El Ouroboros Digital

La mayor competición jamás vista

Jamás pensé que vería con mis propios ojos la auténtica y real competencia entre empresas.

La lucha en directo entre las inteligencias artificiales nos está dejando unas semanas preciosas de adelantos, de «a ver quién lo hace mejor», de funcionalidades nuevas cada martes. Desde que Anthropic y su Claude destaparon la caja de las esencias, la carrera por el liderazgo ha sido una retransmisión en directo de la mayor competición tecnológica jamás vista. Gemini responde. GPT contraataca. Grok despierta, DeepSeek mira (o espía), Meta dice que prefiere el open source (por algo será…) Europa. Cada semana hay un modelo nuevo, un benchmark roto, un récord de usuarios. Novecientos millones de personas usan ChatGPT cada semana^[3]. Anthropic acaba de superar a OpenAI en ingresos — 30.000 millones de dólares anualizados contra 25.000^[4][5].

Pero, ¿qué pasaría si esa aparente competencia no es más que el truco de magia que despista el oligopolio tecnócrata que mueve los hilos del mundo?

¿Qué pasaría si viviéramos dentro de un Ouroboros Digital?

Tras el truco de magia

Empecemos por lo que todo el mundo ve, y por hecho: que estas empresas compiten entre sí.

Algunas son rivales históricos. Llevan décadas compitiendo. Se ha construido una narrativa al más puto estilo Pepsi-CocaCoca, y la hemos comprado porque somos muy del chisme.

Microsoft vs Apple. Los enemigos fundacionales de la era del ordenador personal. La rivalidad que definió los años noventa. Hoy Microsoft posee el 27% de OpenAI^[6]. Y Apple eligió a Gemini — de Google, el otro gran rival de Microsoft — para alimentar la nueva Siri^[7]. Pero Google paga a Apple unos 20.000 millones de dólares al año para ser el buscador por defecto en Safari^[8]. Y Apple paga a Google unos 1.000 millones por la licencia de Gemini^[9]. El mayor rival de tu rival te financia. Tu rival paga a tu otro rival. Y tú le pagas a él.

Android vs iOS. Google contra Apple. La guerra de los smartphones. Android tiene el 72% del mercado global; iOS, el 28%^[60]. Pero iOS genera el 65% de los ingresos de las tiendas de aplicaciones^[61]. Android vende más; Apple cobra más. Llevan desde 2011 en los juzgados por patentes — Apple ganó 1.050 millones de dólares a Samsung en daños^[62]. Pero desde enero de 2026, Apple y Alphabet son socios en la nueva Siri: Apple tiene acceso completo al modelo Gemini en sus propios data centers, procesado a través de Private Cloud Compute sin compartir datos con Google^[10]. El acuerdo es «más profundo de lo que se sabía». iOS y Android son enemigos en el escaparate. Detrás, el modelo de lenguaje que alimenta a Siri lo fabrica Google.

OpenAI vs Anthropic. Dario Amodei fue vicepresidente de investigación en OpenAI. Se fue en 2020. En 2021 fundó Anthropic con su hermana Daniela y cincuenta empleados más de OpenAI^[11]. Nació Claude. La competencia más directa, más personal, más ideológica — OpenAI quiere desplegar rápido, Anthropic defiende guardrails no negociables. Pero Amazon ha invertido 8.000 millones de dólares en Anthropic^[12]. Google ha puesto 3.000 millones y posee el 14%^[13]. Microsoft ha puesto 13.000 millones en OpenAI^[6]. Los hyperscalers no apuestan por un caballo: apuestan por todos. No es competencia. Es cobertura de riesgos.

NVIDIA vs AMD vs Intel. Los tres fabricantes de chips rivales. La guerra del semiconductor desde los años ochenta. Hoy los tres tienen acuerdos con OpenAI. NVIDIA invirtió 100.000 millones^[14]. AMD le dio a OpenAI warrants sobre el 10% de sus acciones como incentivo por comprar chips Instinct^[15]. Intel recibió 5.000 millones de la propia NVIDIA a cambio de fabricarle CPUs custom^[16]. Los tres fabrican en TSMC^[17]. NVIDIA es ya el mayor cliente de TSMC, por delante de Apple^[46]. AMD dejó de fabricar sus propios chips en 2009 — vendió sus fábricas y se convirtió en cliente cautivo de TSMC^[65]. Intel, la única que aún tiene fábricas propias, va tan por detrás en rendimiento que ha empezado a fabricar parte de sus chips en TSMC también^[66]. Los tres compiten en el escaparate. Los tres dependen de la misma fábrica en Taiwán. Y los tres se financian entre sí para asegurarse de que el circuito no se pare.

Siri vs Alexa vs Google Assistant. Los tres asistentes de voz rivales. Pero cada uno corre en la nube de su dueño, y cada nube está metida hasta el cuello en el Ouroboros. Alexa corre sobre AWS — la misma AWS que ha invertido 8.000 millones en Anthropic y que es proveedor de infraestructura de Claude^[12]. Alexa, por cierto, perdía 10.000 millones de dólares al año antes de que Amazon integrara modelos de lenguaje para intentar salvarla^[67]. Siri usa Gemini de Google, procesado en servidores Apple Silicon mediante Private Cloud Compute^[10] — pero Apple también es uno de los mayores clientes de Google Cloud, pagando unos 300 millones al año por almacenamiento^[68]. Google Assistant usa el mismo Gemini que le vende a Apple, corriendo sobre TPUs de Google Cloud. Y los tres asistentes dependen de modelos entrenados con GPUs de NVIDIA. Tres asistentes, tres nubes, un solo circuito.

¿Cuántas rivalidades hay que desmontar antes de dejar de llamar a esto competencia?

Cómo llegamos hasta aquí

Si todos cenan juntos, la pregunta obvia es cómo hemos llegado a esta mesa. Y la respuesta no empieza con ChatGPT ni con OpenAI ni con ningún CEO carismático. Empieza en 2012, con una red neuronal, unas GPUs y un framework de software llamado CUDA.

2012

AlexNet, una red neuronal entrenada con GPUs de NVIDIA mediante CUDA, gana el ImageNet Large Scale Visual Recognition Challenge^[18]. Es el momento en que los investigadores de inteligencia artificial descubren que las tarjetas gráficas que servían para videojuegos sirven para entrenar redes neuronales. Y CUDA — el framework propietario de NVIDIA — es la única forma práctica de programarlas. Desde ese momento, todo el código, todas las librerías, y todo el talento del mundo dev aprende a hablar CUDA.

CUDA lleva activo desde 2006. Su ecosistema tiene más de dos millones de desarrolladores registrados, más de 3.500 aplicaciones optimizadas y más de 600 librerías especializadas^[69]. PyTorch — el framework que usan casi todos los laboratorios de IA — funciona nativamente en CUDA. AMD lanzó su alternativa, ROCm, en 2016 — diez años tarde. Intel lanzó oneAPI en 2020 — catorce años tarde^[70]. Lo de Intel fue peor: compró Nervana Systems por 400 millones en 2016, la cerró en 2020; compró Habana Labs por 2.000 millones en 2019, la absorbió sin impacto en 2024^[71]. Dos adquisiciones, 2.400 millones gastados, cero cuota de mercado.

NVIDIA no domina porque fabrique los mejores chips. Domina porque todos los investigadores escriben en su idioma. Cambiar de proveedor cuesta años de reescritura^[19]. NVIDIA tiene el 85% del mercado de chips de IA^[20].

2015

Se funda OpenAI como organización sin ánimo de lucro. ¿Sin ánimo de lucro? La versión oficial: asegurar que la inteligencia artificial general beneficie a toda la humanidad. La versión menos ingenua: Google había comprado DeepMind en enero de 2014 por unos 500 millones de dólares^[72] — un laboratorio de IA fundado en Londres en 2010 por Demis Hassabis, Shane Legg y Mustafa Suleiman. DeepMind era, con diferencia, el laboratorio de IA más avanzado del mundo. Google se lo quedó y la comunidad tecnológica se asustó. Elon Musk, que además tenía una relación tensa con Larry Page por sus visiones sobre seguridad en IA, decidió que hacía falta un contrapeso^[21]. Musk dona 38 millones de dólares^[22]. En 2019, cuando quedó claro que competir en IA costaba cientos de millones, OpenAI dejó de ser sin ánimo de lucro y se convirtió en una estructura de «beneficio limitado» — lo justo para que Microsoft pudiera poner 1.000 millones encima de la mesa^[24].

2017

Google publica «Attention Is All You Need», el paper que introduce la arquitectura Transformer^[23]. Los Transformers son la base de GPT, Claude, Gemini y todos los modelos de lenguaje actuales. Para entrenarlos a escala se necesitan miles de GPUs. De NVIDIA. Programadas en CUDA. Google inventa la arquitectura, pero NVIDIA cobra el peaje.

2019

Microsoft invierte 1.000 millones de dólares en OpenAI — no porque la IA parezca rentable (ChatGPT no existe), sino para que cuando la IA escale, todos tengan que pasar por Azure^[24].

2020

OpenAI publica GPT-3 — 175.000 millones de parámetros, entrenado con GPUs NVIDIA V100 mediante CUDA^[95]. El modelo más grande jamás creado. Todavía no es un producto para el público: solo una API para desarrolladores. Pero los investigadores de todo el mundo ven lo que se viene y empiezan a reservar clústeres de GPUs. La demanda de chips para IA empieza aquí.

2020–2021

La pandemia. Mientras los laboratorios de IA acumulan GPUs, los mineros de criptomonedas hacen lo mismo. La RTX 3080 sale al mercado con un precio oficial de 699 dólares; en la calle se vende por 1.500 o 2.000^[73]. Ethereum pasa de 130 dólares en enero de 2020 a más de 4.000 en noviembre de 2021. Dos demandas compitiendo por el mismo chip — IA y crypto —, y una sola empresa capaz de suministrarlo. Cuando Ethereum migró a proof-of-stake en septiembre de 2022, el CTO de NVIDIA dijo que las criptomonedas «no aportan nada útil a la sociedad» y que ChatGPT era el «momento iPhone» de la IA^[96]. NVIDIA ya no necesitaba a los mineros. Tenía un nuevo mercado esperando.

2022

Se lanza ChatGPT al público. Gratis. Sin barreras. Cien millones de usuarios en dos meses^[25]. ChatGPT Plus, la versión de pago, no llegaría hasta febrero de 2023 — 20 dólares al mes^[74]. Empieza la carrera por los chips: cada empresa tecnológica del planeta quiere entrenar su propio modelo de lenguaje. El precio oficial de una H100 ronda los 30.000 dólares; en el mercado gris llegan a 70.000^[75]. Las GPUs de NVIDIA dejan de ser componentes para videojuegos y se convierten en el petróleo de la revolución tecnológica más cara de la historia.

2023

Microsoft invierte 10.000 millones más en OpenAI. Mayoritariamente en créditos Azure, no en efectivo^[26]. Microsoft no saca dinero de su ecosistema: lo circula dentro. Se queda con el 20% de los ingresos de OpenAI hasta recuperar la inversión^[27]. El Ouroboros financiero arranca aquí.

2025

Trump anuncia Stargate: 500.000 millones de dólares en infraestructura de IA^[28]. Un día después de tomar posesión. Y sí: Elon Musk está en ese gobierno — dirige el DOGE mientras opera xAI, competidor directo de OpenAI^[76]. La definición de conflicto de intereses.

OpenAI firma compromisos por más de 1,4 billones de dólares con ingresos de 13.100 millones anuales^[29]. La diferencia entre lo que se promete y lo que se ingresa es de dos órdenes de magnitud.

2026

OpenAI cierra una ronda de 122.000 millones. Valoración: 852.000 millones^[3]. Alphabet anuncia un capex de 175.000–185.000 millones^[30]. Meta prevé gastar 135.000 millones^[31]. Anthropic demanda al Pentágono^[32][33]. NVIDIA vale 4,9 billones de dólares^[34].

La cronología no es una lista de fechas. Es una historia de captura. CUDA captura a los investigadores en 2012. Azure captura a OpenAI en 2019. Stargate captura al Estado en 2025. Cada paso cierra una puerta más.

El dinero

Ya sabemos que los rivales cenan juntos y cómo llegamos a esta mesa. La siguiente pregunta es la más obvia: ¿por qué? ¿Qué ganan? La respuesta siempre es la misma: el dinero. Pero en el Ouroboros, el dinero no se comporta como en un mercado normal. No fluye de cliente a proveedor. Circula.

¿De dónde entra el dinero?

Hay cuatro puertas de entrada al circuito.

• La primera son los usuarios: suscripciones a ChatGPT Plus, Claude Pro, APIs de pago. OpenAI ingresa 2.000 millones al mes; Anthropic, 2.500 millones anualizados^[3][4].
• La segunda son los inversores: SoftBank puso 41.000 millones en OpenAI, Amazon 50.000 millones en la última ronda^[35][3].
• La tercera son los hyperscalers — las empresas que operan infraestructura de nube a escala masiva — que invierten créditos de su propia nube: Microsoft invirtió 13.000 millones en OpenAI mayoritariamente como créditos Azure, no efectivo^[6].
• La cuarta es el Estado. El CHIPS Act inyectó 8.900 millones en Intel, el Pentágono firmó un contrato de 200 millones con Anthropic^[36][37]. Pero China también juega: DeepSeek opera en un ecosistema donde el Estado marca la dirección estratégica^[77].

¿Cómo circula?

→ Microsoft invierte en OpenAI en forma de créditos Azure.

→ OpenAI gasta esos créditos en Azure — 12.430 millones solo entre 2024 y el tercer trimestre de 2025^[27].

→ El dinero de Microsoft regresa a Microsoft como consumo de nube.

→ OpenAI usa parte de ese capital para comprar chips a NVIDIA.

→ NVIDIA usa esos ingresos para invertir en OpenAI, en CoreWeave^[79], en Intel.

→ CoreWeave alquila las GPUs de NVIDIA a los mismos clientes que NVIDIA ya atiende — y NVIDIA es accionista de CoreWeave con el 13%^[38].

→ AMD le da a OpenAI el 10% de sus propias acciones para que le compre chips^[15].

El proveedor financia al cliente para que el cliente le compre producto.

¿Cómo es que todos son más ricos?

Porque la riqueza no es cash. Es capitalización bursátil. NVIDIA anuncia que invierte 100.000 millones en OpenAI → el anuncio mueve 170.000 millones en capitalización^[29]. No hay 100.000 millones reales cambiando de manos — hay un comunicado de prensa que genera riqueza narrativa. Bloomberg lo tituló: «AI Circular Deals: How Microsoft, OpenAI and Nvidia Keep Paying Each Other»^[40].

Capitalización bursátil no es lo que una empresa tiene en el banco. Es el precio de una acción multiplicado por el número de acciones. Si NVIDIA cotiza a 120 dólares y tiene 24.500 millones de acciones, «vale» 2,9 billones. Si al día siguiente una noticia mueve la acción a 145 dólares, «vale» 3,5 billones. No ha entrado un solo dólar real a la empresa. La capitalización es una opinión colectiva sobre el futuro, no un hecho sobre el presente.

¿Y por dónde sale el dinero?

Aquí es donde la cosa se pone fea. El dinero entra por cuatro puertas pero sale por una sola: la gente que paga por usar IA. Y esa puerta es diminuta. Solo el 3% de los usuarios pagan^[42]. OpenAI ha comprometido 1,4 billones de dólares en ocho años; ingresa 25.000 millones al año^[29][3]. Entra mucho más dinero del que sale.

¿Cómo se sostiene? Con el mismo truco que usó la industria de las telecomunicaciones en los noventa. Se llama vendor financing: el proveedor le presta dinero al cliente para que el cliente le compre producto. Lucent prestó 7.200 millones de dólares a proveedores sin modelo de negocio viable^[82]. Cuando quebraron en 2001, Lucent pasó de cotizar a 84 dólares a 1 dólar.

Lo que pasa hoy en IA no es idéntico — no son préstamos directos sino inversiones de capital —, pero el mecanismo económico es el mismo. Fortune lo resumió: «circular financing inflating an AI bubble»^[41].

La pregunta no es si habrá demanda de IA. La habrá. La pregunta es si será suficiente para justificar billones de dólares en infraestructura que se queda vieja en tres años. Si la respuesta es no, la factura no la pagan los CEOs. La pagan los fondos de pensiones, los accionistas minoritarios y los contribuyentes que financiaron el CHIPS Act.

Las capas

Para entender por qué el Ouroboros funciona — y por qué es tan difícil de romper — hay que bajar por la pila material, capa a capa. Cada una añade concentración.

Capa 1: los usuarios. 900 millones de personas usan ChatGPT cada semana^[3]. Solo el 3% paga^[42]. Ese 3% genera cifras que asustan: OpenAI ingresa 2.000 millones al mes. Pero compáralo con más de 650.000 millones al año en infraestructura^[50]. El dinero que entra por la puerta de los usuarios no cubre ni una fracción de lo que cuesta mantener la máquina encendida.

Capa 2: los laboratorios. OpenAI, Anthropic, Google DeepMind, xAI, Meta. Los que construyen los modelos. Cada uno tiene al menos un hyperscaler metido dentro como inversor y proveedor. OpenAI es de Microsoft. Anthropic es de Amazon y Google. xAI compra chips a NVIDIA con dinero de NVIDIA^[43].

Capa 3: los servidores. Azure, AWS, Google Cloud, Oracle, CoreWeave. Aquí el circuito se cierra: el hyperscaler invierte en el laboratorio que consume su infraestructura. CoreWeave obtiene el 77% de sus ingresos de dos clientes^[39]: Microsoft representa el 62%^[79].

Capa 4: los chips. NVIDIA, AMD, Intel. Ninguno fabrica sus propios chips. Los tres dependen de TSMC en Taiwán^[17]. Sin TSMC no hay NVIDIA. Sin NVIDIA no hay OpenAI.

Capa 5: la máquina que fabrica la máquina. ASML. La empresa holandesa que fabrica las máquinas de litografía EUV. 100% del mercado mundial^[47]. Cada máquina cuesta entre 200 y 400 millones de euros.

Capa 6: la energía. 1.100 TWh en 2026 — equivalente al consumo de Japón^[49]. Microsoft firmó un acuerdo nuclear de 2 GW con Constellation Energy hasta 2040^[51].

Seis capas. De arriba abajo: usuarios → laboratorios → servidores → chips → litografía → energía. En cada capa, la concentración aumenta. En la capa de usuarios hay millones de personas. En la de laboratorios, cinco. En la de servidores, cuatro. En la de chips, tres diseñadores y una foundry. En la de litografía, una sola empresa. En la de energía, leyes de la física que no negocian.

Y Alphabet, por cierto, está en todas. Laboratorio, inversor, proveedor de hardware alternativo, proveedor de cloud, comprador masivo de chips NVIDIA, socio de Apple en Siri. Capex 2026: hasta 185.000 millones^[30].

Alphabet no juega la partida. Es la mesa.

¿Quién está fuera?

A estas alturas la pregunta natural es: ¿hay alguien que no esté dentro del bucle? La respuesta corta: no. La respuesta larga: algunos están en otra mesa. Pero es la misma cena.

Apple. No invierte en laboratorios de IA. Parece la más lista de la sala. Pero Apple es el ancla de TSMC — el 20% de sus ingresos, más del 50% de la capacidad de 2nm reservada para 2026^[52][53]. Y desde enero de 2026 usa Gemini de Google para Siri^[7]. Apple no está fuera: está en la capa de distribución y en la de hardware.

Meta. Llama es open source. Meta no vende el modelo^[54]. Pero gasta 135.000 millones al año en infraestructura de IA^[31]. Meta no está fuera del bucle de hardware. Está fuera del bucle de modelos cerrados. Pero su cheque a NVIDIA es tan grande como el de cualquiera.

Europa. No tiene laboratorios de frontera. No tiene hyperscalers. Pero tiene dos cartas que nadie más tiene. La primera es ASML: sin ASML no hay TSMC, sin TSMC no hay NVIDIA^[47]. Los Países Bajos imponen restricciones de exportación a China desde 2019^[56]. La segunda carta es la regulación: el AI Act, el Digital Markets Act. Europa juega la del hardware y la ley. Y la ley, en Europa, todavía depende de instituciones que funcionan: parlamentos que legislan, tribunales que arbitran, ciudadanos que votan. ASML no exporta a China porque un gobierno democrático decidió que no debía hacerlo. Esa es la carta más rara de la mesa.

DeepSeek. Entrenó R1 con chips capados por menos de 6 millones de dólares^[1]. Demostró que se puede construir inteligencia artificial competitiva fuera del bucle de capital intensivo. Los controles de exportación pretendían frenar a China; lo que hicieron fue incentivar la innovación en eficiencia^[85]. Pero DeepSeek también usa GPUs de NVIDIA^[77]. Nadie escapa completamente de la cadena.

¿Están fuera? No. Están en otra mesa. Pero la cena la paga NVIDIA.

¿Y si se rompe?

Todo sistema tiene puntos de fractura. El Ouroboros tiene al menos cinco.

Fractura 1: NVIDIA. NVIDIA vale 4,9 billones de dólares^[34]. Todos los caminos pasan por sus chips. Si NVIDIA cae, cae CoreWeave, caen las valoraciones de OpenAI y xAI, cae Stargate, caen los 650.000 millones de capex^[50]. DeepSeek ya mostró cómo sería en miniatura: -593.000 millones en un día^[1].

Fractura 2: la energía. 1.100 TWh en 2026^[86]. La demanda de electricidad crece más rápido que la oferta. Y la electricidad no es un activo financiero: es física. No se puede imprimir.

Fractura 3: Taiwán y ASML. Taiwán fabrica más del 90% de los chips de vanguardia^[17]. ASML fabrica el 100% de las máquinas EUV^[47]. Replicar ASML llevaría entre quince y veinte años y más de 10.000 millones de dólares^[89]. No hay plan B operativo hoy.

Fractura 4: la demanda real. Solo el 3% de los usuarios pagan^[42]. Sequoia Capital calculó un «AI revenue gap» de 500.000 millones de dólares^[93]. Se invierten entre seis y diez dólares por cada dólar que la IA generativa produce.

Fractura 5: la eficiencia. DeepSeek demostró que un modelo de 5,6 millones puede competir con modelos de cientos de miles de millones^[78]. Si la eficiencia algorítmica avanza más rápido que la demanda de hardware, la premisa que sostiene todo el capex se desmorona.

El Ouroboros funciona mientras todos crean que funciona. El día que un eslabón falla, la circularidad se convierte en contagio.

La serpiente que se muerde la cola

Y así, amigos, es como funciona la competencia y el libre mercado cuando es un auténtico filón de pasta: se convierte en un oligopolio con cosas.

Mientras esté en ebullición, los usuarios o quizá la humanidad puede que gane un alguito, o un ratito, pero si se logra que esos trucos de magia del libre mercado entren en un statu quo, manejarán el sistema a su voluntad.

La serpiente se muerde la cola. El Ouroboros es una criatura perfectamente autosuficiente, perfectamente circular. Lo que no sabemos es si está viva o muerta.