Aravolta: La depreciación de las GPU varía entre un 30% y un 45% según la carga de trabajo real, dejando obsoletos los promedios de la industria para los prestamistas
Análisis publicado el 13 de noviembre de 2025
El mercado de financiamiento de GPU está valorando el riesgo basándose en cifras ficticias. Según un análisis detallado de Aravolta, los datos de telemetría de implementaciones de GPU en el mercado medio revelan que un hardware idéntico puede envejecer a ritmos drásticamente diferentes según los patrones de uso reales, con curvas de depreciación que varían entre un 30% y un 45% entre clientes, a pesar de utilizar los mismos modelos de GPU. Esta brecha entre las suposiciones de suscripción y la realidad está creando una exposición significativa para los prestamistas que continúan utilizando cronogramas de depreciación uniformes.
El consenso roto de la industria sobre la vida útil de las GPU
El mercado actual opera bajo suposiciones contradictorias que revelan una falta fundamental de consenso. CoreWeave suscribe públicamente activos de GPU asumiendo aproximadamente 6 años de vida útil, mientras que Nebius utiliza una cifra cercana a los 4 años. Algunos analistas advierten que el uso intensivo podría reducir la cifra real a 3 años o menos. El problema es que todos discuten sobre un promedio que no existe en la práctica. Como demuestra el análisis de Aravolta, la pregunta no debería ser cuánto dura una H100 en general, sino cómo se operó realmente cada GPU específica a lo largo de su vida útil.
El modelo de financiamiento actual trata a las GPU como camiones o equipos de perforación con una depreciación lineal predecible. Este enfoque falla catastróficamente cuando se aplica a la infraestructura de cómputo, ya que un hardware de GPU idéntico envejece de manera muy distinta según la intensidad de la carga de trabajo, la gestión térmica y los patrones de utilización. Una GPU que ejecuta cargas de trabajo de inferencia constantes con una utilización del 60-70% bajo condiciones térmicas moderadas puede seguir siendo económicamente viable durante más de 5 años, mientras que una unidad idéntica sometida a cargas de trabajo de entrenamiento irregulares con picos diarios del 95-100% de utilización puede quedar económicamente obsoleta en 3 años o menos.
Los datos del mundo real exponen una brecha de dos años en las expectativas de vida útil de los activos
El trabajo de Aravolta con un prestamista del mercado medio que financia implementaciones de GPU en el rango de 0-50MW reveló la magnitud del problema. La suscripción original asumía una utilización constante del 80%, 5,5 años de vida económica útil y ninguna variación significativa entre clientes o tipos de carga de trabajo. La telemetría real contó una historia drásticamente diferente.
Los picos de intensidad de carga de trabajo al 95-100% no eran ocasionales como se suponía, sino que ocurrían a diario, lo que causaba un estrés acelerado en los componentes. Las violaciones del límite térmico, que no se habían modelado en absoluto, ocurrían con frecuencia durante las ráfagas de entrenamiento, y muchas GPU operaban regularmente por encima de los límites térmicos recomendados. Los ciclos de mantenimiento mostraron necesidades elevadas bajo cargas de trabajo de alta variabilidad, con ventiladores, pasta térmica y otros componentes que requerían atención antes de lo esperado. Lo más crítico es que la obsolescencia económica llegó entre 18 y 30 meses antes para algunas cargas de trabajo en comparación con otras, lo que significa que las GPU se volvieron antieconómicas mucho antes de que fallaran físicamente.
El resultado fue sorprendente. Un grupo de GPU que se esperaba que ofreciera 5,5 años de vida útil tendía a solo 3,7 años bajo condiciones reales de implementación. Esta brecha de casi dos años entre la expectativa y la realidad tiene efectos en cascada sobre las suposiciones de valor de rescate, los disparadores de convenios de préstamo y todo el cálculo de deuda frente a capital. Para los prestamistas, representa la diferencia entre un préstamo productivo y una exposición subcolateralizada que se materializa sin previo aviso.
La física de la degradación de las GPU
El análisis identifica el estrés térmico como el principal impulsor del envejecimiento acelerado. Por cada aumento de 10 grados Celsius en la temperatura de operación, la vida útil de los componentes electrónicos se reduce aproximadamente a la mitad. La alta utilización sostenida al 98% de carga durante todo el día acelera el desgaste de los componentes, con datos de la industria que indican que, incluso con una utilización promedio del 60-70%, las GPU de centros de datos de gama alta pueden durar solo de 1 a 3 años. Los picos de energía estresan a los reguladores de voltaje y capacitores, con GPU de alta gama que superan los 500 vatios y causan daños por electromigración con el tiempo.
El ciclo térmico derivado de cargas de trabajo intermitentes crea un estrés adicional que la operación constante 24/7 no genera. El calentamiento y enfriamiento repetidos provocan que los materiales se expandan y contraigan, estresando las uniones de soldadura de formas que la operación a temperatura constante evita. El mantenimiento inadecuado agrava estos problemas, con ventiladores de GPU clasificados para aproximadamente 5 años, pero que fallan antes bajo una operación constante de altas RPM. El análisis recomienda la limpieza, el cambio de ventiladores y la renovación de la pasta térmica dos veces al año como mantenimiento esencial.
Lo que esto significa para el financiamiento de GPU
Los prestamistas que financian GPU sin un monitoreo a nivel de activo basado en telemetría enfrentan múltiples riesgos que la suscripción tradicional no puede captar. Se arriesgan a perder el capital sin previo aviso cuando los prestatarios sobrecargan sus GPU con una utilización máxima constante y altas temperaturas, convirtiendo una flota suscrita para 5-6 años en una con solo 2-3 años de vida económica. Cobran de más en los acuerdos a buenos operadores que gestionan sus GPU de forma conservadora, alejando a los prestatarios de calidad hacia capital más barato. Simultáneamente, cobran de menos en los acuerdos donde las GPU se llevan al límite hasta el fallo, asumiendo un riesgo oculto que solo sale a la luz cuando se vuelven necesarias las amortizaciones.
La falta de datos granulares también obliga a los prestamistas a establecer términos conservadores e inflexibles cuando estructuras creativas como los *sale-leasebacks* con disparadores de rendimiento o el financiamiento basado en el uso podrían ajustar mejor el riesgo y el retorno. Sin datos de utilización reales, estas estructuras siguen siendo teóricas.
Aravolta sostiene que la próxima generación de financiamiento de cómputo requiere un monitoreo en tiempo real de las flotas de GPU a nivel de señal de hardware para producir curvas de depreciación adaptadas a cada carga de trabajo y entorno. La empresa está trabajando con operadores del mercado medio en el segmento de 1-100MW para respaldar estructuras como *sale-leasebacks*, arrendamientos basados en el uso y líneas de crédito revolventes para GPU, ancladas en datos de rendimiento reales en lugar de en el folclore de la industria.
El viejo mundo del financiamiento de GPU se basa en promedios. El nuevo mundo, según Aravolta, se basa en la telemetría. Para una clase de activos donde el hardware idéntico puede depreciarse a tasas que varían entre un 30% y un 45% según cómo se opere realmente, esa distinción no es académica. Es la diferencia entre valorar el riesgo correctamente y volar a ciegas.