¿Por qué OpenAI se alía con AWS por 38.000 millones?

OpenAI se alía con AWS por 38.000 millones: GPU a gran escala para acelerar ChatGPT y reducir la latencia, fin de la exclusividad con Azure.

OpenAI ha firmado un acuerdo millonario con Amazon Web Services para acceder a infraestructura de cómputo a gran escala por 38.000 millones de dólares. La operación garantiza a la compañía dirigida por Sam Altman capacidad inmediata para entrenar y desplegar sus modelos de inteligencia artificial en clústeres dotados con cientos de miles de GPU de Nvidia de última generación. La prioridad es clara: acelerar el ritmo de mejoras y asegurar rendimiento estable en productos como ChatGPT y sus servicios empresariales, reduciendo al mismo tiempo cuellos de botella en tiempo de espera y disponibilidad.

El pacto supone un giro estratégico en la forma de operar de OpenAI. Hasta comienzos de año, Microsoft Azure era su proveedor exclusivo en la nube. Esta alianza con AWS rompe esa exclusividad, inaugura una etapa multicloud y eleva la competencia entre hiperescaladores por liderar el suministro de cómputo para modelos frontera. También envía una señal al mercado: si la IA quiere mantener su curva de desarrollo, necesita más chips, mejores redes y centros de datos especializados. No es un acuerdo cosmético; es un compromiso industrial.

Qué incluye el acuerdo y qué cambia desde hoy

El documento divulgado por Amazon describe acceso a “infraestructura de primer nivel” para la IA de OpenAI. En términos prácticos, esta fórmula se traduce en capacidad de cálculo de AWS con GPU Nvidia de última hornada, agrupadas en clústeres interconectados mediante redes de baja latencia y alto ancho de banda. La nota cita las plataformas GB200 y GB300 de Nvidia —la familia más reciente en la que combinan GPU y CPU Grace con enlaces NVLink— como base de la oferta. El objetivo es habilitar entrenamientos más grandes y, sobre todo, inferencias más rápidas y baratas: que el sistema responda antes, con menor coste por solicitud, y que soporte picos de tráfico sin degradaciones visibles.

OpenAI comenzará utilizando centros de datos ya existentes de AWS y, en una fase posterior, Amazon levantará infraestructura específica para las cargas de la tecnológica. Esto incluye un diseño arquitectónico sofisticado con densidad de aceleradores, memoria y red optimizados para procesamiento de IA a gran escala. La mención no es casual: entrenar modelos masivos no consiste solo en apilar tarjetas gráficas; se necesita un tejido de red que evite cuellos de botella y un sistema de almacenamiento capaz de suministrar datos a la velocidad adecuada. La promesa de AWS se centra en esa elasticidad de supercomputación: capacidad de crecer en bloque, pero también de aislar entornos para cargas críticas, un requisito cada vez más demandado por empresas reguladas.

Las declaraciones públicas acompañan la letra técnica. Altman subraya que el acuerdo “refuerza un amplio ecosistema informático” para llevar IA avanzada a más usuarios. Matt Garman, consejero delegado de AWS, pone el acento en la “disponibilidad inmediata de computación optimizada” para soportar enormes cargas de trabajo. Traducido del lenguaje corporativo: OpenAI necesita cómputo, hoy; Amazon puede entregarlo y, si hace falta, construir más a medida.

Impacto en la carrera por la IA: precio, velocidad y escala

La cifra —38.000 millones— es el titular, pero el impacto se medirá en tres variables: precio, velocidad y escala. El precio importa porque el coste unitario de entrenar e inferir con modelos grandes condiciona el margen de los productos. Ganar unos puntos de eficiencia en energía, redes y utilización de GPU puede inclinar la balanza entre un servicio sostenible o uno deficitario. La velocidad se traduce en ciclos de iteración más cortos: si un entrenamiento que antes exigía semanas puede comprimirse, la empresa libera tiempo para probar, corregir y lanzar. Y la escala, finalmente, permite absorber demanda: más usuarios simultáneos sin colas, menos “servidores ocupados” y mejores respuestas bajo estrés.

El detalle técnico de GB200 y GB300 merece un apunte. Estas plataformas nacen para agrupar decenas de miles de aceleradores como si operaran al unísono. Lo que antes requería afinaciones manuales, hoy se apoya en una interconexión especializada (NVLink, NVSwitch) y en redes troncales de baja latencia. Si el cuello de botella desaparece —o se reduce—, entrenar modelos con más parámetros y más datos deja de ser un salto al vacío y pasa a ser un proceso industrial. La fiabilidad cuenta tanto como la potencia: con menos fallos intermedios, caen los riesgos de perder días de cómputo por una caída de nodo.

No hay que olvidar el papel de las CPU. Aunque el foco mediático lo acaparan las GPU, las CPU sostienen tareas de preprocesamiento, orquestación y servicios periféricos sin los cuales las GPU quedarían infrautilizadas. El valor de una arquitectura “de extremo a extremo” —almacenamiento, red, balanceo, seguridad, observabilidad— es justo lo que compra OpenAI: no solo chips, también un sistema operativo del centro de datos capaz de exprimirlos.

Relación con Microsoft y el giro al multicloud

El acuerdo inaugura una etapa multicloud para OpenAI. La relación con Microsoft sigue siendo estratégica, con Azure como socio tecnológico y comercial clave, pero la exclusividad en la nube se ha roto. Esto tiene lecturas múltiples. La más evidente: diversificar proveedores reduce la dependencia de una sola cadena de suministro, algo crítico en plena escasez de chips y con una demanda de energía al alza. La segunda: la competencia por el cómputo de IA se traslada a un terreno donde precio, disponibilidad y tiempo de entrega pesan tanto como las prestaciones puras.

Para Microsoft, la foto es ambivalente. Por un lado, mantener a OpenAI como gran cliente consolida Azure como plataforma de referencia. Por otro, ver a su socio comprar a AWS introduce un contrapeso que puede presionar precios y condicionar hojas de ruta. Nada impide que Microsoft y otros actores —Google Cloud, Oracle, proveedores especializados— refuercen sus propuestas con acuerdos de prioridad de hardware, despliegues energéticos o nuevas zonas de disponibilidad. Para OpenAI, el mensaje es pragmático: la compañía comprará donde la capacidad esté y rinda, sin romanticismos.

Este enfoque también sirve de seguro de continuidad. Si una región sufre restricciones energéticas, si una oleada de demanda dispara los tiempos de espera o si una generación de chips se retrasa, tener varias palancas de cómputo activas permite mover cargas, equilibrar riesgos y mantener compromisos de servicio con clientes empresariales. Es un despliegue de resiliencia, no un divorcio.

Lo que se notará en productos y contratos

El impacto visible llegará, primero, por el lado de la estabilidad. Con más cómputo disponible, los servicios de OpenAI —ChatGPT y sus APIs— deberán mostrar menor latencia, picos mejor amortiguados y menos restricciones temporales en funciones que consumen mucha GPU. En paralelo, contar con infraestructura dedicada facilita entornos aislados para empresas con requisitos de cumplimiento, auditoría o residencia de datos. La conectividad privada (enlaces directos a los VPC de clientes) y los mecanismos de cifrado extremo a extremo resultan más sencillos si el proveedor controla de punta a punta la arquitectura.

Para equipos de tecnología que ya operan sobre AWS, la convivencia con OpenAI gana enteros. Desplegar aplicaciones serverless que llamen a la API, alojar datos en S3 o Redshift y ejecutar pipelines de preparación sin cruzar a otra nube simplifica latencias y reduce la complejidad de compliance. La observabilidad integrada —métricas, trazas, alertas— también sale ganando cuando los componentes conviven en el mismo ecosistema, aunque el valor último dependerá de qué exponga OpenAI en cuanto a telemetría y controles de gobernanza.

En términos de producto, un extra de cómputo abre la puerta a ventanas de contexto más largas, modelos multimodales más completos —texto, imagen, audio y vídeo en tiempo real— y agentes capaces de ejecutar cadenas de tareas con memoria y herramientas externas. Cada una de esas funciones tiene su factura en GPU. Escala y coste son las dos palabras que deciden si llegan a millones de usuarios o se quedan en piloto.

Energía, hardware y territorio: el lado menos visible

El impulso de la IA ya no se mide solo en número de chips; se mide en megavatios y en transformadores. La construcción de centros de datos especializados exige capacidad eléctrica firme, contratos de renovables y permisos que son cualquier cosa menos automáticos. AWS ha acelerado su apuesta por energía limpia y por enfriamiento eficiente, una pieza que puede parecer menor y, sin embargo, condiciona el coste por operación y la huella ambiental del despliegue.

España y la UE miran esta carrera con una doble lente. Por un lado, el interés por atraer inversión de centros de datos y por industrializar la cadena de valor digital. Por otro, la necesidad de equilibrar consumo energético con objetivos climáticos y con la disponibilidad real de red. No todos los territorios pueden soportar la misma densidad de cargas, y la planificación eléctrica entra en una fase en la que los hiperescaladores son, de facto, grandes clientes industriales. En ese tablero, acuerdos como el de OpenAI y AWS anticipan oleadas de inversión en red y generación.

La cadena de suministro de chips sigue siendo la variable crítica. Nvidia mantiene el liderazgo en aceleradores para IA, y su capacidad de entrega condiciona el calendario de cualquier gran proyecto. La competencia —tanto de otros diseñadores como de iniciativas con chips propios— ofrecerá alternativas, pero el software, los drivers y los ecosistemas ya consolidados hacen que moverse no sea trivial. A corto plazo, comprar “donde hay” es la regla.

Mercado, bolsa y señales de confianza

El anuncio tuvo repercusión inmediata en los mercados: las acciones de Amazon reaccionaron al alza tras conocerse la alianza. La lectura es directa: un contrato de esta magnitud ancla demanda para AWS en un segmento —IA generativa— que crece a doble dígito y legitima su capacidad de competir con Azure en el suministro de supercomputación. El efecto arrastre se extiende a proveedores de hardware y redes, con expectativas de nuevos pedidos y de economías de escala que reduzcan costes unitarios.

Para OpenAI, el mercado interpreta el movimiento como gestión del riesgo y aseguramiento de suministro. El gasto es descomunal, sí, pero es difícil imaginar el roadmap de la empresa sin una reserva de cómputo estable y predecible. Si los ingresos —licencias, suscripciones, contratos empresariales— acompañan, el apalancamiento en cómputo tendrá retorno; si no, la presión por optimizar cada token será aún más intensa. La ecuación queda abierta, pero se juega con mejores cartas que ayer.

Qué significa para el tejido tecnológico y para los contratos públicos

La disponibilidad de cómputo a gran escala suele tener un efecto de derrame. Empresas que estaban en modo exploratorio aceleran pilotos, proyectos pendientes pasan a producción y los departamentos de compras asumen que habrá capacidad para firmar contratos multianuales. En el sector público, donde la IA se empieza a desplegar en salud, educación o justicia, una oferta de infraestructura con garantías de soberanía y trazabilidad puede desbloquear licitaciones. AWS tiene experiencia en entornos con requisitos estrictos de seguridad y residencia, y OpenAI, por su parte, ha ido incorporando controles de privacidad y listas blancas para usos corporativos.

La advertencia es obvia: más cómputo no equivale por sí solo a mejor IA. La calidad de los datos, la claridad del caso de uso y el diseño de controles para evitar sesgos y alucinaciones marcan la diferencia. Aun así, sin disponibilidad de infraestructura, muchos proyectos se quedaban en nada. Este acuerdo despeja esa duda por una temporada.

Tecnología y producto: qué puede llegar con más músculo

Mirando al presente y al corto plazo, el catálogo de modelos podría avanzar en tres direcciones. Rendimiento base, con mejoras incrementales en comprensión, razonamiento y generación. Multimodalidad, incluida la síntesis de vídeo en tiempo real y la traducción con latencias muy bajas que habiliten conversaciones naturales en múltiples idiomas. Y agentes más autónomos que encadenen acciones complejas: navegar sistemas internos, ejecutar consultas, escribir informes, enviar resúmenes y, en general, operar en entornos empresariales con reglas.

Cada una de esas líneas exige entrenamientos largos, validaciones costosas y mucha inferencias simultáneas si se ofrecen a gran escala. Con más GPU y mejor red, las colas disminuyen, sube la ventana de contexto y se hace viable ofrecer opciones on-premises virtual (instancias dedicadas) para sectores que no pueden compartir recursos ni por asomo. El reto comercial será empaquetar todo ello en planes de precios sostenibles.

Arquitectura: de los clústeres gigantes a la seguridad fina

La seguridad también se beneficia de una base fuerte. En entornos de alta densidad, los controles de aislamiento (tanto de red como de ejecución) reducen la superficie de ataque. La observabilidad y el registro detallado de trazas permiten auditorías posteriores y diagnósticos en caso de incidente. Cifrado en tránsito y en reposo, gestión de secretos y políticas de acceso granular son piezas que AWS ofrece desde hace años y que, integradas con los servicios de OpenAI, pueden elevar el listón en despliegues críticos. El lado menos visible —pero importantísimo— es el de la gestión de claves y el versionado de modelos con garantías: saber quién ejecutó qué versión, con qué datos y bajo qué políticas.

Un tablero con más jugadores y alianzas cruzadas

La entrada de AWS en el núcleo de cargas de OpenAI coincide con una etapa de alianzas cruzadas en todo el sector. Amazon mantiene una relación prioritaria con Anthropic; Microsoft refuerza su sinergia con OpenAI y, a la vez, desarrolla su propia línea de modelos; Google empuja su stack de Vertex AI y TPU; otros proveedores exploran chips propios o acuerdos de capacidad con los grandes. Es un ecosistema mucho menos monolítico que hace un año, con una conclusión clara: quien controle cómputo, controlará ritmo.

Esta dinámica no evita que surjan tensiones. Gestionar prioridades entre clientes que compiten entre sí, evitar favores percibidos y garantizar neutralidad comercial es un ejercicio fino para cualquier hiperescalador. La profesionalización del mercado —contratos claros, SLAs exigentes, métricas públicas— ayuda a reducir fricciones, pero no las elimina. El acuerdo de OpenAI y AWS, por su tamaño y visibilidad, será una prueba de estrés de esa convivencia.

Riesgos y dudas que permanecen

El mayor riesgo sigue siendo el suministro de chips y la energía. A los retrasos de fabricación se suman cuellos de botella logísticos y capacidad eléctrica que no siempre está disponible donde se desea construir. Otro frente es el regulatorio. Europa afina marcos como el AI Act y endurece criterios de protección de datos; Estados Unidos y otras jurisdicciones discuten estándares de seguridad para modelos frontera. Cualquier cambio en exigencias de auditoría o reporting puede aumentar costes y afectar calendarios.

Existe, también, la pregunta de si el mercado absorberá la oferta ampliada al ritmo previsto. El entusiasmo por la IA convive con presupuestos que, en muchos casos, no han crecido al mismo ritmo que la ambición. Los contratos empresariales avanzan, pero reclaman retorno medible. Si los casos de uso de mayor valor —automatización de tareas intensivas, copilotos especializados, análisis de datos a escala— consolidan ahorros o ingresos, la curva seguirá. Si no, veremos una disciplina de gasto más rígida.

Señales que marcarán los próximos meses

Habrá varias pistas para medir el aterrizaje del acuerdo. La primera, rendimiento real en horas punta: si las latencias bajan y el servicio aguanta sin sobresaltos cuando se anuncian funciones nuevas, la capacidad está llegando donde debe. La segunda, lanzamientos: más músculo de cómputo suele correlacionar con iteraciones de modelos y con funciones que antes quedaban en la lista de deseos. La tercera, ofertas para empresas con más granularidad en residencia, cifrado y observabilidad, como pistas de que los entornos aislados están en marcha. La cuarta, señales energéticas: nuevos contratos de renovables, ampliaciones de red o proyectos de eficiencia térmica vinculados a los despliegues.

También contará lo que hagan los rivales. Si Azure responde con nuevos clústeres públicos o con acuerdos de prioridad de hardware, y si Google Cloud o Oracle comunican avances similares, el consenso de mercado será que la carrera por el cómputo entra en fase de consolidación. Y, en paralelo, habrá que vigilar si el precio por inferencia desciende con materialidad —no unos céntimos, sino lo bastante como para cambiar hojas de costes—. Esa será la señal decisiva para entender si la escala recién contratada se traduce en productividad y márgenes.

Lo que ya queda claro

OpenAI compra tiempo y capacidad; AWS conquista un cliente ancla que legitima su apuesta por la supercomputación para IA. Con 38.000 millones sobre la mesa, ambas compañías firman un pacto que estabiliza el presente y prepara un futuro con más modelos, más usuarios y más exigencias.

A partir de aquí, todo dependerá de que el cómputo extra se convierta en producto mejorado, servicios fiables y economía real: menos promesas y más entregas. La alianza no resuelve todos los dilemas de la industria —chips, energía, regulación—, pero fija una dirección: la escala será el idioma de la próxima etapa. Y quien pueda hablarla con fluidez llevará ventaja.

🔎​ Contenido Verificado ✔️

Este artículo ha sido redactado basándose en información procedente de fuentes oficiales y confiables, garantizando su precisión y actualidad. Fuentes consultadas: EFE, EL PAÍS, Reuters, Amazon.