El gasto mundial en servicios de infraestructura optimizada para IA (IaaS) crecerá un 96% hasta el próximo año, alcanzando 42.200 millones de dólares, según proyecciones de Gartner. Con la expansión de la IA agéntica, la proporción de cargas de trabajo de inferencia aumentará significativamente, lo que reordenará las prioridades de inversión en la nube.
Según Gartner el 11 de agosto, el mercado mundial de IaaS optimizado para IA mantendrá un crecimiento acelerado, alcanzando 66.100 millones de dólares en 2027. El gasto de este año ascendió a 21.500 millones de dólares, un aumento del 180% respecto al año anterior. Para 2026, se prevé un incremento del 96,4% hasta 42.200 millones de dólares, y para 2027, un aumento del 56,5% hasta 66.100 millones de dólares.
Durante el mismo período, el gasto total en servicios de infraestructura se proyecta que aumente de 222.100 millones de dólares este año a 287.300 millones en 2026 y 359.900 millones en 2027.
Hardeep Singh, analista senior de Gartner, afirmó que "la demanda continua de infraestructura para respaldar el entrenamiento de grandes modelos de lenguaje (LLM) y la rápida comercialización de la IA en aplicaciones empresariales y procesos de negocio en general están impulsando el crecimiento del mercado".
Sin embargo, el eje del crecimiento se está desplazando del entrenamiento hacia la inferencia. Con la expansión de la IA agéntica, la intensidad computacional ha aumentado en procesos autónomos de múltiples pasos, lo que está reorganizando el consumo de recursos hacia la inferencia. Se prevé que el gasto mundial en inferencia alcance 23.300 millones de dólares este año, superando los 19.000 millones de dólares del gasto en entrenamiento. La proporción de inferencia en el gasto total de IaaS optimizado para IA se espera que aumente del 55% en 2026 al 59% en 2027.
Singh explicó que "a medida que las empresas hacen la transición del desarrollo de modelos hacia la implementación comercial a gran escala, los modelos ajustados y los modelos especializados por dominio se están integrando rápidamente en sistemas de atención al cliente y operacionales". Añadió que "estos sistemas requieren ejecución continua en tiempo real en lugar de aprendizaje único, lo que acelera el consumo de nube y genera demanda sostenida de infraestructura optimizada para IA".
* Este artículo ha sido traducido por IA.