la expansión de márgenes de Cloud pueden respaldar la valoración.

  Debilidades

  El ritmo de monetización y el impacto en márgenes de integrar IA en la búsqueda siguen siendo inciertos.

  Comparación

  Gemini 3.6 Flash ocupa el decimotercer lugar en el Índice de Inteligencia citado, por detrás de Claude y GPT-5.6 Sol.

  Riesgos

  Herramientas competitivas de IA que desvían tráfico de búsqueda, integración de búsqueda con IA que presiona los ingresos, presión de cumplimiento de la DMA y mayores gastos de capital en IA que reducen el flujo de caja libre.

• Amazon.com

  AWS se beneficia de la demanda de nube de IA, pero también enfrenta costos de infraestructura y una posible disrupción generativa de IA al tráfico.

  Fortalezas

  AWS y la publicidad proporcionan fuentes diversificadas de valor, y el informe utiliza un marco de valoración por suma de las partes.

  Debilidades

  El aumento de los costos de infraestructura de IA y almacenamiento puede comprimir el flujo de caja libre de AWS.

  Comparación

  En comparación con los laboratorios de modelos puros, la principal vía de beneficio de Amazon.com es la infraestructura en la nube y la demanda de clientes empresariales.

  Riesgos

  Competencia de proveedores de nube y grandes minoristas, aumento de costos de AWS, IA agéntica que presiona el tráfico directo y los ingresos publicitarios de alto margen, e incertidumbre macroeconómica que amplifica la volatilidad.

• Meta Platforms

  Las capacidades mejoradas de sus modelos y su estrategia de modelos de pesos abiertos son catalizadores importantes para su competitividad y valoración en IA.

  Fortalezas

  Meta MuseSpark 1.2 ocupa el séptimo lugar en el Índice de Inteligencia, lo que indica progreso en su laboratorio de IA; el informe mantiene su opinión de Compra.

  Debilidades

  La elevada inversión en IA puede afectar los márgenes a corto plazo, y la concentración de ingresos publicitarios sigue siendo alta.

  Comparación

  La clasificación de su modelo aún está por detrás de los líderes Claude y GPT-5.6 Sol, pero supera la clasificación en el Índice de Inteligencia de Gemini 3.6 Flash citada en el informe.

  Riesgos

  Sensibilidad macroeconómica de la publicidad digital, inversión en IA que erosiona márgenes, aumento de activos fijos que reduce la flexibilidad de costos, plataformas nativas de IA que compiten por el tiempo de los usuarios y presupuestos publicitarios, y riesgos regulatorios y litigiosos.

Datos clave

• Clasificaciones de modelos de fronteraClaude Opus 5 ocupa el primer lugar en el Índice de Inteligencia; GPT-5.6 Sol se sitúa cerca de la cimaMeta MuseSpark 1.2 ocupa el séptimo lugar en el Índice de Inteligencia, mientras que Gemini 3.6 Flash ocupa el decimotercero.
• Uso de modelos abiertosMiMo-V2.5: 32.8 billones de tokens; DeepSeek V4 Flash: 26.4 billones de tokensDatos acumulados en el mes de agosto de OpenRouter.
• Cuota de uso de tokens de VercelDeepSeek 29.7%; Anthropic 24.7%; OpenAI 16.3%; Google 5.1%DeepSeek y OpenAI ganaron cuota intermensual, mientras que Google y Anthropic disminuyeron.
• Cuota de gasto de VercelAnthropic 64.8%; OpenAI 11.2%; Google 7.8%; Moonshot.ai 6.4%Esta métrica se calcula de forma estandarizada utilizando precios de mercado públicamente disponibles.
• Índice de Precios de Tokens de IA$2.21Al 13 de agosto, el resumen del informe indica que cayó 9% intermensual y subió 87% interanual; los recortes de precios y la sustitución hacia modelos más eficientes en costos fueron los principales impulsores.
• Índice de Gasto en Tokens de LLM$1.15Bajó 27% intermensual en agosto, frente a $1.57 en julio.
• Precios de alquiler de GPUB200 $5.63/hora; H100 $2.77/hora; A100 $1.65/horaLos cambios intermensuales fueron -2%, +2% y sin variación, respectivamente; los cambios interanuales fueron +7%, +33% y +17%, respectivamente.
• Precios de almacenamientoDDR5 aproximadamente +8% intermensual; NAND sin variación intermensualAmbos subieron aproximadamente 483% y 432% interanual, respectivamente.

Impacto e implicaciones

Para las acciones de internet de gran capitalización, los lanzamientos de modelos y las clasificaciones de capacidades afectan las narrativas competitivas de IA y las valoraciones. Los menores precios de tokens benefician los costos de inferencia del lado del usuario, pero pueden reducir los ingresos por unidad y los márgenes de los servicios en la nube y proveedores de modelos. Los precios estables de alquiler de GPU respaldan la tesis de demanda de gasto de capital en IA, mientras que los precios persistentemente crecientes de almacenamiento añaden presión sobre los costos de infraestructura.

Riesgos

• Los datos de OpenRouter y Vercel cubren únicamente el tráfico enrutado a través de sus pasarelas y excluyen API directas, plataformas en la nube, implementaciones privadas, inferencia autoalojada y cargas de trabajo internas de nubes hiperescalables; no deben considerarse como el uso total del mercado.
• La competencia de precios de tokens podría superar el crecimiento de la demanda, comprimiendo los márgenes de monetización de IA para plataformas en la nube, proveedores de modelos y compañías de internet.
• Los continuos aumentos de los precios de DRAM y NAND podrían compensar algunas mejoras de eficiencia de GPU y elevar el costo total de propiedad de la infraestructura de IA.
• Las clasificaciones de los modelos líderes cambian rápidamente; lanzamientos posteriores como Meta Watermelon o Google Gemini 4 podrían alterar rápidamente el panorama competitivo y el sentimiento del mercado.
• Las acciones de internet de gran capitalización siguen expuestas a riesgos específicos de cada empresa, incluidos ciclos publicitarios, regulación, gastos de capital y desvío de tráfico por productos de IA.

Aspectos que vigilar

• Lanzamientos posteriores de modelos, cambios en las clasificaciones de capacidades y estrategias de pesos abiertos de proveedores de nube hiperescalables y laboratorios de modelos.
• Si continúan el Índice de Precios de Tokens de IA, los ajustes de precios de modelos y las ganancias de eficiencia de costos, especialmente su impacto sobre los márgenes de los negocios en la nube.
• Cambios en la cuota de uso y la cuota de gasto entre modelos abiertos y cerrados en Vercel y OpenRouter.
• Si los precios de alquiler de B200, H100 y A100 se mantienen resilientes, validando la demanda de infraestructura de IA y las vidas útiles de los servidores.
• Tendencias de precios spot de DRAM y NAND y su transmisión a los gastos de capital y márgenes brutos de infraestructura en la nube.