SF Compute: mercado de horas de GPU con entrega física

Alquilar un B300 cuesta entre US$5 y US$6 la hora. Ese mismo chip, corriendo inferencia a plena utilización, genera alrededor de US$40 la hora; con una utilización del 50%, unos US$25. La brecha la puso sobre la mesa Evan Conrad, CEO de SF Compute, en el podcast Latent Space, y él mismo admite que es un arbitraje enorme: alguna de las dos cifras tiene que moverse.

Para un founder que paga cómputo todos los meses, la pregunta deja de ser académica. Si aparece una curva de precios futuros confiable, se puede decidir con datos cuándo firmar un contrato a tres años y cuándo esperar. Eso es exactamente lo que SF Compute dice estar construyendo.

¿Qué es un mercado de cómputo con entrega física?

Conrad describió el giro de su empresa con una analogía hotelera: SF Compute empezó subalquilando un clúster, es decir, vendiendo una habitación. Sus clientes fueron pidiendo limpieza, room service y seguridad, hasta que terminó operando el hotel completo.

Ese hotel es la capacidad operativa de una nube: visitar sitios, diseñar clústeres, gestionar la relación con los OEM, supervisar el montaje de los racks y operar el backplane (PDUs, switches, DPUs, UFM, BMC). Alguien, según el resumen de la entrevista que publicó BigGo, describió a la compañía como "el Palantir del cómputo", porque cada despliegue funciona como un proyecto nuevo.

El nombre técnico de ese trabajo es liquidación física (physical settlement), un término tomado de los mercados de futuros de materias primas como el petróleo o la soja: el comprador no recibe un pago en efectivo contra un índice, recibe el activo entregado y usable.

La secuencia importa. Conrad sostiene que construir derivados liquidados en efectivo antes de que exista un mercado de entrega física equivale a vender derivados sobre una acción que todavía no existe: el precio contra el que cubres tu riesgo puede no tener ninguna relación con el precio real al que consigues capacidad.

¿Por qué una hora de GPU vale distinto según quién la compre?

El argumento central de SF Compute es que el cómputo no se puede reducir a una unidad fungible, porque cada comprador prioriza cosas distintas. Su libro de órdenes permite adjuntar varias propiedades a una orden y las cruza contra órdenes de venta que tengan esas mismas propiedades. Las dimensiones que menciona Conrad, y que recoge el resumen de BigGo, son:

• Capacidad ahora versus capacidad futura: vender capacidad en uso implica interrumpir una carga de trabajo; la que arranca dentro de un mes se negocia libremente y es mucho más líquida.
• Tolerancia a interrupciones: la inferencia por lotes puede absorber un aviso de un minuto; la inferencia en vivo con SLA para clientes necesita entre uno y tres meses de preaviso, y paga en consecuencia.
• Almacenamiento subyacente: si el clúster corre sobre un sistema Weka o Vast, y de qué tamaño, define qué tan rápido se recupera una carga desplazada.
• Ubicación y tránsito: mover datos entre clústeres requiere una red WAN, y muchos clústeres nuevos se instalan junto a la energía, no junto al cliente, así que las rutas de tránsito son malas.
• Cohorte de hardware: los H100 y GB200 tempranos salieron con defectos, y un comprador sofisticado puede pagar más por unidades desplegadas después de cierta fecha.
• Generación de chip: la memoria VRAM y el tamaño del dominio NVLink cambian lo suficiente como para que el cliente sepa qué generación recibe.

El costo de este diseño es explícito: menos liquidez concentrada y spreads más amplios entre compra y venta. La contrapartida, dice Conrad, es que genera liquidez antes de que la tecnología se estandarice. Y para quien tiene un producto que puede usar varios tipos de capacidad, ese spread es en sí mismo una oportunidad de arbitraje.

¿Qué números muestra hoy el mercado?

Ninguno de estos datos es optimista. Solo el 5% de la capacidad total de SF Compute está en el libro de órdenes, con más capacidad migrando de forma continua. El volumen es bajo, pero concentrado.

La métrica que la empresa dice seguir es inusual: un cliente que gasta US$100 comprando capacidad recupera US$25 en promedio revendiéndola a otro. Conrad prefiere medir eso antes que contar cuántos creadores de mercado aparecieron.

Sobre los plazos, el libro va desde la próxima hora hasta tres años, mientras que los clústeres se financian a tres a cinco años. La forma de la curva no es lineal: hace una joroba. La capacidad no vendida cerca de su vencimiento baja el precio para poder colocarse —su comparación es la leche por vencer en el supermercado—, después sube, y la más lejana vuelve a bajar porque los compradores pagan una prima por menor tiempo de espera.

La estandarización de contratos, que fue tema central en su aparición anterior en el podcast, sigue "bastante lejos". La lección de estos años, explica, es que no se puede estandarizar sin operar todo el stack primero: las operaciones tienen que volverse idénticas. Su ejemplo de cuánto varía: un mismo operador puede ofrecer dos tipos de máquina virtual donde una tiene 40% peor latencia de lanzamiento de kernels, lo que termina en un peor rendimiento del modelo.

¿Por qué NVIDIA no puede operar esta bolsa?

Acá está el argumento más contraintuitivo de Conrad. NVIDIA se beneficia enormemente de que exista un mercado de futuros de cómputo, porque baja el costo de financiamiento de toda la industria, pero no puede construirlo: no sería lo bastante neutral para que otros operen contra su libro.

El mismo razonamiento aplica a los hyperscalers y a los neoclouds, incluidos CoreWeave, Crusoe y Lambda según el resumen de BigGo: cualquiera de ellos operando la bolsa estaría negociando contra su propio libro. Por eso SF Compute no posee hardware. Conrad describe la posición de la empresa como la de Suiza: neutral por diseño, o no hay mercado.

Un mercado de futuros sobre GPUs ya está en camino

El contexto externo le da razón a la tesis: el andamiaje financiero se está armando rápido, y no todo pasa por SF Compute.

CME Group prepara futuros sobre precios de alquiler de GPUs de Nvidia, con lanzamiento sujeto a revisión regulatoria, según FinanceFeeds. Serían dos contratos: uno sobre el H100 y otro sobre el B200, cada uno equivalente a 730 GPU-horas (un chip corriendo un mes seguido). El valor del tick es de US$7,30, se liquidan financieramente contra los índices de Silicon Data y CME planea vencimientos mensuales hasta 36 meses adelante.

A mediados de octubre de 2026 esos futuros seguían esperando aprobación de la CFTC, y ICE y Nodal también desarrollaban productos similares, reportó Crypto Briefing. En paralelo, Jump Trading contrató a todo el equipo fundador de Itô el 12 y 13 de octubre de 2026 para montar un escritorio dedicado a cómputo, y DRW incubó Compute Exchange y Silicon Data, además de firmar en agosto de 2026 un acuerdo de GPU-as-a-Service con QumulusAI por un clúster B300.

Según el mismo reporte, los contratos bilaterales de hoy corren entre tres y cinco años y suelen valuarse en decenas o cientos de millones de dólares. Es decir: el mercado mayorista ya existe, solo que sin precio público.

¿Qué significa esto para tu startup?

La lectura útil no es "compra GPUs". Es que el costo de cómputo está dejando de ser un precio fijo para convertirse en una variable que se puede negociar, cubrir y hasta arbitrar. Tres movimientos concretos:

• Clasifica tus cargas por tolerancia a interrupciones. Separa lo que es inferencia por lotes de lo que atiende SLAs en vivo. El primero puede aceptar avisos cortos y capturar descuentos; el segundo debería negociar preavisos de uno a tres meses a cambio de precio. Si firmas todo con el mismo pliego, estás pagando de más por una parte de tu infraestructura.
• Antes de firmar un contrato largo, busca una referencia de precio. Ya existen índices públicos de alquiler de GPU y futuros de CME en camino. Llegar a la mesa con una referencia externa cambia por completo el poder de negociación frente a un neocloud o un proveedor de nube.
• Si tienes acceso a energía o a un data center, evalúa el modelo de servicio antes de comprar hardware. El riesgo real de comprar un clúster no es el capex, es el valor residual: si nadie te lo compra cuando cambie la generación de chips, el activo queda en tu balance. Un operador que se compromete a recolocarlo cambia la ecuación.

Y una advertencia de planeación financiera: no construyas tu modelo de negocio asumiendo que la brecha entre el ingreso por inferencia y el costo de alquiler se mantiene. Conrad dice que una de las dos cifras tiene que cambiar, y no sabe cuál.

Los riesgos: índices manipulables y mucha ilusión de liquidez

Conrad no descarta la liquidación en efectivo: nombra a Silicon Data y Compute Exchange como pioneros de ese camino y dice que probablemente SF Compute termine asociándose con ellos. Su objeción es de orden práctico: muchos índices de cómputo se construyen con pocos datos que correlacionan mal con el precio real de un contrato nuevo, y esa brecha es justamente lo que los vuelve manipulables. La analogía con el escándalo del LIBOR la trae el propio entrevistador, y Conrad la acepta.

Conclusión

Lo que SF Compute está intentando no es vender GPUs: es hacer que la hora de cómputo sea una cosa que se puede entregar, medir y negociar con reglas claras. Si eso funciona, el efecto más grande no será en una pantalla de trading, sino en los presupuestos: desarrolladores de IA, neoclouds y sus prestamistas podrían por fin tener un número común para planear contratos y financiamiento.

Mientras tanto, dos indicadores vale la pena seguir: si la recuperación de US$25 por cada US$100 se mantiene a medida que más capacidad entra al libro de órdenes, y si la brecha entre los US$25-US$40 por hora de inferencia y los US$5-US$6 por hora de alquiler se cierra por el lado del ingreso o por el lado del costo. La respuesta a esa segunda pregunta define si tu costo de cómputo sube o baja el año que viene.

Fuentes

• Latent Space — The Programmable Data Center, Evan Conrad, SF Compute
• BigGo — SF Compute's Evan Conrad: A B300 Earns $40 an Hour on Inference and Costs $6 to Rent
• FinanceFeeds — CME Is About to List Futures on the Price of Renting a GPU
• Crypto Briefing — Jump Trading and DRW commit traders and capital to compute power contracts