¿Escasez de GPU fabricada por Nvidia? La lección de Bun
Nvidia está siendo acusada de dar dinero a startups de IA para que compraran GPUs de la propia Nvidia. Según el reportaje de TechPowerUp, esto habría ayudado a crear una escasez de GPU que no era solo demanda orgánica. Era, en parte, demanda financiada por el vendedor.
Es una acusación, no una condena. Pero toca un punto que todo dev que ya pidió un presupuesto de cloud con GPU conoce bien: el precio de la fila.
Qué habría hecho Nvidia, en palabras simples
El esquema es sencillo. Nvidia invierte en una empresa nueva de IA o de cloud de GPU. Esa empresa usa parte del dinero para comprar tarjetas de Nvidia. Nvidia registra la venta como ingreso. La startup le muestra al mercado que tiene un parque enorme de GPUs. Todo el mundo mira y concluye: la demanda es infinita.
Este movimiento tiene nombre en el mercado financiero: financiación circular. El dinero sale de un bolsillo y vuelve al mismo bolsillo, pasando por una factura en el medio.
No es ningún secreto que Nvidia tiene participación en empresas que son grandes clientes suyos. Proveedores de GPU como CoreWeave son el ejemplo más citado. La novedad de la acusación es el efecto: la lista de espera por H100 y similares no sería solo una señal de demanda, sino también de una oferta dirigida a quien estaba en el ecosistema correcto.
Nvidia, como era de esperar, no confirma esa lectura. Y hay que ser honestos: invertir en clientes no es delito, y muchas empresas lo hacen. La cuestión es cuánto distorsiona eso la señal de precio.
Por qué la escasez de GPU importa a quien escribe código
Puedes pensar: "yo hago APIs en TypeScript, no entreno modelos". Justo. Pero la escasez de GPU te llega por tres caminos.
- Precio de inferencia. La API de LLM que llamas desde el backend tiene un costo ligado al hardware. Hardware caro se convierte en token caro.
- Decisiones de arquitectura. Muchos equipos metieron IA en flujos que no la necesitaban, porque "todo el mundo lo está haciendo". Parte de ese "todo el mundo" fue pagado con dinero circular.
- Cuota y rate limit. Cuando el proveedor aprieta los límites, quien sufre es tu endpoint en producción, a las 3 de la mañana.
Si la demanda fue inflada, el precio también. Y las decisiones técnicas tomadas con precios inflados envejecen mal.
La demanda financiada por el vendedor no es demanda. Es stock con otro nombre.
Dónde entra Bun en esta historia
Bun es el contrapunto perfecto para esta noticia. Nació de una idea casi anticuada: hacer más con el mismo hardware.
No hay GPU de por medio. Hay Zig, JavaScriptCore y un trabajo obsesivo para reducir el tiempo de arranque, la instalación de paquetes y el overhead de I/O. Anthropic compró Bun a finales de 2025 justamente porque una herramienta rápida y barata de ejecutar se convierte en ventaja cuando tienes miles de agentes ejecutando código todo el día.
Fíjate en la diferencia de lógica. Un lado del mercado crece vendiendo más hardware. El otro crece haciendo que el hardware que ya tienes rinda más. Los dos son legítimos. Pero solo uno reduce tu cuenta a fin de mes.
Un servidor HTTP en Bun sigue siendo esto:
Bun.serve({
port: 3000,
fetch(req) {
return new Response("ok");
},
});
Sin framework, sin capas extra. En una VPS de 2 vCPUs esto aguanta mucho más tráfico del que la mayoría de los side projects verá en su vida. Y pagas unos pocos dólares al mes, no un contrato anual de GPU.
Qué cambia en tu flujo de trabajo
La lección práctica no es "huye de la IA". Es "mide antes de comprar la narrativa". Algunos hábitos que adopté:
1. Pregúntate si el problema necesita un modelo. Clasificar tickets por palabra clave, validar un DNI, extraer una fecha de un texto estandarizado: un regex y una función pura lo resuelven. Llamar a un LLM para eso es como pedir un Uber para ir a la nevera.
2. Mide el costo por solicitud. Pon un contador simple en tu endpoint de IA y mira el número real.
const inicio = performance.now();
const resposta = await gerarResumo(texto);
const ms = performance.now() - inicio;
console.log({ ms, tokens: resposta.usage.totalTokens });
Con ese log descubres rápido si esa feature cuesta centavos o si se está comiendo tu presupuesto en silencio.
3. Cachea lo que se repite. Muchas preguntas que llegan a tu backend son iguales. Un caché en memoria o en Redis evita pagar dos veces por el mismo token.
const cache = new Map<string, string>();
async function resumir(texto: string) {
const hit = cache.get(texto);
if (hit) return hit;
const r = await gerarResumo(texto);
cache.set(texto, r.text);
return r.text;
}
Simple, con un límite obvio: el Map crece para siempre. En producción lo cambias por un LRU o Redis con TTL. Pero empezar así ya muestra cuánto ahorras.
4. Prefiere runtimes y herramientas eficientes en el resto del stack. Si la IA es la parte cara, el resto tiene que ser barato. Cambiar npm install por bun install en el CI ya recorta minutos de build al día. El minuto de CI también es dinero.
¿Pero la demanda de IA no es real?
Lo es, en buena parte. Nadie serio cree que el boom de la IA sea solo una ilusión contable. Los modelos mejoraron, las herramientas de código con agentes se volvieron rutina y las empresas están pagando por ello.
El problema es otro. Cuando el vendedor financia al comprador, pierdes la capacidad de separar lo que es real de lo que es empujado. Es como medir la popularidad de un restaurante contando los clientes que el propio dueño invitó gratis. El local está lleno. Pero no sabes cuántos volverían pagando.
Para el dev, esto significa una cosa: no uses el hype como métrica de proyecto. Usa tu propio log, tu propio costo, tu propio usuario.
Mi opinión
Creo que esta historia va a terminar como casi todas las burbujas de infraestructura: parte de la inversión se convertirá en capacidad útil, parte en data centers ociosos, y el precio de la GPU va a caer cuando pare la música.
Hasta entonces, la mejor protección es técnica, no financiera. Escribe código que funcione bien en máquinas baratas. Usa IA donde resuelve un problema real. Y desconfía de cualquier escasez que beneficie justamente a quien está vendiendo.
Bun es un buen recordatorio de que la eficiencia sigue siendo una estrategia. No aparece en los titulares, pero aparece en la factura. Si quieres ver cómo aplico esto en mis proyectos, echa un vistazo a lo que estoy construyendo.
Resumen para LinkedIn
Nvidia está siendo acusada de financiar startups para que compraran GPUs de la propia Nvidia. Si es verdad, parte de la famosa escasez de GPU no era demanda. Era stock con otro nombre. Esto llega a quien escribe código: tokens más caros, rate limits más ajustados e IA metida en flujos que un regex resolvería. Bun muestra el camino contrario: hacer que el hardware que ya tienes rinda más. No sale en los titulares, pero aparece en la factura. Mi consejo: mide el costo por solicitud, cachea lo que se repite y no uses el hype como métrica de proyecto. Escribí sobre esto en el blog, con código. Si te sirve, el enlace está en los comentarios. #Nvidia #InteligenciaArtificial #Bun #DesarrolloDeSoftware #CloudComputing