National Compute Grid agrupa capacidad de IA inactiva, pero la fiabilidad es la verdadera prueba
National Compute ha lanzado National Compute Grid con unos 760 megavatios de capacidad conectada o en consideración. El proyecto cuestiona una suposición conocida sobre la escasez de infraestructura de IA. El principal problema podría no ser la cantidad de aceleradores disponibles. Podría ser que la capacidad existente permanezca dentro de proveedores, contratos y sistemas de programación desconectados.
National Compute Grid propone un mercado compartido para esa capacidad fragmentada. Startups, universidades, laboratorios gubernamentales y desarrolladores de IA pueden solicitar infraestructura sin negociar el arrendamiento de un clúster dedicado durante varios años. Los proveedores participantes pueden ofrecer hardware inactivo mientras mantienen capacidad reservada para sus propias ejecuciones de entrenamiento programadas.
Ese modelo enfrenta a National Compute con los acuerdos de infraestructura de inquilino único preferidos por grandes laboratorios de IA y proveedores de nube a hiperescala. OpenAI y Anthropic pueden asegurar clústeres enormes mediante compromisos a largo plazo. Los desarrolladores más pequeños suelen necesitar acceso temporal para experimentos, inferencia, evaluaciones o breves ciclos de entrenamiento.
La red intenta atender esas cargas de trabajo menos predecibles mediante software común de programación y mercado. También admite aceleradores NVIDIA y AMD, Google TPUs y arquitecturas de chips emergentes. Sin embargo, listar capacidad diversa es más fácil que hacerla intercambiable.
Un conjunto distribuido no puede reproducir automáticamente los clústeres estrechamente conectados utilizados para entrenar modelos de frontera. El movimiento de datos, las redes, la compatibilidad de software, la seguridad y la fiabilidad del hardware siguen limitando qué cargas de trabajo pueden ejecutarse en cada lugar.
Por tanto, el lanzamiento representa una prueba de dos modelos de infraestructura en competencia. Uno reserva clústeres completos para inquilinos individuales. El otro trata la computación como un mercado compartido capaz de redirigir capacidad no utilizada hacia la demanda inmediata.
National Compute Grid convierte hardware varado en un mercado compartido
National Compute vende acceso a capacidad coordinada, no afirma que las GPUs dispersas formen una única supercomputadora gigante.
La red entró en acceso anticipado solo por invitación en junio de 2026, según su documento de diseño de la red. Su sitio web público ofrece ahora acceso de vista previa a usuarios gubernamentales, militares y educativos elegibles. Otros clientes potenciales pueden unirse a una lista de espera.
Grid Exchange es el mercado situado en el centro del proyecto. Realiza el seguimiento de nodos disponibles entre proveedores y empareja cargas de trabajo con hardware adecuado. El programador considera el tipo de chip, la ubicación, la utilización, la disponibilidad y el límite de gasto del cliente.
Los miembros pueden conectar infraestructura que ya poseen o arriendan mediante un sistema de capacidad propia. Cuando esas máquinas no se necesitan internamente, el miembro puede ofrecerlas a otros participantes. El titular original recibe ingresos cuando la red utiliza esa capacidad.
El acuerdo se dirige a un desajuste básico en la adquisición de IA. Los equipos de investigación suelen reservar infraestructura antes de saber si un experimento tendrá éxito. Un resultado productivo puede aumentar rápidamente la demanda, mientras que un enfoque fallido puede dejar infrautilizado un clúster costoso.
National Compute afirma que los clústeres independientes de inquilino único registran con frecuencia una ocupación de nodos inferior al 60 por ciento. Su documento también informa de una utilización de FLOPS del modelo inferior al 30 por ciento y una utilización neta media de computación inferior al 15 por ciento. Estas cifras proceden de observaciones del consorcio, no de una auditoría independiente de toda la industria.
Esa distinción importa. Una GPU puede parecer ocupada mientras realiza poco trabajo útil. Puede estar esperando datos, comunicaciones, almacenamiento u otro nodo que ha fallado. Por tanto, el tiempo bruto de asignación no muestra con qué eficiencia la infraestructura hace avanzar un trabajo de entrenamiento.
El consorcio responde con una medida denominada goodput. Goodput representa trabajo completado e ininterrumpido, en lugar del número de horas de GPU reservadas. Para el entrenamiento, el sistema cuenta el tiempo de ejecución continuo que hace avanzar correctamente el trabajo.
Una ejecución de entrenamiento interrumpida no generaría el mismo cargo que el trabajo completado bajo el modelo propuesto. La capacidad de inferencia dependería, en cambio, de la disponibilidad declarada de las réplicas. El procesamiento por lotes se mediría mediante el rendimiento completado.
Este diseño transfiere más riesgo de fiabilidad al operador de infraestructura. Un proveedor gana menos cuando las máquinas fallan, se detienen o interrumpen trabajos repetidamente. Los clientes reciben un incentivo para evaluar resultados en lugar de comparar recuentos nominales de aceleradores.
El sistema también admite reservas para picos de demanda. Un equipo de investigación puede reservar un clúster mayor durante una ventana de tres a seis meses, en vez de arrendarlo continuamente durante años. La red puede llenar los periodos inactivos con trabajo de menor prioridad antes de que comience la ejecución programada.
National Compute afirma que sus miembros cuentan con unos 760 megavatios conectados o “a la vista”. Esa expresión combina infraestructura actual con capacidad que sigue siendo prospectiva. No debe interpretarse como 760 megavatios de suministro inmediatamente utilizable por los clientes.
La coalición ha fijado un objetivo de dos gigavatios para 2030. Alcanzarlo exige más que incorporar proveedores. National Compute debe integrar sus sistemas, verificar la disponibilidad y entregar cargas de trabajo bajo reglas operativas coherentes.
Por qué el acceso a computación de IA favorece a los mayores compradores
La red importa porque los contratos convencionales de infraestructura de IA recompensan la escala predecible, incluso cuando la demanda de investigación es impredecible.
Los grandes desarrolladores de IA pueden asumir compromisos prolongados porque esperan una demanda continua en numerosos productos y programas de investigación. También pueden distribuir la infraestructura no utilizada entre equipos internos. Los laboratorios más pequeños no tienen la misma flexibilidad financiera y organizativa.
Sam Sinha, responsable de IA en la empresa de robótica 1X, describió ese desequilibrio en la cobertura original del lanzamiento. Sostuvo que el mercado necesita algo más que OpenAI y Anthropic controlando el acceso a los principales recursos de computación.
Esa preocupación va más allá de la competencia entre startups. Las universidades y los laboratorios gubernamentales suelen necesitar capacidad temporal para simulaciones científicas, evaluaciones de modelos y ejecuciones de entrenamiento especializadas. Sus presupuestos y calendarios de adquisición rara vez se parecen a los de los líderes comerciales de IA.
Un grupo universitario podría necesitar cientos de aceleradores antes de la fecha límite de una conferencia. Un desarrollador de robótica podría requerir capacidad adicional mientras entrena un nuevo modelo de control. Un laboratorio nacional podría necesitar una ráfaga de GPUs en torno a un experimento específico.
Estas cargas de trabajo son importantes, pero irregulares. Comprar un clúster dedicado permanentemente para cada pico desperdiciaría dinero y energía. Esperar capacidad también puede retrasar la investigación hasta que el resultado pierda valor técnico o comercial.
La agrupación intenta reducir esa reserva inactiva mediante multiplexación estadística. El término describe la combinación de distintos patrones de demanda para que el periodo de calma de un usuario pueda atender el pico de otro. Las redes telefónicas y los sistemas eléctricos utilizan principios relacionados.
National Compute estima que agrupar a diez participantes independientes puede reducir la capacidad desperdiciada por unidad de computación aproximadamente tres veces. Afirma que un conjunto de 100 participantes puede reducir ese desperdicio aproximadamente diez veces.
Esas estimaciones dependen de la diversidad de la demanda. Si todas las empresas de IA quieren el acelerador más reciente durante la misma carrera de modelos, sus necesidades se vuelven muy correlacionadas. La agrupación no puede crear hardware cuando todos los participantes experimentan un pico simultáneo.
El modelo funciona mejor cuando los clientes tienen distintas cargas de trabajo, plazos, preferencias de chips y zonas horarias. La inferencia, el procesamiento por lotes, las evaluaciones, el ajuste fino y los proyectos de entrenamiento más pequeños pueden llenar los huecos entre grandes ejecuciones.
Eso significa que la primera ventaja de la red probablemente aparecerá por debajo de la mayor escala de entrenamiento de modelos de frontera. Las cargas de trabajo flexibles pueden trasladarse entre proveedores con más facilidad que una ejecución sincronizada que involucra miles de aceleradores estrechamente conectados en red.
National Compute también está vinculando la red a la ciencia pública. Ha anunciado un compromiso de créditos de computación para la misión federal Genesis Mission, cuyo objetivo es acelerar la investigación mediante IA. El proyecto ofrece a National Compute un entorno de prueba visible en el sector público.
El éxito allí demostraría que la infraestructura comercial compartida puede complementar las supercomputadoras de los laboratorios nacionales. El fracaso revelaría cómo los requisitos de adquisición, seguridad y software limitan la aparente flexibilidad de un mercado agrupado.
Por tanto, la presión recae sobre dos grupos. Los hyperscalers deben explicar por qué los compromisos prolongados siguen siendo necesarios para cargas de trabajo que toleran flexibilidad. National Compute debe demostrar que la flexibilidad no sacrifica la fiabilidad, la confidencialidad ni el rendimiento útil.
Cómo National Compute planea coordinar distintas nubes y chips
El mecanismo central de la red es un programador neutral que trata la capacidad más allá de las fronteras organizativas como un único mercado.
Dentro de un único hyperscaler, un programador puede ver el estado del hardware, la prioridad de las cargas de trabajo, la topología de red y la demanda interna. Puede desplazar trabajos porque una sola organización controla las máquinas, el software y las políticas operativas.
National Compute intenta extender esa visibilidad entre proveedores independientes. Su programador supervisa las condiciones de los nodos, agrupa cargas de trabajo compatibles y asigna suministro de forma continua. También puede interrumpir o migrar trabajos según reglas de prioridad definidas.
La arquitectura se inspira en el legado de programación Borg de Google y su posterior Quota Marketplace. National Compute afirma que miembros de su equipo fundador ayudaron previamente a construir y operar esos sistemas.
La experiencia interna de Google ofrece el precedente técnico más sólido del proyecto. El documento informa de que la ocupación de la flota aumentó de aproximadamente el 65 por ciento al 99 por ciento a medida que la asignación dinámica se expandía por su infraestructura de IA.
Una comparación más controlada incluyó dos conjuntos de tamaño similar con cientos de miles de chips. National Compute cita una ocupación del 75 por ciento en un conjunto estático y del 93 por ciento en el conjunto del mercado.
Sin embargo, el entorno de Google tiene una ventaja crítica. Una sola empresa controla los centros de datos participantes, los sistemas de identidad, los estándares de red y los incentivos operativos. National Compute debe reproducir los beneficios de programación entre organizaciones que siguen siendo competidores comerciales.
Vultr se unió al proyecto como miembro fundador del consorcio y está aportando infraestructura. Su anuncio del consorcio describe Grid Exchange como una capa común de orquestación entre nubes, ubicaciones físicas y arquitecturas de aceleradores.
Vultr también respalda el modelo de goodput. Esto da a los proveedores participantes un incentivo para mantener la disponibilidad en lugar de maximizar el tiempo de asignación facturado. Sin embargo, la red debe definir el goodput de forma coherente antes de que los clientes puedan comparar proveedores.
Los distintos aceleradores introducen otra capa de complejidad. Las GPUs NVIDIA, los aceleradores AMD y Google TPUs utilizan diferentes pilas de software, herramientas de desarrollo y técnicas de optimización. Una carga de trabajo preparada para una plataforma no necesariamente funcionará de manera eficiente en otra.
El programador puede exponer esas diferencias en lugar de eliminarlas. Los clientes todavía necesitan frameworks, código de modelo, bibliotecas, almacenamiento y formatos de checkpoints compatibles. La red debe colocar cada trabajo en infraestructura que cumpla esos requisitos.
La documentación técnica de National Compute describe actualmente tres modalidades de acceso. Los clientes pueden solicitar clústeres de máquinas virtuales, enviar trabajos de GPU a clústeres dedicados de Kubernetes u obtener un nodo completo mediante el programa público de investigación.
Los usuarios de máquinas virtuales declaran cuántas GPU desean y la tarifa máxima que aceptarán. El mercado asigna máquinas mientras el nivel de compensación se mantenga dentro de ese límite. La capacidad puede recuperarse una vez que expiran las condiciones de protección.
Los clientes de Kubernetes establecen un límite similar para trabajos que generan su propia demanda. Los investigadores públicos pueden solicitar un nodo completo mediante la interfaz Marshall de National Compute. Ese programa opera fuera de la estructura principal de subasta.
Estas interfaces hacen que la red sea más concreta que una propuesta de política pública. Muestran cómo un desarrollador podría solicitar capacidad sin negociar individualmente con cada proveedor. Aún no demuestran un rendimiento consistente en toda la red.
National Compute necesita en última instancia evidencia operativa en varias clases de cargas de trabajo. Un planificador que funciona para inferencia por lotes podría tener dificultades con el entrenamiento distribuido. Un conjunto apto para investigación pública aún podría no cumplir los requisitos de empresas reguladas.
Por tanto, el mecanismo central es creíble, pero aún está incompleto. Los mercados internos de flotas han mejorado la utilización a gran escala. La cuestión sin resolver es si los estándares compartidos pueden extender ese resultado más allá del límite de confianza de una sola empresa.
La capacidad fragmentada no puede reemplazar un clúster de entrenamiento de frontera
Las GPU inactivas solo se convierten en oferta útil cuando la red, el almacenamiento, el software y la seguridad pueden respaldar la carga de trabajo solicitada.
El entrenamiento de modelos de frontera exige que los aceleradores intercambien datos con una latencia muy baja. Miles de chips pueden trabajar en un cálculo sincronizado. Un retraso o fallo en una parte del clúster puede ralentizar todo el trabajo de entrenamiento.
Las máquinas dispersas en centros de datos distantes no pueden simplemente incorporarse a ese cálculo mediante conexiones convencionales a internet. Mover puntos de control de modelos y conjuntos de datos de entrenamiento entre instalaciones también lleva tiempo. Las restricciones de transferencia de datos pueden impedir por completo ese movimiento.
Esta limitación separa la computación fungible de la computación nominal. Dos GPU idénticas no son equivalentes cuando una se encuentra junto al almacenamiento y la infraestructura de red requeridos. Sus contextos físicos y de software determinan el trabajo que pueden realizar.
National Compute no necesita que cada máquina admita cada carga de trabajo. El mercado puede segmentar la capacidad por acelerador, topología, ubicación, nivel de seguridad y fiabilidad. Los clientes pueden entonces elegir recursos que se ajusten a sus requisitos.
Aun así, la segmentación reduce el tamaño de cada conjunto utilizable. Un cliente que necesita un tipo de acelerador en una región certificada no puede recurrir a todos los nodos listados. Por ello, la cifra principal de capacidad sobreestima la oferta para cualquier trabajo específico.
El propio documento del proyecto reconoce un segundo problema: las normas de seguridad siguen en desarrollo. La infraestructura compartida puede colocar pesos de modelos propietarios, puntos de control y datos de entrenamiento en máquinas operadas por múltiples organizaciones.
Esa disposición crea un objetivo atractivo para los atacantes. También convierte al planificador en un punto central de confianza. Un plano de control comprometido podría revelar dónde se ejecutan cargas de trabajo sensibles o redirigirlas a un sitio inseguro.
National Compute propone niveles de seguridad para diferentes cargas de trabajo. Los trabajos por lotes con datos abiertos afrontarían requisitos distintos de los datos médicos, las cargas gubernamentales o el entrenamiento de modelos no publicados. Los sitios recibirían certificaciones correspondientes a esos niveles.
El planificador impediría que el trabajo sensible se ejecutara por debajo de su nivel de protección declarado. Los controles propuestos también incluyen borrar y volver a certificar los nodos antes de reutilizarlos. Los niveles superiores podrían requerir hardware de computación confidencial cuando esté disponible.
Estas siguen siendo propuestas. El consorcio afirma que no ha finalizado sus normas de gobernanza y ha solicitado comentarios de las comunidades de seguridad, investigación y políticas públicas. Se espera que su primera Constitución de la Red establezca esas restricciones operativas.
El propio documento también contiene inconsistencias cronológicas que merecen atención. Su resumen indica que la disponibilidad general comienza el 15 de enero de 2027. Una hoja de ruta posterior afirma que Grid Exchange entró en disponibilidad general el 15 de septiembre de 2026.
Mientras tanto, el sitio web público describe el servicio actual como una vista previa limitada a socios de acceso público. Estas afirmaciones pueden reflejar revisiones de un plan de lanzamiento que evoluciona rápidamente. También dificultan determinar el verdadero estado comercial.
Las cifras de reservas requieren una cautela similar. El documento informa de más de 1.100 millones de dólares en reservas a largo plazo durante su vista previa técnica. Un análisis del sector posterior cita una cifra reportada mayor, superior a 5.000 millones de dólares.
Ninguna de las dos cantidades debe tratarse como ingresos reconocidos. Las reservas pueden representar intenciones futuras, capacidad condicional o compromisos plurianuales. National Compute no ha publicado datos auditados de utilización, entrega o ingresos que cubran esas reservas.
La afirmación de una utilización inferior al 15 por ciento también procede del proyecto y sus miembros. La métrica puede revelar ineficiencia, pero no significa que el 85 por ciento de todo el hardware de IA instalado esté disponible libremente.
Parte de la capacidad permanece inactiva por diseño. Los operadores conservan margen para fallos, picos de demanda, mantenimiento y entrenamiento programado. Los contratos pueden prohibir la reventa, mientras que las obligaciones de localización de datos pueden impedir que inquilinos externos utilicen ciertos sistemas.
National Compute debe distinguir entre hardware realmente desaprovechado y capacidad de reserva necesaria. De lo contrario, el mercado podría parecer profundo durante los periodos tranquilos, pero fallar precisamente cuando aumente la demanda.
La verdadera competencia es entre computación compartida y capacidad dedicada
National Compute no está sustituyendo a los hyperscalers; está poniendo a prueba si los clientes necesitan infraestructura exclusiva para cada etapa del desarrollo de IA.
La capacidad dedicada ofrece topología predecible, rendimiento estable y control directo sobre cargas de trabajo sensibles. Esas cualidades importan durante grandes ejecuciones de entrenamiento y servicios de producción con requisitos estrictos de latencia.
Su debilidad es el riesgo de compromiso. Los clientes deben prever la demanda mucho antes de saber qué experimentos funcionarán. Pagan por la reserva incluso cuando la investigación cambia, el hardware mejora o las cargas de trabajo requieren menos recursos.
Un mercado compartido invierte esa disyuntiva. Ofrece flexibilidad y una utilización potencialmente mayor, pero los clientes aceptan una oferta variable. También dependen de normas comunes de planificación, seguridad y rendimiento entre proveedores.
Los dos modelos pueden coexistir dentro de un mismo proyecto de IA. Un laboratorio podría utilizar capacidad de la red para evaluaciones, procesamiento de datos, ajuste fino y ejecuciones experimentales. Después podría reservar un clúster dedicado para un trabajo de preentrenamiento sincronizado.
El modelo de reserva para picos de la red respalda explícitamente este enfoque híbrido. Los miembros pueden asegurar grandes bloques para ventanas conocidas y liberar los periodos no utilizados a otros clientes. Esto convierte el sistema en un complemento de la infraestructura comprometida, además de una alternativa.
Los hyperscalers ya operan mercados spot y planificadores internos. Su ventaja proviene de controlar instalaciones y redes completas. La diferenciación de National Compute es la neutralidad respecto a los proveedores y la capacidad de combinar oferta a través de límites organizativos.
Esa neutralidad necesita una gobernanza exigible. Los proveedores deben confiar en que los competidores no pueden agotar sus créditos ni manipular la planificación. Los clientes deben saber que el operador no puede favorecer a un proveedor concreto, desarrollador de modelos o arquitectura de chips.
El Grid Index propuesto podría ayudar al publicar información sobre la compensación del mercado. Un índice transparente permitiría a investigadores, operadores de infraestructura y financiadores comparar el valor de diferentes clases de capacidad.
Las subvenciones públicas de investigación podrían incluir eventualmente créditos de computación en lugar de asumir un único contrato de nube. Las startups podrían valorar experimentos frente a un mercado visible. Los propietarios de infraestructura podrían medir si vender capacidad inactiva supera a dejar máquinas de reserva sin utilizar.
Sin embargo, un índice útil requiere volumen real de transacciones. Los precios extraídos de una oferta escasa o condicional pueden inducir a error a los compradores. National Compute debe demostrar que la capacidad publicada se convierte en trabajos completados durante periodos ordinarios y de máxima demanda.
La prueba más sólida provendría de clientes recurrentes. Una startup que logra ampliar capacidad con éxito para un experimento ofrece un caso de estudio útil. Un equipo que regresa para varios proyectos demuestra que el mercado puede convertirse en parte de la planificación normal de infraestructura.
La participación de los proveedores importa por la misma razón. Vultr aporta al consorcio un miembro de nube creíble, mientras que Crusoe también se ha identificado como socio de lanzamiento. National Compute no ha divulgado públicamente una lista completa de miembros.
Esa transparencia limitada dificulta evaluar la cobertura geográfica, la diversidad de aceleradores o la concentración de proveedores. Un mercado supuestamente neutral podría seguir dependiendo de un pequeño número de empresas de infraestructura.
La red ejercerá la mayor presión sobre los contratos tradicionales cuando ofrezca acceso predecible sin exigir un compromiso permanente. No necesita superar a los clústeres dedicados en cada tarea.
Solo necesita hacer que la capacidad flexible sea lo bastante fiable para una parte significativa del trabajo de IA. Cada carga de trabajo trasladada a ese mercado reduce la cantidad de infraestructura que los equipos deben reservar para una demanda futura incierta.
Qué observar tras el lanzamiento de National Compute Grid
Tres señales determinarán si la red se convierte en infraestructura útil o sigue siendo un ambicioso experimento de coordinación.
La primera señal es la capacidad entregada verificada. National Compute debería separar los nodos operativos de los proyectos planificados, los miembros potenciales y la infraestructura que aún está «a la vista». Las cifras publicadas deberían incluir tipos de aceleradores, ubicaciones, ventanas de disponibilidad y volumen de cargas de trabajo completadas.
Los datos independientes de utilización reforzarían el argumento. La tesis de la red depende de convertir máquinas inactivas en trabajo útil. Debería informar de rendimiento útil, interrupciones, retrasos de planificación y la proporción de capacidad listada que los clientes pueden obtener realmente.
Si esas mediciones muestran un uso sostenido entre varios proveedores, la tesis de mercado del proyecto gana respaldo. Si la mayor parte de la capacidad sigue siendo prospectiva, el titular de 760 megavatios parecerá más una cartera de proyectos que un conjunto funcional.
La segunda señal es una diversidad exitosa de cargas de trabajo. Las ejecuciones de entrenamiento más pequeñas, la inferencia, el procesamiento por lotes, las evaluaciones y la investigación pública deberían llegar primero a producción. Estas tareas toleran más variación que el entrenamiento de frontera estrechamente sincronizado.
National Compute debería publicar ejemplos que muestren cuánto tiempo se ejecutaron los trabajos, si se movieron entre proveedores y qué restricciones de hardware condicionaron su colocación. Los datos transparentes sobre fallos serían igualmente valiosos.
La finalización fiable de cargas de trabajo variadas confirmaría que la planificación compartida funciona más allá de una demostración. Las interrupciones repetidas o una compatibilidad de hardware limitada debilitarían la afirmación de que la oferta fragmentada se comporta como un mercado unificado.
La tercera señal es una seguridad y gobernanza exigibles. La Constitución de la Red debería definir niveles de certificación, notificación de incidentes, colocación de cargas de trabajo, derechos de auditoría, límites del operador y normas para el manejo de datos de clientes.
Estas normas deben ir más allá del lenguaje aspiracional. Los laboratorios gubernamentales y los desarrolladores de modelos necesitarán pruebas de que los nodos se borran, se vuelven a certificar y se supervisan. Los clientes también necesitan un proceso claro para disputas y fallos de servicio.
National Compute Grid ha identificado una contradicción real. Las empresas de IA describen la computación como escasa mientras costosos aceleradores siguen infrautilizados entre cargas de trabajo máximas. Una mejor coordinación puede recuperar parte de esa capacidad desperdiciada.
Sin embargo, la orquestación no puede eliminar las limitaciones físicas, los contratos ni los límites de confianza. El futuro del proyecto depende de convertir los megavatios anunciados en trabajo seguro y completado bajo presión.
Los desarrolladores y compradores de investigación deberían observar el rendimiento útil entregado, en lugar de la capacidad anunciada. Deberían comparar el tiempo de espera, el riesgo de interrupciones, la compatibilidad de hardware y los controles de datos con alternativas dedicadas. Si National Compute publica esos resultados y los clientes regresan, la capacidad compartida de IA puede convertirse en una categoría de infraestructura duradera. Si no lo hace, el mercado seguirá favoreciendo a los grandes compradores que pueden reservar clústeres completos con años de antelación.
