Kalshi lanzó curvas forward de GPU para proporcionar puntos de referencia de precios para la infraestructura de cómputo de IA. La disponibilidad y el precio de las GPU se mantienen extremadamente volátiles debido a las nuevas generaciones de chips y las limitaciones de suministro, lo que genera demanda de herramientas financieras de cobertura similares a las de los mercados de materias primas. Este movimiento sitúa a Kalshi junto a bolsas tradicionales como ICE y CME Group en el mercado emergente de derivados de cómputo de IA, reflejando la creciente convicción de la industria de que la capacidad de GPU está evolucionando hasta convertirse en una clase de activo.
Entrenar modelos avanzados de IA de frontera requiere clústeres con decenas de miles de GPU, mientras que las cargas de trabajo de inferencia consumen cada vez más capacidad de cómputo a diario. Para desarrolladores de IA, proveedores de nube, usuarios empresariales e hiperescalares, el cómputo se ha convertido en uno de los mayores gastos operativos. A diferencia de los servicios tradicionales en la nube, la disponibilidad y el precio de las GPU siguen siendo altamente volátiles: las nuevas generaciones de chips provocan cambios bruscos en la demanda y las limitaciones de suministro empujan los costos de alquiler con fuerza al alza.
Las curvas forward aportan puntos de referencia en mercados maduros al estimar hacia dónde esperan colectivamente que se muevan los precios a lo largo del tiempo los participantes. Las empresas energéticas dependen de las curvas forward al planificar compras de combustible, las aerolíneas cubren el riesgo del precio del combustible para aviones y los fabricantes fijan precios de metales. Según Kalshi, las empresas de IA querrán cada vez más hacer lo mismo con el cómputo.
Aunque las propias curvas forward de Kalshi no son instrumentos negociables, pueden servir como precios de referencia para acuerdos de venta y recompra (OTC) y contratos estructurados de cómputo. Las compañías que busquen una protección real del precio pueden operar los mercados subyacentes de cómputo listados en Kalshi o negociar operaciones en bloque a través de la bolsa.
ICE y CME Group anuncian productos de futuros de GPU
En mayo, Intercontinental Exchange, propietaria de la Bolsa de Valores de Nueva York, anunció planes para lanzar futuros de cómputo de GPU basados en el índice de precios de cómputo de Ornn. Los contratos están diseñados para ofrecer a desarrolladores de IA, proveedores de nube y operadores de infraestructura instrumentos estandarizados para cubrir las fluctuaciones en los precios de alquiler de GPU.
CME Group también ha anunciado planes para lanzar futuros vinculados al poder de cómputo de IA más adelante este año, utilizando puntos de referencia de precios desarrollados por Silicon Data. El director ejecutivo de CME, Terry Duffy, describió el cómputo como “el nuevo petróleo del siglo XXI”, reflejando la creciente creencia de que la capacidad de GPU está evolucionando hasta convertirse en una clase de activo por derecho propio.
Estos lanzamientos sugieren que la industria se está moviendo más allá de simplemente medir precios de GPU, hacia la creación de un ecosistema financiero completo alrededor de la infraestructura de IA. Esa progresión replica la evolución de muchos mercados de materias primas, donde el trading spot suele desarrollarse primero; después llegan índices de referencia, precios forward, contratos de futuros, opciones, swaps y, finalmente, productos sofisticados de gestión del riesgo usados por participantes institucionales.
Kalshi usa mercados de predicción para construir curvas forward
La estrategia de Kalshi difiere de las bolsas tradicionales de futuros porque utiliza mecanismos de mercado de predicción para generar expectativas de precios. Según la empresa, los mercados de predicción ofrecen mayor flexibilidad mientras el mercado de cómputo permanece fragmentado entre diferentes modelos de GPU, proveedores de nube, métodos de despliegue y estructuras de contrato.
En lugar de esperar a que surja un único benchmark estandarizado, Kalshi sostiene que los mercados de predicción pueden agregar expectativas a través de numerosas preguntas de precios antes de converger finalmente en precios de referencia ampliamente aceptados. Las curvas forward resultantes se construyen a partir de múltiples mercados de predicción que cubren distintos horizontes temporales, lo que permite a los traders inferir precios esperados de GPU para las próximas semanas y meses.
Este enfoque encaja con la expansión más amplia de Kalshi más allá de los contratos de evento tradicionales. A principios de este año, la bolsa anunció futuros perpetuos, que representan su primer movimiento importante hacia derivados convencionales fuera de los mercados de predicción.
El cómputo de GPU enfrenta retos de estandarización distintos a los del petróleo
Las comparaciones entre el cómputo de IA y el petróleo se han vuelto cada vez más comunes en toda la industria. Ambos representan insumos esenciales para la actividad económica, requieren inversiones de capital enormes para ampliar la oferta, experimentan volatilidad de precios impulsada por desequilibrios entre oferta y demanda y generan demanda de mercados financieros que permitan a las empresas cubrir los costos futuros.
Sin embargo, persisten diferencias importantes. El petróleo es una materia prima física estandarizada a nivel global, mientras que el cómputo de GPU está fragmentado entre generaciones de hardware, proveedores de nube, regiones geográficas y modelos de despliegue. Los chips más recientes de Nvidia pueden reemplazar rápidamente generaciones anteriores, lo que significa que el activo benchmark de hoy puede perder relevancia mucho más rápido que las materias primas tradicionales.
La liquidez también sigue siendo un reto. Los mercados de materias primas solo se vuelven efectivos cuando suficientes participantes compran y venden contratos de forma activa. Aunque la demanda de infraestructura de IA continúa disparándose, los derivados de GPU permanecen en pañales frente a los mercados maduros de futuros que cubren petróleo, electricidad o productos agrícolas.
Otro reto es la transparencia de precios. Los costos de alquiler de GPU pueden variar significativamente según la duración del contrato, el proveedor, las tasas de utilización y la disponibilidad regional, lo que hace que la construcción de benchmarks sea considerablemente más compleja que en el caso de materias primas físicas estandarizadas.
Preguntas frecuentes
¿Qué lanzó Kalshi para la fijación de precios del cómputo de IA?
Kalshi lanzó curvas forward de GPU para proporcionar puntos de referencia de precios para la infraestructura de cómputo de IA. Las curvas forward se construyen a partir de múltiples mercados de predicción que cubren distintos horizontes temporales, lo que permite a los traders inferir precios esperados de GPU para las próximas semanas y meses. Aunque las propias curvas no son instrumentos negociables, pueden servir como precios de referencia para acuerdos de venta y recompra (OTC) y contratos estructurados de cómputo.
¿En qué se diferencia el enfoque de Kalshi del de ICE y CME Group?
Kalshi utiliza mecanismos de mercado de predicción para generar expectativas de precios, mientras que ICE y CME Group están lanzando futuros tradicionales de cómputo de GPU. ICE anunció planes en mayo para lanzar futuros basados en el índice de precios de cómputo de Ornn, y CME Group anunció planes para lanzar futuros usando puntos de referencia de Silicon Data. Kalshi sostiene que los mercados de predicción ofrecen mayor flexibilidad mientras que el mercado de cómputo permanece fragmentado entre diferentes modelos de GPU, proveedores de nube y métodos de despliegue.
¿Por qué es difícil estandarizar el cómputo de GPU frente al petróleo?
El cómputo de GPU está fragmentado entre generaciones de hardware, proveedores de nube, regiones geográficas y modelos de despliegue, mientras que el petróleo es una materia prima física estandarizada a nivel global. Los chips más recientes de Nvidia pueden reemplazar rápidamente generaciones anteriores, lo que significa que los activos benchmark pueden perder relevancia más rápido que en las materias primas tradicionales. Los costos de alquiler de GPU varían significativamente según la duración del contrato, el proveedor, las tasas de utilización y la disponibilidad regional, lo que hace que la construcción de benchmarks sea más compleja que para materias primas físicas estandarizadas.
