Los precios de los tokens han caído órdenes de magnitud desde 2022. El supuesto reflexivo es que las mejoras de eficiencia del modelo—conteos de parámetros más pequeños, cuantización mejorada, destilación—los empujarán aún más hacia abajo. Ese supuesto ignora la cadeia de suministro. Según la investigación de SemiAnalysis presentada en QCon AI, la variable que limita los pisos de costos de inferencia no es cuántas operaciones requiere un modelo por token. Es cuántos obleas puede producir TSMC por trimestre.

El nodo N3 de TSMC es el cuello de botella actual. Cada hoja de ruta principal de acelerador ha convergido en él: Rubin de Nvidia, ASICs personalizados de Broadcom, TPUv7 de Google, serie MI de AMD, Annapurna, MediaTek. SemiAnalysis modela la demanda relacionada con IA—aceleradores, CPUs host, silicio de redes—consumiendo poco menos del 60% de toda la producción N3 en 2026. Para 2027, esa cifra alcanza el 86%, eliminando casi completamente los chips de smartphones y PC de consumidor del mismo nodo. Se espera que la utilización de N3 exceda el 100% en H2 2026. Una oblea de 3nm cuesta $19.500–$21.000 a precios comerciales; las obleas de 2nm cuestan más de $30.000—una prima del 50%. TSMC ha anunciado aumentos de precios durante cuatro años consecutivos comenzando en 2026, con 3nm subiendo aproximadamente un 3% y nodos avanzados potencialmente alcanzando el 10%.

La capa de empaque agrava el cuello de botella. Ni siquiera una oblea perfectamente fabricada puede enviarse como un acelerador de IA funcional sin CoWoS—el proceso Chip-on-Wafer-on-Substrate 2.5D de TSMC que une un die de GPU o acelerador a pilas de memoria de ancho de banda alto en un interposer de silicio. El CEO de TSMC, C.C. Wei, ha declarado que CoWoS está agotado hasta 2026. TSMC está escalando la producción de CoWoS aproximadamente diez veces desde finales de 2023, apuntando a 120.000 a 130.000 obleas por mes para finales de 2026—una expansión completamente consumida antes de la entrega. Los tiempos de entrega para espacios CoWoS oscilan entre 52 y 78 semanas. Nvidia ha reservado la mayoría de la asignación de CoWoS disponible. La memoria y el empaque juntos representan el 60–70% del COGS del acelerador de IA; el silicio lógico ya no es el principal impulsor de costos.

El efecto en la fijación de precios de inferencia es directo. Los precios de los contratos de alquiler de 1 año del H100 subieron un 40% desde el mínimo de octubre de 2025. Los precios de memoria aumentaron 6× en el último año; se espera que los precios de DRAM se dupliquen o tripliquen nuevamente, con capacidad creciendo solo 20–30% anualmente. Las nuevas fábricas, desencadenadas por señales de demanda de finales de 2025, no entregarán oferta significativa hasta finales de 2027 o 2028. Los márgenes brutos de Anthropic pasaron de aproximadamente 30% a al menos 72%, no por cortar costos sino por racionar el acceso: la empresa redujo límites de uso y tarifas porque la demanda supera la capacidad. SemiAnalysis rastreó su propio gasto en tokens aumentando de aproximadamente $10.000 por año a finales de 2023 a $7 millones anualizados para principios de 2025—28% de su base salarial de $25 millones.

La eficiencia del modelo importa. Los modelos de razonamiento que entregan mejores salidas por token cambian la economía unitaria. Pero no desbloquean inicios de obleas adicionales. No acortan la cola de CoWoS de 52 a 78 semanas. No alteran la trayectoria de precios de cuatro años de TSMC. El gasto de capital de TSMC solo superó su pico histórico anterior en 2025, a pesar de que la construcción de IA comenzó a finales de 2022—un retraso de varios años que explica por qué la oferta no se ha mantenido al ritmo de la demanda. El cofundador de SemiAnalysis, Dylan Patel, proyecta que TSMC alcanzará $100 mil millones en gasto de capital en 2028, con alivio significativo de capacidad llegando no antes de finales de 2027.

Para arquitectos que construyen pilas de inferencia de varios años: las mejoras de eficiencia del modelo comprimirán el componente de costo computacional. El piso de los precios de tokens se establece por el cronograma de precios de nodos de TSMC, colas de asignación de CoWoS y mercados spot de HBM—ninguno de los cuales rastrea conteos de parámetros del modelo. Construya modelos de costos de inferencia en torno a la economía de fabricación primero, curvas de eficiencia en segundo.