El gasto de Meta en IA con Microsoft revela una inesperada dependencia de Azure
Según informes, Meta gasta cientos de millones al año en Microsoft Azure, pese a construir una de las mayores infraestructuras de inteligencia artificial de la industria tecnológica. La relación entre Meta y Microsoft implica ahora billones de tokens de IA cada semana, según una persona familiarizada con la actividad.
Un token es una pequeña unidad de texto procesada por un modelo de IA. El volumen de tokens refleja la intensidad de la carga de trabajo, aunque no revela el número de usuarios ni las tareas involucradas. El gasto reportado en Azure por Bloomberg convierte a Meta en uno de los mayores clientes de IA de Microsoft, según la fuente anónima.
El gasto no es simplemente otro contrato de nube. Meta desarrolla Llama, opera sus propios centros de datos, compra enormes cantidades de hardware informático y compite por los mismos usuarios de IA que Microsoft y OpenAI. Sin embargo, según los informes, utiliza modelos de OpenAI a través de la nube de Microsoft para ayudar a evaluar los resultados de sus propios sistemas.
Esto genera la inversión central. Uno de los constructores más agresivos del mundo de infraestructura de IA independiente paga a una plataforma rival por acceso a modelos y capacidad informática. Microsoft, por su parte, obtiene ingresos por consumo de una empresa que compite con sus propios productos de IA.
Ninguna de las dos compañías confirmó el gasto ni el volumen de tokens reportados. Microsoft y Meta declinaron hacer comentarios a Bloomberg, dejando sin respuesta preguntas importantes sobre las cargas de trabajo, la duración de los contratos y la selección de modelos.
La revelación aun así ofrece una visión poco habitual de la economía detrás de los grandes sistemas de IA. La demanda de nube se concentra cada vez más entre empresas tecnológicas que ya poseen una infraestructura considerable. Construyen internamente mientras compran capacidad externa cuando la velocidad, la disponibilidad o la calidad del modelo lo justifican.
Qué estaría comprando Meta a Microsoft
El uso de Azure por parte de Meta parece combinar capacidad informática externa, acceso a modelos de terceros y una forma más rápida de probar sus propios sistemas de IA.
Según Bloomberg, Meta consume billones de tokens a través de la nube de Microsoft cada semana. Sus desarrolladores tendrían acceso a modelos de OpenAI y otros proveedores mediante Microsoft Foundry, la plataforma de la empresa para desplegar y evaluar modelos de IA.
El informe señala que Meta selecciona el acceso a modelos entre varias plataformas según el coste y la disponibilidad. Esa descripción apunta a una estrategia de adquisición multicloud, más que a una alianza exclusiva. Meta puede dirigir tareas individuales al proveedor que ofrezca la capacidad o el modelo necesarios en ese momento.
Una carga de trabajo reportada resulta especialmente reveladora. Los desarrolladores de Meta han utilizado tecnología de OpenAI disponible a través de Foundry para evaluar resultados generados por los propios modelos de IA de Meta.
La evaluación de modelos mide cualidades como precisión, relevancia, seguridad y seguimiento de instrucciones. Los desarrolladores pueden comparar una respuesta con material de referencia o pedir a otro modelo que la puntúe. La documentación de evaluación de Microsoft describe flujos de trabajo que utilizan modelos desplegados para evaluar resultados existentes y completar conversaciones.
Utilizar el modelo de un competidor como evaluador no significa que Meta dependa de OpenAI para todos los juicios. Los sistemas de evaluación normalmente combinan puntuación automatizada, revisión humana, pruebas y múltiples verificaciones basadas en modelos. El informe de Bloomberg no revela el equilibrio entre esos métodos.
El acuerdo aún puede acelerar el desarrollo. Un equipo que prueba muchas versiones de modelos debe generar resultados, puntuarlos, investigar fallos y repetir el proceso. El acceso a modelos externos permite a ese equipo añadir otro evaluador sin esperar infraestructura interna adicional.
Azure también ofrece una capa de control consolidada alrededor de esas cargas de trabajo. Los ingenieros pueden gestionar despliegues, permisos, supervisión, conjuntos de datos y capacidad regional mediante una sola plataforma. Estas funciones operativas pueden importar tanto como el acceso a un modelo específico.
El volumen reportado de Meta sugiere que las cargas de trabajo van más allá de experimentos ocasionales. Billones de tokens semanales representarían un uso industrial sostenido, aunque el informe no proporciona un total preciso.
Los recuentos de tokens también requieren una interpretación cuidadosa. Un prompt más largo consume más tokens de entrada, mientras que los sistemas de razonamiento pueden generar una cantidad considerable de texto interno y de salida. Las evaluaciones repetidas multiplican el uso porque varios modelos pueden procesar la misma muestra.
El gasto anual reportado también abarca una combinación desconocida. Podría incluir inferencia de modelos, evaluación, almacenamiento, redes, capacidad reservada o servicios de Azure relacionados. Ninguna de las dos empresas ha publicado un desglose.
Esta incertidumbre impide comparaciones directas con los costes informáticos internos de Meta. Las facturas de nube incluyen infraestructura y servicios gestionados, mientras que los cálculos de costes internos distribuyen hardware, energía, instalaciones, redes e ingeniería a lo largo del tiempo.
El cambio claro es estratégico, no contable. Meta está dispuesta a adquirir grandes cargas de trabajo externas mientras financia su propia y amplia expansión de IA. Eso convierte a Azure en un complemento práctico de la infraestructura de Meta, no simplemente en un canal de distribución para Llama.
Por qué importa ahora la relación entre Meta y Microsoft
El gasto reportado de Meta con Microsoft aporta a Azure algo que los inversores han exigido: evidencia de que las empresas tecnológicas independientes pagarán por consumo de IA a gran escala.
Microsoft afirmó que su negocio de IA superó una tasa anualizada de ingresos de 37.000 millones de dólares durante su tercer trimestre fiscal. La compañía también informó de que los ingresos de Azure y otros servicios en la nube crecieron un 40 por ciento respecto al año anterior.
Estas cifras cubren una amplia cartera y no identifican la contribución de Meta. Sin embargo, establecen el entorno que rodea al informe. Microsoft está ampliando sus ingresos de IA mientras la demanda de los clientes sigue superando la capacidad informática disponible.
La llamada de resultados trimestrales de la compañía describió una demanda de Azure superior a la oferta disponible en cargas de trabajo, segmentos de clientes y regiones. Microsoft espera que esas limitaciones de capacidad continúen durante 2026.
Eso hace que Meta sea valiosa por más que su gasto reportado. Su carga de trabajo ofrece un ejemplo visible de consumo de alta intensidad por parte de un comprador sofisticado con alternativas.
Las empresas tecnológicas comprenden la economía de los modelos, el rendimiento de la infraestructura y los precios de la nube mejor que la mayoría de los clientes. Pueden trasladar cargas de trabajo, negociar grandes compromisos y crear sustitutos internos. Cuando un comprador de este tipo sigue adquiriendo capacidad externa, refuerza el argumento de Microsoft de que Azure aporta un valor operativo escaso.
Microsoft ha identificado a ByteDance, Adobe, Perplexity y la empresa de IA empresarial Sierra entre otros clientes importantes de IA, según Bloomberg. La lista sugiere que la demanda sigue estando muy concentrada dentro de los negocios tecnológicos.
Esa concentración presenta tanto validación como riesgo. Un pequeño grupo de grandes clientes puede generar enormes volúmenes de tokens rápidamente. Esos clientes también pueden reducir el gasto cuando cambian las arquitecturas de modelos, la capacidad interna o la economía de los proveedores.
Los compromisos de infraestructura de Microsoft hacen que esa distinción sea importante. La empresa informó de 31.900 millones de dólares en gastos de capital durante el tercer trimestre. Aproximadamente dos tercios respaldaron activos de vida más corta, principalmente procesadores gráficos y unidades centrales de procesamiento.
Microsoft también proyectó aproximadamente 190.000 millones de dólares en gastos de capital para el año natural 2026. Ese total incluía un efecto estimado de 25.000 millones de dólares por el aumento de los costes de componentes.
Estas inversiones requieren algo más que interés experimental. Microsoft necesita clientes cuyas cargas de trabajo sigan activas después de que terminen los pilotos. Los servicios basados en consumo convierten cada solicitud, evaluación o tarea de agente en uso medido de nube.
Meta proporciona el tipo de carga de trabajo que puede absorber capacidad de forma continua. El desarrollo de modelos requiere apoyo repetido para entrenamiento, inferencia, evaluación, asistencia de programación y pruebas de seguridad. Cada ciclo de mejora puede generar otro gran lote de tokens.
Por eso el informe importa más que otro anuncio de clientes empresariales. Meta no está adoptando IA por primera vez. Ya opera productos de consumo a escala global y emplea a destacados investigadores de IA.
Por tanto, sus compras reportadas de Azure representan desbordamiento de capacidad, especialización o acceso estratégico a modelos. Cada explicación refuerza una parte distinta del argumento de plataforma de Microsoft.
El uso por desbordamiento muestra que incluso los mayores constructores internos encuentran límites de capacidad. El uso especializado muestra que las herramientas de nube gestionada pueden seguir siendo valiosas junto a la infraestructura privada. El acceso estratégico muestra que la diversidad de modelos puede influir en dónde se ejecutan las cargas de trabajo.
Microsoft se beneficia bajo las tres explicaciones. Puede vender infraestructura sin exigir que los clientes abandonen sus modelos, nubes o sistemas internos.
El resultado también presiona a Amazon Web Services y Google Cloud. Ambos compiten por las mismas cargas de trabajo flexibles, especialmente de empresas de IA que no quieren depender de un único proveedor. La disponibilidad y la selección de modelos pueden desplazar el gasto antes de que se consolide la fidelidad a largo plazo a una plataforma.
Azure se beneficia de la necesidad de un rival de elegir modelos
La inversión central es que Microsoft puede beneficiarse de las ambiciones de IA de Meta incluso cuando los productos de Meta compiten directamente con Microsoft y OpenAI.
Meta y Microsoft ya han colaborado antes. En 2023, Microsoft se convirtió en el socio preferido de Meta para Llama 2, mientras Azure añadía el modelo a su catálogo para desarrolladores.
Esa alianza de Llama posicionó a Microsoft como distribuidor de la familia de modelos abiertos de Meta. También dio a los clientes de Azure acceso a las herramientas de nube de Microsoft para filtrado de contenido y despliegue.
El último informe describe tráfico moviéndose en la otra dirección. Según los informes, Meta compra acceso a modelos a través de Azure, incluida tecnología de OpenAI utilizada durante las evaluaciones.
Esta relación bidireccional muestra por qué las plataformas de nube evitan apostar por un único proveedor de modelos. Un cliente puede ofrecer su propio modelo a través de un marketplace mientras adquiere otro modelo para una tarea independiente.
Microsoft Foundry está diseñado en torno a esa flexibilidad. Reúne modelos, agentes, herramientas de evaluación, controles de seguridad y gestión de despliegues en un entorno común. Los clientes pueden elegir entre sistemas propios y de terceros sin reconstruir cada capa operativa.
Esta posición agnóstica respecto a los modelos otorga a Microsoft influencia más allá de su alianza con OpenAI. Si un laboratorio pierde liderazgo técnico, Azure puede seguir vendiendo acceso a otros modelos. Si los clientes construyen sus propios sistemas, Microsoft puede vender la infraestructura y la capa de gestión.
El comportamiento reportado de Meta respalda este mecanismo. La empresa no necesita declarar que un modelo es universalmente superior. Puede seleccionar un modelo para programación, otro para evaluación y sus propios modelos para productos de consumo.
Este enfoque refleja cómo trabajan realmente los equipos avanzados de IA. La calidad de los modelos varía según la tarea, el idioma, el objetivo de latencia, el requisito de seguridad y la longitud del contexto. La mejor opción para generar código puede no ser el mejor evaluador de ese código.
La misma lógica se aplica a la capacidad. Una empresa puede poseer infraestructura suficiente para una demanda de producción predecible, pero aun así necesitar recursos en la nube durante picos de pruebas. Construir todos los servidores para la demanda máxima deja hardware costoso infrautilizado más adelante.
La capacidad externa reduce esa demora. Un equipo de desarrollo puede procesar una gran ejecución de evaluación sin esperar a un nuevo centro de datos o clúster de aceleradores. Las pruebas más rápidas pueden acortar el intervalo entre un cambio de modelo y el lanzamiento de un producto.
Meta tiene razones de peso para valorar esa velocidad. Su asistente de IA compite con ChatGPT, Microsoft Copilot, Google Gemini y otros productos de consumo. Las mejoras de los modelos pierden valor cuando los rivales las lanzan antes.
Microsoft enfrenta el incentivo opuesto. Quiere monetizar la mayor cantidad posible de actividad de IA, incluida aquella que fortalece a un competidor. Los ingresos de Azure no requieren que el propio asistente de Microsoft gane cada interacción de usuario.
Ese acuerdo se parece a la competencia previa en la nube. Netflix se convirtió en un cliente destacado de AWS mientras competía con el negocio de video de Amazon. Los proveedores de nube aprendieron que los ingresos de infraestructura podían coexistir con la rivalidad a nivel de producto.
La IA eleva las apuestas porque las capas de infraestructura y aplicación están más estrechamente conectadas. Los proveedores de modelos influyen en el rendimiento, la seguridad y la economía. Los marketplaces de nube también determinan a qué modelos pueden acceder rápidamente los clientes.
Por lo tanto, Microsoft debe convencer a los clientes de que respaldará la elección de modelos sin favorecer injustamente sus propias aplicaciones. Los grandes compradores de tecnología observarán la asignación de capacidad, las condiciones contractuales, los controles de datos y el acceso a modelos competidores.
La participación de Meta da credibilidad a Azure, pero no garantiza lealtad. El informe afirma que Meta compra en múltiples plataformas según el coste y la disponibilidad. Eso convierte a Microsoft en un proveedor dentro de un mercado de compras activo.
La reversión sigue siendo comercialmente atractiva para Microsoft. Cada carga de trabajo de Meta que se ejecuta a través de Azure monetiza una demanda que la propia infraestructura de Meta no podía atender, o no atendía con suficiente eficiencia.
Lo que el volumen de tokens reportado no demuestra
Billones de tokens semanales demuestran actividad, pero no prueban que Azure se haya vuelto indispensable para Meta ni que cada carga de trabajo genere beneficios duraderos.
La primera limitación es la fuente. Bloomberg atribuye las afirmaciones centrales a una persona familiarizada con el asunto. Meta y Microsoft declinaron hacer comentarios, y ninguna de las dos ha revelado el acuerdo en una presentación regulatoria.
Por ello, los lectores deberían tratar el gasto, el volumen y la clasificación de clientes como información reportada. La dirección general encaja con las declaraciones públicas de ambas empresas, pero las cifras exactas siguen sin confirmarse.
La segunda limitación se refiere a los tokens. El volumen de tokens no es una medida estandarizada de valor económico entre modelos. Los distintos sistemas utilizan diferentes métodos de tokenización, longitudes de prompts, procesos de razonamiento, enfoques de caché y patrones de salida.
Un billón de tokens de entrada de bajo coste no genera los mismos ingresos que un billón de tokens de salida de un modelo más grande. Las entradas almacenadas en caché también pueden tener una economía distinta de la del procesamiento sin caché.
Las cargas de trabajo de evaluación pueden ser especialmente intensivas en tokens. Una sola muestra puede ser generada por un modelo, puntuada por otro y revisada según varios criterios. Repetir ese proceso en muchas versiones de modelos incrementa el volumen sin añadir usuarios finales.
Eso no hace que la actividad sea poco importante. La evaluación es una parte necesaria del desarrollo de modelos. Sí significa que los totales de tokens no pueden revelar adopción, ingresos o valor empresarial sin contexto adicional.
La tercera limitación es la concentración de clientes. Entre los mayores clientes de IA de Microsoft se incluyen, según se informa, otras empresas tecnológicas con un poder de negociación considerable. Su demanda puede crecer rápidamente, pero también puede desplazarse con rapidez.
Meta puede reducir el uso de Azure a medida que se expanda su propia infraestructura. Puede trasladar cargas de trabajo a AWS, Google Cloud, Oracle u otro proveedor. También puede sustituir modelos externos de evaluación costosos por sistemas internos más pequeños.
La escasez de capacidad en la nube fortalece hoy la posición de Microsoft. Una mayor oferta podría debilitarla más adelante al aumentar la competencia de precios. Los nuevos aceleradores y modelos más eficientes podrían reducir aún más la computación necesaria para cada tarea.
Los informes recientes sobre el aumento de los gastos en IA muestran claramente esta tensión. Microsoft y Meta están comprometiendo enormes recursos antes de que la industria haya establecido retornos estables a largo plazo para cada carga de trabajo.
Microsoft afirma que los modelos basados en consumo alinean los ingresos con el valor para el cliente. Esa tesis depende de que los clientes sigan percibiendo beneficios medibles de los agentes, las herramientas de programación, las evaluaciones y otros servicios de IA.
Meta enfrenta un problema relacionado. El acceso a modelos externos puede acelerar el desarrollo, pero también puede exponer a la empresa a cambios en los costes de los proveedores y en la asignación de capacidad. La dependencia se vuelve riesgosa cuando un flujo de trabajo crítico carece de un sustituto práctico.
La evidencia disponible no establece ese nivel de dependencia. Las compras multicloud reportadas de Meta sugieren una diversificación deliberada. Su enorme inversión interna proporciona otra fuente de poder de negociación.
Tampoco hay evidencia de que Microsoft obtenga acceso a las salidas propietarias de los modelos de Meta más allá del procesamiento requerido por los servicios contratados. Los acuerdos de nube empresariales normalmente incluyen condiciones específicas de datos y seguridad, pero ninguna de las empresas reveló esos detalles aquí.
La privacidad, la propiedad intelectual y la sensibilidad competitiva siguen siendo cuestiones centrales. Las evaluaciones de modelos pueden contener capacidades no publicadas, casos de fallo y planes de producto. Los compradores sofisticados necesitan controles sólidos sobre registros, retención, uso para entrenamiento y acceso de empleados.
Microsoft publica orientación sobre IA responsable y seguridad para Foundry. Sin embargo, la documentación pública no puede revelar las protecciones exactas negociadas por Meta.
La conclusión prudente es más limitada que el titular. Meta parece ser un importante consumidor de IA de Azure, pero la duración y la profundidad estratégica de esa relación siguen siendo desconocidas.
Tres señales que pondrán a prueba la tesis Meta-Microsoft
La próxima evidencia debería mostrar si el uso de Azure por Meta es una compra temporal de capacidad o una parte duradera de su sistema de desarrollo de IA.
La primera señal es la próxima divulgación de Microsoft sobre el consumo y la capacidad de Azure AI. Los inversores deberían observar si el crecimiento de Azure sigue acelerándose a medida que se habilitan nuevos recursos de computación.
Microsoft afirmó que la demanda superó la capacidad disponible durante su tercer trimestre fiscal. También esperaba una aceleración moderada de Azure durante la segunda mitad del año calendario 2026, pese a las continuas restricciones de oferta.
Si el crecimiento de Azure aumenta mientras se expande la capacidad, el informe sobre Meta y Microsoft parecerá parte de un patrón más amplio de consumo duradero. Un crecimiento más lento después de que mejore la oferta debilitaría esa interpretación.
La concentración de clientes merece la misma atención. Microsoft podría identificar a más grandes clientes externos de IA o describir con mayor detalle la adopción de Foundry. Una base de clientes más amplia reduciría la dependencia de unas pocas empresas tecnológicas.
La segunda señal es la orientación de Meta sobre infraestructura y el calendario de lanzamientos de modelos. Meta planea actualmente una inversión de capital extraordinaria en centros de datos, procesadores, redes e investigación de IA.
Una mayor capacidad interna no reduce automáticamente el gasto en la nube. Un desarrollo de productos más rápido puede incrementar la demanda total lo suficiente para que crezcan tanto la infraestructura interna como la externa.
La pregunta importante es hacia dónde dirige Meta las cargas de trabajo marginales. La evaluación continua de modelos externos después de que entre en línea nueva capacidad de Meta indicaría que Azure aporta más que una capacidad temporal adicional.
Una caída pronunciada en el acceso adquirido a modelos sugeriría una estrategia puente. Meta podría estar alquilando capacidad hasta que sus propios clústeres, modelos o herramientas de evaluación sean suficientes.
Los lanzamientos de modelos ofrecerán evidencia indirecta. Ciclos de lanzamiento más rápidos, sistemas de programación mejorados o nuevas afirmaciones sobre evaluaciones podrían mostrar cómo Meta utiliza recursos externos. La empresa aun tendría que revelar suficiente metodología para que los observadores externos conecten esos cambios con Azure.
La tercera señal es el movimiento entre proveedores competidores de nube y modelos. AWS y Google Cloud pueden responder con compromisos de capacidad, marketplaces de modelos, servicios de evaluación o contratos dirigidos a grandes desarrolladores de IA.
Los cambios de precios importarían, pero el precio bruto no decidirá cada carga de trabajo. La disponibilidad, la latencia, la seguridad, la calidad del modelo y la velocidad de despliegue influyen en las decisiones de compra. Una plataforma con capacidad inmediata puede ganar incluso cuando otra opción parece más barata sobre el papel.
La relación de OpenAI con Microsoft también sigue siendo relevante. Meta utiliza, según se informa, tecnología de OpenAI a través de Azure, pero Microsoft promueve cada vez más una selección más amplia de modelos. Los cambios en esa alianza podrían afectar el acceso, la economía o la confianza de los clientes.
Un Foundry multivendedor más sólido reforzaría el papel de Microsoft como proveedor de servicios públicos de IA. Una dependencia más estrecha de un único laboratorio de modelos expondría más a Azure al rendimiento y la estrategia de ese proveedor.
Para desarrolladores y compradores empresariales, la lección práctica no es copiar el gasto de Meta. Es separar la elección de modelos de la lealtad a la infraestructura.
Un equipo puede mantener sistemas internos mientras utiliza modelos externos para la evaluación. También puede distribuir cargas de trabajo entre proveedores cuando cambian la capacidad o el rendimiento. Esa flexibilidad requiere conjuntos de datos portables, pruebas repetibles y controles de seguridad claros.
Los compradores deberían medir el valor producido por cada carga de trabajo, no solo su volumen de tokens. La asistencia de programación debería mejorar el tiempo de entrega o las tasas de defectos. Las evaluaciones deberían detectar fallos que afecten a los usuarios. Los agentes deberían reducir los costes de las tareas o aumentar una producción medible.
También deberían preservar una vía de salida. Un evaluador basado en modelos puede integrarse en las decisiones de lanzamiento, dificultando su sustitución. Los equipos necesitan conjuntos de referencia y procesos de revisión humana que sobrevivan a un cambio de proveedor.
La relación reportada revela, en última instancia, un mercado en el que los competidores también son clientes, distribuidores y proveedores de infraestructura. Meta puede desafiar las aplicaciones de Microsoft mientras respalda los ingresos de Azure. Microsoft puede distribuir Llama mientras vende a Meta acceso a modelos de OpenAI.
Este acuerdo persistirá solo mientras cada parte reciba más valor del que cede. La evidencia más clara vendrá del consumo futuro, las divulgaciones de infraestructura y el movimiento de cargas de trabajo entre nubes.
Observe esas señales en lugar de tratar los billones de tokens como un veredicto final. Mostrarán si se trata de un arbitraje de capacidad a corto plazo o de una capa duradera de la pila de desarrollo de IA de Meta.
