El inversor Chamath Palihapitiya ha publicado lo que él llama una "guía de inversión en IA" en X, mapeando hacia dónde espera que fluya el capital en el mercado de la inteligencia artificial. El fundador de Social Capital argumenta que, si bien los retornos más rápidos se encuentran en la energía y los bienes raíces de centros de datos, los márgenes duraderos a largo plazo pertenecerán a los "harnesses" y a las aplicaciones construidas sobre ellos. El marco llega en un momento en que los hiperescaladores, incluidos Microsoft, Google, Amazon y Meta, comprometen colectivamente cientos de miles de millones de dólares a la infraestructura de IA, intensificando la competencia por los recursos finitos —tierra, electricidad y chips— que sustentan toda la cadena.

Tierra, energía e infraestructura: el camino más rápido hacia los retornos

Palihapitiya categorizó las oportunidades de inversión en IA en capas, comenzando con lo que él llama LPS, abreviatura de land, power y shell (tierra, energía e infraestructura). El término se refiere a la huella física de un centro de datos antes de que se instale ningún chip.

Describió esta capa como "todavía el camino más obvio y rápido hacia los retornos de cash on cash", y añadió: "Se puede ensamblar e intercambiar mucho valor rápidamente en esta capa. Y a medida que los centros de datos enfrentan más resistencia, la tierra energizada puede explotar en valor. Muy alcista aquí."

Palihapitiya dijo que él y su pareja, Anita Verma-Lallian, han asegurado cerca de 6 gigavatios (GW) de energía hasta 2029, una escala comparable a la producción de varias centrales nucleares grandes. Anteriormente había afirmado que la tierra con aprobación de zonificación y el acceso al silicio otorgan a sus propietarios poder de negociación sobre todos los actores aguas abajo en la cadena de suministro de IA. Asegurar compromisos de energía de esta magnitud se ha vuelto cada vez más difícil en toda la industria, ya que las restricciones de la red eléctrica y los plazos de permisos en los principales mercados de EE.UU. pueden prolongar los proyectos de centros de datos por años.

La capa de los harnesses: donde residen los márgenes duraderos

Por encima de la infraestructura física, la tesis central de Palihapitiya se centra en lo que él llama el "harness". En una publicación de julio en X, escribió: "Un harness moderno + modelo abierto aplastará tu consumo de tokens pero mantendrá tu rendimiento."

Un harness, según un glosario de Hugging Face publicado el 25 de mayo, es el software que envuelve a un modelo de IA y determina lo que el modelo ve, qué herramientas puede invocar y cuándo se detiene. Claude Code de Anthropic, Codex de OpenAI y Antigravity de Google son todos ejemplos de harnesses. Claude Code es descrito como "el harness agéntico alrededor de Claude" en su documentación oficial.

Palihapitiya argumentó que "el harness ayuda a las empresas a ser dueñas de su contexto propietario (lo que Alex Karp llama su 'alfa')," el cual definió como incluyendo datos, flujos de trabajo y reglas de negocio. Karp, CEO de Palantir Technologies, ha argumentado anteriormente que los datos propietarios son el activo competitivo definitorio en la IA empresarial.

Las aplicaciones como ganadoras a largo plazo

La tesis de inversión de Palihapitiya también se extiende a las aplicaciones, que identificó como otra ganadora a largo plazo. Escribió: "Cada empresa, con el harness adecuado, ahora puede impregnar su alfa en el software que opera su empresa." Este enfoque posiciona a las empresas existentes —no solo a los laboratorios de IA— como posibles beneficiarias si logran integrar datos y flujos de trabajo propietarios en aplicaciones potenciadas por modelos.

Figuras de la industria opinan

Varios líderes de la industria respondieron a la publicación de Palihapitiya, muchos de ellos respaldando su énfasis en los harnesses.

Xiaoyin Qu, fundadora de Tycoon AI, expresó su apoyo a la tesis del harness, afirmando que un harness "creará margen independientemente de si el modelo se commoditiza", porque el adecuado puede desbloquear trabajos grandes de largo horizonte que valen más que cualquier salida individual de un modelo.

Aaron Levie, CEO de Box, respondió a una publicación separada que destacaba el rendimiento de varios agentes de IA, afirmando que el harness "se va a convertir en la variable más importante" en la cadena de IA, junto a la capacidad bruta del modelo.

Contexto: las preguntas anteriores de Palihapitiya sobre el gasto en IA

A mediados de julio, Palihapitiya publicó en X cuestionando el estado actual del gasto en IA, preguntando si estaba generando beneficios para alguien más allá del puñado de empresas que ya están recaudando ingresos. Señaló a los compradores que ahora pueden gastar $0.50 por millón de tokens de vanguardia en lugar de $56 por el mismo volumen.

Su tesis del harness parece ser una respuesta directa a esa preocupación: si los modelos se vuelven baratos e intercambiables, el valor migra a quien controle los datos, los flujos de trabajo y, en última instancia, las aplicaciones construidas encima.