El CEO de Coinbase, Brian Armstrong, lanzó una advertencia que sacude el debate global sobre inteligencia artificial: el verdadero freno para el crecimiento de la IA no será la calidad de los modelos, sino la falta de energía e infraestructura física para hacerlos funcionar a gran escala.
La declaración llega en un momento en que las empresas empiezan a sentir el golpe real de los costos de implementar IA.
Según Armstrong, la demanda por inteligencia generada por estas herramientas es "prácticamente ilimitada", lo que traslada toda la presión hacia los centros de datos, los chips especializados y la electricidad necesaria para sostener millones de consultas simultáneas.
En un posteo en X, el fundador de Coinbase estimó que cerca del 80% de las cargas de trabajo podrá ejecutarse con modelos hasta 99% más baratos en un plazo de 12 a 18 meses. El 20% restante seguiría dependiendo de sistemas de frontera, reservados para tareas críticas como descubrimientos científicos o agentes de IA de alto nivel.
El comentario surgió como respuesta al inversor Tommy Shaughnessy, quien señaló que el esquema de cobro por API está disparando los presupuestos corporativos de IA muy por encima de lo previsto. Como ejemplo, Shaughnessy mencionó que Uber habría agotado su presupuesto total de IA para 2026 apenas en abril.
Armstrong comparó la situación con lo que ocurre en el mercado de hardware de consumo: así como la mayoría de los usuarios no compra la MacBook más potente ni la PC gamer tope de gama, la mayor parte del mercado tampoco necesitará siempre el modelo de IA más avanzado. Pero sí requerirá infraestructura suficiente para usar estas herramientas en el día a día.
De hecho, Coinbase ya aplica esta lógica internamente. La compañía enruta las solicitudes hacia modelos de menor costo cuando la tarea lo permite, lo que le permite mantener su gasto en IA estable incluso mientras el uso de tokens crece de forma exponencial.
El ejecutivo vinculó esta estrategia con la reestructuración que Coinbase encaró en 2026 hacia una operación nativa en IA, con flujos de trabajo impulsados por agentes. En paralelo, Armstrong se mostró contrario a la sobrerregulación de esta tecnología: a su juicio, la principal barrera no será normativa ni algorítmica, sino puramente material.
La visión de Armstrong también tiene respaldo en los números del mercado. La financiación global de capital de riesgo para IA alcanzó los u$s242.000 millones en el primer trimestre de 2026, pero ese flujo de inversión no resuelve por sí solo la limitación de capacidad en centros de datos, que ya muestra signos de estancamiento frente a la demanda.
Shaughnessy sumó otro dato clave al debate: modelos de código abierto como DeepSeek V4 ya operan en un rango de rendimiento cercano al de los mejores sistemas propietarios, pero a cerca de una trigésima parte del costo. Eso pone un techo práctico a lo que los grandes laboratorios pueden cobrar si la competencia abierta sigue cerrando la brecha de calidad.
Para Armstrong, la conclusión es clara: si la demanda de inteligencia es casi infinita, el freno natural no estará en el software, sino en los límites físicos del sistema que lo hace funcionar. Por eso, la discusión sobre IA se conecta cada vez más con industrias como semiconductores, electricidad, refrigeración industrial e infraestructura crítica.