--- title: "Anthropic y Akamai: por qué la IA también necesita CPU" description: El acuerdo entre Anthropic y Akamai muestra el papel de las CPU en la IA. Qué cambia para los agentes, los costos y la operación de servicios de empresas. image: https://elciclo.co/hubfs/elciclo/editorial/2026/09/featured-2x1-Sep-29-2026-05-07-58-1234-AM.webp --- [![El Ciclo](https://elciclo.co/hubfs/logo%20el%20ciclo.png)](https://elciclo.co/) - [Tecnología](https://elciclo.co/tag/tecnología) - [Negocios](https://elciclo.co/tag/negocios) - [Finanzas](https://elciclo.co/tag/finanzas) - [Salud](https://elciclo.co/tag/salud) - [Productividad](https://elciclo.co/tag/trabajo-y-productividad) - [Código postal](https://elciclo.co/codigo-postal) - [Tecnología](https://elciclo.co/tag/tecnología) - [Negocios](https://elciclo.co/tag/negocios) - [Finanzas](https://elciclo.co/tag/finanzas) - [Salud](https://elciclo.co/tag/salud) - [Productividad](https://elciclo.co/tag/trabajo-y-productividad) - [Código postal](https://elciclo.co/codigo-postal) [Inicio](https://elciclo.co) › # Anthropic y Akamai: por qué la IA también necesita CPU El acuerdo entre Anthropic y Akamai muestra el papel de las CPU en la IA. Qué cambia para los agentes, los costos y la operación de servicios de empresas. ![Tomás](https://elciclo.co/hubfs/Tommy-foto.webp) Por Tomás elciclo.co 9/29/26, 2:09 AM Guardar [Compartir](https://elciclo.co/infraestructura-ia-anthropic-akamai-cpu-cloud#epxShare) ![Ilustración de un ingeniero que ajusta conexiones entre servidores para coordinar la infraestructura de un servicio de inteligencia artificial.](https://elciclo.co/hubfs/elciclo/editorial/2026/09/featured-2x1-Sep-29-2026-05-07-58-1234-AM.webp) En este artículo Una respuesta de inteligencia artificial puede parecer un único acto: alguien escribe una solicitud y recibe un resultado. Detrás puede haber consultas a bases de datos, archivos que se abren, código que se ejecuta y servicios que coordinan cada paso. Esa parte menos visible también necesita capacidad de cómputo. El acuerdo anunciado entre Anthropic y Akamai permite mirar esa infraestructura con más atención. La expansión de la IA demanda procesadores especializados, pero también sistemas capaces de convertir sus resultados en aplicaciones que funcionen. Para una empresa que incorpora agentes, entender esa diferencia ayuda a investigar por qué un servicio es lento, costoso o poco fiable. ## Un compromiso de siete años para cargas de CPU El [comunicado de Akamai del 24 de septiembre de 2026](https://www.akamai.com/newsroom/press-release/akamai-announces-11-6-billion-multi-year-agreement-with-anthropic-to-support-growing-demand) informa un compromiso contractual de Anthropic por USD 11.600 millones durante siete años para atender la demanda de cargas de CPU. Contempla una ampliación potencial de hasta USD 9.000 millones adicionales; esa parte no está garantizada. El acuerdo incluye derechos de compra de acciones —*warrants*— cuya consolidación depende parcialmente de la expansión de la relación. Akamai estima inversiones de capital vinculadas al compromiso inicial por unos USD 5.500 millones. Son conceptos diferentes: contratación de servicios, posibles compras adicionales e inversión del proveedor. La fuente es una de las partes del acuerdo. El anuncio acredita el compromiso comunicado, no su ejecución futura ni la rentabilidad que tendrá. Tampoco ofrece un desglose suficiente para atribuir cada carga a un producto concreto de Anthropic. ## CPU y GPU cumplen funciones distintas La unidad central de procesamiento (CPU) se ocupa de tareas generales de un computador o servidor. La unidad de procesamiento gráfico (GPU) está diseñada para ejecutar grandes cantidades de operaciones en paralelo. Esa capacidad resulta útil en muchos cálculos de aprendizaje profundo, aunque la elección del hardware depende de la tarea. Como explica la [comparación técnica de Amazon Web Services](https://aws.amazon.com/compare/the-difference-between-gpus-cpus/), ambos tipos de procesadores pueden trabajar juntos. Una aplicación de IA no se reduce al cálculo del modelo: también debe recibir solicitudes, preparar información y entregar resultados a otros sistemas. Conviene separar otras dos etapas. Durante el entrenamiento se ajustan los parámetros del modelo a partir de datos. Durante la inferencia se utiliza el modelo entrenado para obtener una respuesta o predicción. Que una aplicación esté en fase de uso no elimina sus necesidades de infraestructura; cambia el trabajo que debe realizar. | Parte del sistema | Trabajo que realiza | Qué conviene observar | | --- | --- | --- | | Cálculo del modelo | Produce resultados a partir de las entradas. | Tiempo de generación, capacidad disponible y costo del uso. | | Coordinación y herramientas | Organiza pasos y ejecuta operaciones de la aplicación. | Esperas, tareas simultáneas, errores y reintentos. | | Datos y almacenamiento | Conserva y recupera la información necesaria. | Tiempo de consulta, volumen transferido y calidad de los datos. | | Red | Conecta usuarios, servicios y ubicaciones. | Latencia, interrupciones y transferencias entre regiones. | La tabla es una guía de diagnóstico, no un mapa de la arquitectura contratada por Anthropic. Una demora puede originarse en cualquiera de estas etapas, y comprar más capacidad para una de ellas no resuelve necesariamente el problema de otra. ## Los agentes amplían el trabajo alrededor del modelo Un agente puede alternar razonamiento con acciones: consultar una herramienta, interpretar su resultado y decidir el siguiente paso. Cada interacción añade dependencias que una conversación limitada a generar texto quizá no tenga. En su explicación de [la arquitectura de Managed Agents](https://www.anthropic.com/engineering/managed-agents), Anthropic distingue el registro de la sesión, el componente que coordina las llamadas al modelo y el entorno donde se ejecuta código. La separación permite administrar componentes con necesidades distintas. Es un ejemplo técnico del propio proveedor, no una prueba de qué servicios específicos ejecutará en Akamai. Imaginemos un caso hipotético: una aplicación debe revisar documentos de un proveedor y preparar un informe. El modelo interpreta la solicitud, una herramienta recupera los archivos, otro proceso extrae su contenido y el sistema guarda el resultado. Si la recuperación de documentos se atasca, la persona espera aunque el modelo responda rápido. El diagnóstico necesita entonces una línea de tiempo de la tarea completa. Medir únicamente cuánto tarda el modelo puede ocultar el lugar donde se acumula el trabajo. También importa distinguir un resultado generado de una tarea terminada: un informe que no pudo guardarse todavía requiere intervención. ## Distribuir capacidad exige elegir dónde ejecutarla La nube distribuida reparte recursos entre ubicaciones. El procesamiento cerca del usuario o de la fuente de datos suele describirse como [computación en el borde, o *edge computing*](https://aws.amazon.com/what-is/edge-computing/). Acercar una operación puede reducir una parte del recorrido de la información, pero el resultado depende de dónde estén los datos y los demás servicios. Por eso, distribuir no debería convertirse en una consigna. Si una aplicación consulta repetidamente una base de datos distante, trasladar solo un componente puede añadir transferencias. La decisión requiere observar el recorrido completo y las restricciones de acceso, conservación y ubicación de los datos. Para entender cómo se relacionan estas decisiones con modelos, chips y centros de datos, El Ciclo desarrolló el contexto en su artículo sobre [las capas que componen el stack de inteligencia artificial](https://elciclo.co/stack-inteligencia-artificial-modelos-chips-data-centers). Aquí el foco es operativo: encontrar qué recurso necesita cada trabajo. ## Reservar capacidad también distribuye riesgos Un contrato de largo plazo vincula dos decisiones con calendarios diferentes: construir infraestructura y consumirla. El proveedor necesita preparar recursos antes de que lleguen todas las solicitudes; el cliente quiere disponer de ellos cuando los necesite. La duración del compromiso conecta esas expectativas. Como lectura económica del acuerdo, asegurar demanda puede facilitar la planificación del proveedor, mientras asegurar suministro puede reducir una incertidumbre del cliente. El riesgo no desaparece: cambia de forma si el uso crece menos de lo esperado, si la entrega se retrasa o si otra tecnología modifica las necesidades. Para evaluar contratos de capacidad, conviene separar lo comprometido de lo opcional y revisar cómo se mide la entrega. Un monto total no revela por sí solo el precio por tarea ni la flexibilidad para cambiar de configuración. Sin ese detalle, dividir una cifra contractual por años solo produce un promedio aritmético, no una factura anual ni una medida de eficiencia. ## Qué puede aprender una empresa sin copiar ese contrato La escala de este acuerdo no sirve como presupuesto de referencia para una pyme. Su utilidad está en recordar que el costo de ofrecer IA incluye más que el acceso al modelo. Una aplicación puede pagar también por almacenamiento, ejecución de código, consultas y tráfico de datos. Antes de ampliar capacidad, una revisión práctica puede concentrarse en cuatro preguntas: - ¿Cuánto cuesta completar correctamente una tarea, contando los reintentos? - ¿En qué etapa se acumula el tiempo de espera? - ¿Qué ocurre cuando falla una herramienta o un proveedor? - ¿Qué recursos quedan contratados aunque disminuya la demanda? Estas preguntas conectan arquitectura y negocio. Un precio bajo por llamada al modelo puede coexistir con un proceso caro si cada tarea necesita numerosos intentos. Y un sistema rápido en una demostración puede comportarse de otra manera cuando varias personas lo utilizan simultáneamente. Una prueba útil reproduce una tarea representativa, registra sus etapas y compara el resultado con una referencia sin el cambio propuesto. La decisión de ampliar recursos debería apoyarse en ese cuello de botella observado. Si el problema es una integración defectuosa, corregirla puede tener más sentido que contratar servidores. ## Preguntas frecuentes ### ¿Qué aporta una CPU a un servicio de inteligencia artificial? Ejecuta tareas generales del sistema y de las aplicaciones. Puede intervenir en la coordinación de procesos, consultas y herramientas que rodean al modelo, mientras otros procesadores aceleran los cálculos para los que resultan adecuados. ### ¿El acuerdo entre Anthropic y Akamai reemplaza las GPU? No. El anuncio describe capacidad para cargas de CPU. No demuestra una sustitución de las GPU ni detalla cómo se distribuirá toda la infraestructura de Anthropic. ### ¿Entrenamiento e inferencia significan lo mismo? No. El entrenamiento ajusta los parámetros de un modelo a partir de datos. La inferencia utiliza un modelo ya entrenado para producir resultados. Un servicio puede necesitar además almacenamiento, red y ejecución de herramientas. ### ¿Qué debería medir una empresa antes de ampliar su infraestructura de IA? El costo por tarea completada correctamente, el tiempo total de respuesta, los fallos y reintentos, y la capacidad utilizada en cada etapa. Estas mediciones permiten localizar el problema antes de contratar más recursos. ## La Tesis de El Ciclo Nuestra interpretación es que la competencia en IA hará cada vez más visible el trabajo que ocurre alrededor del modelo. Convertir capacidad de razonamiento en un servicio fiable obliga a coordinar datos, ejecución y red con el mismo cuidado que el cálculo principal. El acuerdo no permite anticipar quién ganará esa competencia. Sí invita a cambiar la unidad de análisis: de la potencia anunciada a la tarea que el sistema logra completar. Para quien adopta IA, esa mirada ofrece un criterio concreto para invertir: ampliar lo que limita el resultado y comprobar después si la mejora llegó al usuario. Compartir este artículo ![Tomás](https://elciclo.co/hubfs/Tommy-foto.webp) Tomás elciclo.co Editor | El Ciclo Tomás Carmona es especialista en crecimiento de negocios, transformación digital y sistemas CRM. En El Ciclo investiga y explica cómo los cambios en tecnología, inteligencia artificial, negocios, finanzas y salud impactan la vida de las personas y las empresas. Su trabajo combina análisis, investigación y experiencia práctica para transformar noticias, estudios y tendencias en contenido claro, basado en evidencia y orientado a la toma de mejores decisiones. Su objetivo es ayudar a los lectores a comprender qué está cambiando, por qué es relevante y cómo esos cambios pueden influir en su trabajo, sus finanzas, su salud o su vida cotidiana. Lo más leído [1 ![Ilustración de un ingeniero que ajusta conexiones entre servidores para coordinar la infraestructura de un servicio de inteligencia artificial.](https://elciclo.co/hubfs/elciclo/editorial/2026/09/featured-2x1-Sep-29-2026-05-07-58-1234-AM.webp) Anthropic y Akamai: por qué la IA también necesita CPU 9/29/26, 2:09 AM](https://elciclo.co/infraestructura-ia-anthropic-akamai-cpu-cloud) [2 ![Ilustración de una enfermera que completa un puente entre un equipo de examen de retina y la salida de una clínica.](https://elciclo.co/hubfs/elciclo/editorial/2026/09/featured-2x1-Sep-29-2026-12-07-40-4408-AM.webp) IA clínica: cómo pasar del piloto a la atención real 9/28/26, 9:09 PM](https://elciclo.co/implementar-inteligencia-artificial-salud-gran-escala) [3 ![Ilustración conceptual de una científica al microscopio junto a una pantalla que destaca un patrón distinto entre figuras similares.](https://elciclo.co/hubfs/elciclo/editorial/2026/09/featured-2x1-4.webp) Claude y la ciencia: ¿Qué descubrió y qué falta demostrar? 9/28/26, 4:09 PM](https://elciclo.co/inteligencia-artificial-descubrimientos-cientificos-laboratorio) [4 ![Ilustración conceptual de una investigadora que compara una maqueta de cocina mientras una pinza robótica mueve una taza.](https://elciclo.co/hubfs/elciclo/editorial/2026/09/featured-2x1-3.webp) HomeBody: ¿Cómo los agentes de IA coordinan robots? 9/28/26, 1:09 PM](https://elciclo.co/agentes-ia-robots-homebody-physical-ai) [5 ![Una radióloga compara imágenes del tórax en un panel luminoso y revisa una zona señalada, ilustración del apoyo de la IA.](https://elciclo.co/hubfs/elciclo/editorial/2026/09/featured-2x1-2.webp) IA y cáncer de esófago: qué revela una tomografía 9/28/26, 5:10 AM](https://elciclo.co/inteligencia-artificial-deteccion-cancer-tomografia) Ideas que te ayudan a tomar mejores decisiones Únete a más de 25.000 profesionales que leen El Ciclo cada semana. Explora por categoría [Tecnología](https://elciclo.co/tag/tecnologia) [Negocios](https://elciclo.co/tag/negocios) [Finanzas](https://elciclo.co/tag/finanzas) [Salud](https://elciclo.co/tag/salud) [Trabajo y Productividad](https://elciclo.co/tag/trabajo-y-productividad) ## No te pierdas lo que realmente importa. Recibe cada semana un resumen con análisis, tendencias y oportunidades accionables. [![El Ciclo](https://elciclo.co/hubfs/logo%20el%20ciclo.png)](https://elciclo.co/) ![linkedin](https://elciclo.co/hs-fs/hubfs/linkedin.png?width=20&height=20&name=linkedin.png) ![twitter](https://elciclo.co/hs-fs/hubfs/twitter.png?width=20&height=20&name=twitter.png) [![ig](https://elciclo.co/hs-fs/hubfs/ig.png?width=20&height=20&name=ig.png)](https://www.instagram.com/elciclo.co) ```json { "@context" : "https://schema.org", "@type" : "BlogPosting", "author" : { "@type" : "Person", "name" : "Tomás", "url" : "https://elciclo.co/author/tomas" }, "dateModified" : "2026-09-29T05:09:02.836Z", "datePublished" : "2026-09-29T05:09:02.000Z", "headline" : "Anthropic y Akamai: por qué la IA también necesita CPU", "image" : [ "https://elciclo.co/hubfs/elciclo/editorial/2026/09/featured-2x1-Sep-29-2026-05-07-58-1234-AM.webp" ], "mainEntityOfPage" : { "@id" : "https://elciclo.co/infraestructura-ia-anthropic-akamai-cpu-cloud", "@type" : "WebPage" }, "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://elciclo.co/hubfs/Logotipo%20blanco.webp" }, "name" : "El Ciclo" } } ``` ```json { "@context" : "https://schema.org", "@type" : "FAQPage", "mainEntity" : [ { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "Ejecuta tareas generales del sistema y de las aplicaciones. Puede intervenir en la coordinación de procesos, consultas y herramientas que rodean al modelo, mientras otros procesadores aceleran los cálculos para los que resultan adecuados." }, "name" : "¿Qué aporta una CPU a un servicio de inteligencia artificial?" }, { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "No. El anuncio describe capacidad para cargas de CPU. No demuestra una sustitución de las GPU ni detalla cómo se distribuirá toda la infraestructura de Anthropic." }, "name" : "¿El acuerdo entre Anthropic y Akamai reemplaza las GPU?" }, { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "No. El entrenamiento ajusta los parámetros de un modelo a partir de datos. La inferencia utiliza un modelo ya entrenado para producir resultados. Un servicio puede necesitar además almacenamiento, red y ejecución de herramientas." }, "name" : "¿Entrenamiento e inferencia significan lo mismo?" }, { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "El costo por tarea completada correctamente, el tiempo total de respuesta, los fallos y reintentos, y la capacidad utilizada en cada etapa. Estas mediciones permiten localizar el problema antes de contratar más recursos." }, "name" : "¿Qué debería medir una empresa antes de ampliar su infraestructura de IA?" } ] } ```