El mercado de la inteligencia artificial empieza a parecerse cada vez más al de las materias primas. Igual que ocurre con el oro, el petróleo o el gas, los grandes operadores financieros ya miran hacia un nuevo activo negociable: la capacidad de cómputo que sostiene a los modelos de IA.
El siguiente paso podría estar en los futuros de tokens de IA, una fórmula que permitiría anticipar y cubrir el precio de uso de los grandes modelos de lenguaje. No se trata solo de una cuestión técnica. Si las empresas pagan por procesar millones de tokens y alquilan GPU por horas, ese coste puede convertirse en una variable financiera tan relevante como la energía para una fábrica.
Shanghái prepara un mercado de derivados para tokens de IA
Según Reuters, la Bolsa de Futuros de Shanghái trabaja en el diseño de un mercado de derivados vinculado a los tokens de inteligencia artificial. La iniciativa llega en un momento en el que otras grandes infraestructuras financieras también están moviendo ficha.
CME Group, uno de los principales mercados de derivados del mundo, y Intercontinental Exchange, propietaria de la Bolsa de Nueva York, han anunciado por separado planes para lanzar contratos de futuros relacionados con el alquiler de GPU. La señal es clara: la computación necesaria para entrenar y ejecutar modelos de IA empieza a tener un precio lo bastante relevante como para crear productos financieros a su alrededor.
Este movimiento todavía se encuentra en fase de desarrollo, pero responde a una realidad cada vez más visible. Muchas empresas ya compran, venden o alquilan capacidad de GPU para entrenar modelos, ejecutar inferencia o sostener aplicaciones de IA generativa. En la práctica, ese alquiler suele cobrarse por hora, lo que facilita la aparición de precios de referencia.
El precio de las GPU ya funciona como una nueva referencia de mercado
Los datos de AI Mining Co., que sigue los precios diarios de alquiler de GPU en 28 mercados y proveedores de nube, muestran la amplitud de esa horquilla. El precio medio de las Nvidia H100 se situó entre 1,40 y 4,27 dólares por hora en 13 mercados, mientras que las H200 oscilaron entre 2,34 y 5 dólares por hora en 10 mercados.
La variación también se aprecia en periodos cortos. Solo en los últimos siete días analizados, los precios medios de las H100 se movieron entre 2,79 y 3,33 dólares por hora. Para una startup que ejecuta modelos a gran escala o para una empresa que integra IA en miles de procesos internos, esas diferencias pueden traducirse en costes importantes.
La pregunta es sencilla: si el precio de la computación cambia tanto, por qué no cubrir ese riesgo como se hace con otras materias primas? Ahí es donde entran los futuros, tanto sobre GPU como sobre tokens.
Por qué los tokens pueden convertirse en el centro del negocio
Aunque el mercado de GPU ya tiene una base más clara, la infraestructura financiera alrededor de los tokens de IA todavía está menos desarrollada. Sin embargo, los tokens son una pieza central en la economía de los modelos de lenguaje. Funcionan como unidades de procesamiento de texto: cada consulta, respuesta o documento analizado consume una cantidad determinada.
Los planes empresariales de las grandes compañías de IA suelen expresarse en tokens. OpenAI, por ejemplo, cobra 5 dólares por millón de tokens de entrada y 30 dólares por millón de tokens de salida para utilizar la API de su modelo GPT-5.5, según el texto de referencia. Otros proveedores también avanzan en esa dirección. Amazon Bedrock permite cada vez más modelos de facturación ligados al uso por token.
Esto cambia la forma de entender el coste de la inteligencia artificial. Ya no se trata solo de pagar una suscripción mensual o contratar servidores. Para muchas empresas, el gasto real dependerá de cuántos tokens procesen sus sistemas cada día.
Una infraestructura de IA que exige nuevas herramientas financieras
El interés por estos productos llega en plena carrera por ampliar la infraestructura de inteligencia artificial. Proveedores de nube, fondos de capital privado y empresas especializadas han destinado cientos de miles de millones de dólares a centros de datos, servidores y capacidad de procesamiento.
La apuesta parte de una premisa: la demanda de GPU y de capacidad de inferencia seguirá creciendo. Cada chatbot corporativo, asistente de programación o sistema de análisis documental necesita potencia de cálculo detrás. Esa demanda ha abierto espacio para un nuevo grupo de empresas conocidas como neoclouds, que compiten por ofrecer infraestructura especializada para IA.
Algunas de estas compañías se centran en la inferencia, es decir, en ejecutar modelos ya entrenados para responder consultas o procesar tareas. Otras buscan competir directamente con gigantes como Oracle, AWS y Google Cloud, ofreciendo capacidad de cómputo a laboratorios de IA, startups y grandes empresas.
Cubrir el coste de la computación, el nuevo reto de la IA
El posible mercado de derivados de Shanghái tendría una particularidad importante: estaría ligado a la forma en que las compañías de IA fijan el precio de sus servicios. Si los tokens son la unidad que determina cuánto cuesta usar un modelo, un contrato financiero basado en tokens permitiría a empresas e inversores anticipar mejor ese gasto.
Para los operadores de centros de datos, también podría convertirse en una herramienta útil. Si el precio del uso de modelos o de la capacidad de procesamiento sube, un derivado permitiría proteger márgenes. Para una empresa que depende de IA generativa en atención al cliente, desarrollo de software o análisis de datos, esa cobertura podría ayudar a planificar presupuestos con más estabilidad.
El mensaje de fondo es claro: la inteligencia artificial ya no solo mueve software, también empieza a mover mercados financieros. Primero fueron los chips, después los centros de datos y ahora podrían ser los tokens. La infraestructura invisible que permite hablar con un modelo de IA se está convirtiendo en un activo económico con precio, riesgo y demanda propia.
