---
title: "TCO completo de un cluster GPU on-premise: del capex al €/GPU-hora all-in y el break-even contra cloud"
url: https://blog.lo0.es/posts/tco-on-premise-gpu-cluster/
markdown: https://blog.lo0.es/posts/tco-on-premise-gpu-cluster/index.md
lang: es
date: 2026-06-16
lastmod: 2026-06-17
author: "José Manuel Román"
description: "Modelo TCO completo de un cluster GPU on-premise con nodos 4×H100 SXM: desglose capex (GPUs, HGX baseboard, red InfiniBand NDR, NVMe, rack/PDU), opex (energía × PUE, personal, mantenimiento), derivación del €/GPU-hora all-in y el €/1M tokens, y análisis de break-even frente a cloud on-demand, reserved y spot con tabla de sensibilidad."
tags: ["finops","tco","on-premise","capex","opex","break-even","h100","serie-datos"]
translations:
  en: https://blog.lo0.es/en/posts/full-tco-on-premise-gpu-cluster-capex-gpu-hour-break-even/index.md
---

# TCO completo de un cluster GPU on-premise: del capex al €/GPU-hora all-in y el break-even contra cloud


> Notación: importes en **N €** o **N USD** (fuente denominada en dólares); decimales con coma; separador de millar con espacio. No se usa el símbolo de dólar (delimitador de fórmula). Datos centrados en Europa/España. Hardware de ejemplo genérico: cluster de N nodos, cada uno con 4×H100 SXM5 80 GB.

## TL;DR

Un nodo 4×H100 SXM5 cuesta entre **150 000 USD y 200 000 USD** de capex total (GPUs + servidor + red + almacenamiento + rack prorrateo). Amortizado a 3 años con opex europeo (energía a ~0,116 €/kWh industrial, PUE 1,54 medio o 1,2 con líquido, 0,3 FTE personal), el coste **all-in** oscila entre **3,10 USD/GPU-hora** (utilización 100 %) y **6,20 USD/GPU-hora** (utilización 50 %). El break-even frente a AWS p5 on-demand (~6,88 USD/GPU-hora) se cruza en torno al **70 % de utilización**; frente a un neocloud reserved 3 años (~1,49–2,10 USD/GPU-hora), el on-prem nunca cierra la brecha en ese escenario. La utilización es la variable que decide el eje de coste, no el precio del hardware.

---

## El modelo: supuestos declarados

Todos los cálculos siguientes parten de estos supuestos. Cambiar cualquiera de ellos mueve la conclusión; se cuantifica en la sección de sensibilidad.

| Parámetro | Valor base | Rango de sensibilidad |
|---|---|---|
| Nodo | 4×H100 SXM5 80 GB (HGX baseboard) | — |
| Cluster | N nodos (modelo por nodo; escala linealmente) | 1–32 nodos |
| Amortización capex | 3 años (lineal) | 3–5 años |
| Utilización GPU | 70 % | 30 %–100 % |
| Precio energía | 0,116 €/kWh (industrial España, sept. 2025) | 0,06–0,20 €/kWh |
| PUE | 1,54 (media global Uptime Institute 2025) | 1,15–1,80 |
| Tipo de cambio | 1 USD = 0,93 € (referencia jun. 2026) | — |

> Fuente energía: [GlobalPetrolPrices · Spain Business Electricity, sept. 2025](https://www.globalpetrolprices.com/Spain/electricity_prices/). Fuente PUE: [Uptime Institute Global Data Center Survey 2025](https://datacenter.uptimeinstitute.com/rs/711-RIA-145/images/2025.Annual.Survey.Report.pdf) — PUE global medio estancado en 1,54 por sexto año consecutivo; hyperscalers 1,10–1,15; colocación/empresa 1,58–1,80; instalaciones con menos de 5 años de antigüedad, 1,48. PUE 1,2 alcanzable con refrigeración líquida directa al chip.

---

## Desglose capex por nodo 4×H100 SXM5

### GPUs

| Componente | Precio unitario (USD) | Cantidad | Subtotal (USD) | Fuente y fecha |
|---|---|---|---|---|
| H100 SXM5 80 GB (tarjeta) | 30 000–40 000 | 4 | 120 000–160 000 | [GMI Cloud, abr. 2026](https://www.gmicloud.ai/en/blog/nvidia-h100-gpu-pricing-2026-rent-vs-buy-cost-analysis) · [Introl, abr. 2026](https://introl.com/blog/gpu-infrastructure-tco-5-year-cost-model) |

El rango refleja variabilidad de mercado y descuentos por volumen (5–15 % para pedidos >50 unidades). Las H100 SXM5 requieren el **HGX baseboard** de NVIDIA; no se venden sueltas para instalación directa en servidores estándar.

### Servidor / HGX baseboard

El nodo completo 4×H100 SXM utiliza el **HGX H100 4-GPU baseboard** de NVIDIA más un servidor host compatible. Modelos de referencia: Supermicro SYS-421GU-TNXR (4U, Dual Intel Xeon 4th Gen, HGX H100 4-GPU) y su equivalente en Dell.

| Componente | Coste estimado (USD) | Nota |
|---|---|---|
| Servidor chassis + CPU (2× Xeon) + RAM (512 GB DDR5) + PSU redundante | 18 000–25 000 | Basado en Supermicro SYS-821GE bare sin GPUs a ~24 806 USD ([xicomputer.com](https://www.xicomputer.com/Solutions/Data-Center-Servers/SYS-821GE-TNHR.asp), jun. 2026); proporcional al 4-GPU |
| HGX H100 4-GPU baseboard | incluido en precio GPU | NVIDIA HGX plataforma; no precio separado público |
| NVLink inter-GPU (dentro del nodo) | incluido en baseboard | 4 GPUs conectadas por NVLink 4.0 en el baseboard HGX |

> Claim de marketing (sin verificación independiente): Supermicro anuncia reducción de costes de energía del datacenter de hasta el 40 % con refrigeración líquida en sus servidores HGX H100 ([Supermicro press release](https://www.supermicro.com/en/pressreleases/supermicro-launches-industrys-first-nvidia-hgx-h100-8-and-4-gpu-h100-servers-with-liquid-cooling)).

### Red InfiniBand NDR

Para un cluster multi-nodo con paralelismo tensorial entre nodos, la red GPU-GPU es crítica. NDR InfiniBand (400 Gb/s por puerto) es el estándar de facto para clusters HGX.

| Componente | Coste estimado por nodo (USD) | Fuente / Nota |
|---|---|---|
| Switch NVIDIA Quantum-2 NDR 400G (64 puertos, prorrateado entre N nodos) | 2 000–4 000 | Switch ~35 000 USD ([Introl, abr. 2026](https://introl.com/blog/gpu-infrastructure-tco-5-year-cost-model)); a 16 nodos, ~2 200 USD/nodo |
| Cables/transceptores InfiniBand NDR (4 puertos por nodo × ~1 000 USD/puerto) | 4 000 | Estimación basada en ~1 000 USD/transceptor óptico ([Introl, abr. 2026](https://introl.com/blog/gpu-infrastructure-tco-5-year-cost-model)) |
| **Red InfiniBand (prorrateado por nodo 4-GPU)** | **~6 000–8 000** | — |

> Para inferencia serving dentro de un nodo (4 GPUs con NVLink), la red inter-nodo es menos crítica que para training multi-nodo. Para cargas de prefill-decode disaggregated entre nodos, InfiniBand NDR es necesaria.

### Almacenamiento NVMe

| Componente | Coste estimado (USD) | Nota |
|---|---|---|
| NVMe local (4 TB × 2 unidades U.2/E1.S, datasets de trabajo y checkpoints) | 2 000–4 000 | ~500–1 000 USD/TB NVMe enterprise 2025 |
| Almacenamiento de objetos compartido (NAS/MinIO, prorrateado por nodo) | 2 000–5 000 | Varía según capacidad total del cluster |
| **Almacenamiento total por nodo** | **~4 000–9 000** | — |

> Introl modela 50 TB por GPU para operaciones efectivas en clusters de training ([Introl, abr. 2026](https://introl.com/blog/gpu-infrastructure-tco-5-year-cost-model)); para inferencia pura, el requerimiento es significativamente menor (pesos del modelo + logs).

### Rack, PDU y conectividad de datacenter

| Componente | Coste estimado por nodo (USD/año) | Fuente |
|---|---|---|
| Colocación rack (alta densidad, 10–15 kW por nodo) | 5 000–12 000/año | [Encoradvisors · Colocation Pricing 2026](https://encoradvisors.com/data-center-colocation-pricing/): alta densidad 3 000–6 000 USD/mes por rack; a 2 nodos por rack, ~1 500–3 000 USD/mes por nodo = 18 000–36 000 USD/año en tier-1; menor en España |
| PDU rack, cableado eléctrico (prorrateo) | 500–1 000 por nodo (capex amortizado) | Dentro de la partida de colocación o CPD propio |

> Colocación en España/Europa es estructuralmente más barata que en mercados tier-1 de EE. UU. (Nueva York, Silicon Valley). Para CPD propio, sustituir por coste de espacio propio + amortización de infraestructura eléctrica y de refrigeración.

### Resumen capex por nodo 4×H100 SXM5

| Partida | Rango (USD) | Punto medio |
|---|---|---|
| GPUs (4× H100 SXM5) | 120 000–160 000 | 140 000 |
| Servidor chassis + CPU/RAM/PSU | 18 000–25 000 | 21 500 |
| Red InfiniBand NDR (prorrateo) | 6 000–8 000 | 7 000 |
| Almacenamiento NVMe + objetos | 4 000–9 000 | 6 500 |
| PDU/rack/otros (capex) | 2 000–5 000 | 3 500 |
| **Capex total por nodo** | **150 000–207 000** | **178 500** |

Fuentes: [GMI Cloud (abr. 2026)](https://www.gmicloud.ai/en/blog/nvidia-h100-gpu-pricing-2026-rent-vs-buy-cost-analysis), [Introl (abr. 2026)](https://introl.com/blog/gpu-infrastructure-tco-5-year-cost-model), [Spheron (abr. 2026)](https://www.spheron.network/blog/llm-inference-on-premise-vs-cloud/), [xicomputer.com (jun. 2026)](https://www.xicomputer.com/Solutions/Data-Center-Servers/SYS-821GE-TNHR.asp).

---

## Desglose opex por nodo 4×H100 SXM5 (anual)

### Energía

Un nodo 4×H100 SXM5 en carga completa consume aproximadamente:

$$P_{\text{nodo}} = 4 \times 700\,\text{W (TDP H100 SXM5)} + 800\,\text{W (servidor)} \approx 3{,}6\,\text{kW (IT)}$$

La potencia total del datacenter incluye el overhead de refrigeración, expresado por el **PUE**:

$$P_{\text{total}} = P_{\text{IT}} \times \text{PUE}$$

$$\text{coste energía anual} = P_{\text{IT}} \times \text{PUE} \times 8\,760\,\text{h} \times \text{precio kWh}$$

Con los valores base (PUE 1,54; 0,116 €/kWh):

$$\text{energía/año} = 3{,}6\,\text{kW} \times 1{,}54 \times 8\,760\,\text{h} \times 0{,}116\,\text{EUR/kWh} \approx 5\,475\,\text{EUR}$$

Con PPA solar España (precio referencia Q3 2025: ~34 €/MWh = 0,034 €/kWh según [PV Tech, oct. 2025](https://www.pv-tech.org/european-solar-ppa-prices-fall-below-35-mwh-q3-2025/)):

$$\text{energía/año (PPA solar)} = 3{,}6 \times 1{,}54 \times 8\,760 \times 0{,}034 \approx 1\,604\,\text{EUR}$$

| Escenario energético | Precio (€/kWh) | Coste energía/año por nodo 4-GPU |
|---|---|---|
| PPA solar España (Q3 2025) | 0,034 | ~1 604 € |
| Industrial España (sept. 2025) | 0,116 | ~5 475 € |
| Europa media (tarifa industrial) | 0,160 | ~7 550 € |
| Peor caso (sin PPA, tarifa alta) | 0,200 | ~9 437 € |

### Personal / operación

El coste de personal es la partida más variable según el tamaño del cluster. Para un cluster pequeño (2–8 nodos), la regla práctica es **0,3–0,5 FTE por cluster** de soporte de infraestructura GPU ([Spheron, abr. 2026](https://www.spheron.network/blog/llm-inference-on-premise-vs-cloud/)).

| Tamaño cluster | FTE estimado | Coste FTE (€/año, Europa Occ.) | Coste por nodo 4-GPU (€/año) |
|---|---|---|---|
| 2–4 nodos | 0,3 FTE | ~120 000 | 36 000–18 000 |
| 8–16 nodos | 0,5 FTE | ~120 000 | 7 500 |
| 32+ nodos | 1–2 FTE | ~120 000 | 3 750–7 500 |

> Referencia salarial orientativa: ingeniero de infraestructura GPU con conocimiento de CUDA, InfiniBand y Kubernetes en Europa Occidental, ~90 000–140 000 €/año coste total empresa. Las cifras de Introl ([abr. 2026](https://introl.com/blog/gpu-infrastructure-tco-5-year-cost-model)) en USD (~275 000 USD/año para EE. UU.) reflejan el mercado norteamericano, sensiblemente más alto.

### Mantenimiento y soporte

| Partida | Coste anual (% del capex hardware) | Por nodo 4-GPU (punto medio) |
|---|---|---|
| Mantenimiento / soporte vendor | 5–10 % del capex | ~7 000–14 000 USD → ~6 500–13 000 € |
| Tasa de fallos GPU (~5 % anual) × coste reposición | 5 % × 4 GPUs × ~35 000 USD = ~7 000 USD esperados | ~6 500 € (amortizado como provisión) |
| Recambios menores (cables, módulos) | ~500–1 000 € | — |

> Introl cita tasas de fallo de GPU del 2–3 % anual en clusters pequeños; Google Research documentó ~9 % anualizado en el cluster H100 de 16 384 GPUs de Meta ([Introl, abr. 2026](https://introl.com/blog/gpu-infrastructure-tco-5-year-cost-model)). Se usa 5 % como valor conservador intermedio.

### Depreciación (a efectos contables)

La depreciación lineal convierte el capex en un flujo anual equiparable al coste del cloud committed:

$$\text{depreciación anual} = \frac{\text{capex nodo}}{\text{años amortización}}$$

| Capex nodo (USD) | Amortización 3 años (USD/año) | Amortización 5 años (USD/año) |
|---|---|---|
| 150 000 (mínimo) | 50 000 | 30 000 |
| 178 500 (medio) | 59 500 | 35 700 |
| 207 000 (máximo) | 69 000 | 41 400 |

> El hardware H100 deprecia rápidamente: los análisis de mercado secundario sitúan el valor residual en el 20–40 % del precio de compra a los 3 años ([Introl, abr. 2026](https://introl.com/blog/gpu-infrastructure-tco-5-year-cost-model)). La llegada de Blackwell GB200/GB300 acelera la obsolescencia percibida.

### Resumen opex anual por nodo 4×H100 SXM5 (escenario base, cluster de 8 nodos)

| Partida | Escenario base (€/año) | Rango |
|---|---|---|
| Energía (PUE 1,54; 0,116 €/kWh) | 5 475 | 1 604–9 437 |
| Personal (0,5 FTE × 8 nodos, prorrateado) | 7 500 | 3 750–36 000 |
| Mantenimiento / soporte / fallos | 9 000 | 5 000–15 000 |
| Colocación rack (España, alta densidad) | 6 000 | 3 000–15 000 |
| **Opex total por nodo** | **~28 000** | **~13 000–75 000** |

El rango extremo refleja la diferencia entre un datacenter propio bien amortizado con PPA solar y energía barata (opex mínimo) frente a colocación tier-1 con tarifas de mercado y personal sénior.

---

## Derivación del €/GPU-hora all-in

### Fórmula

$$\text{EUR/GPU-hora all-in} = \frac{\frac{\text{capex nodo}}{\text{años}} + \text{opex anual nodo}}{4\,\text{GPUs} \times 8\,760\,\text{h} \times u}$$

donde \(u\) es la utilización media anual (0 a 1).

Véase la identidad de coste por token en [coste por token y por request](https://blog.lo0.es/posts/coste-por-token-y-por-request/index.md) para la conexión con el throughput.

### Tabla de €/GPU-hora según utilización y escenario

**Capex medio (178 500 USD → ~166 000 €), amortización 3 años → 55 300 €/año.**

| Utilización | Opex/año (base, €) | Coste total/año (€) | GPU-horas útiles/año | **€/GPU-hora** |
|---|---|---|---|---|
| 30 % | 28 000 | 83 300 | 10 512 | **7,93** |
| 50 % | 28 000 | 83 300 | 17 520 | **4,75** |
| 70 % | 28 000 | 83 300 | 24 528 | **3,39** |
| 80 % | 28 000 | 83 300 | 28 032 | **2,97** |
| 100 % | 28 000 | 83 300 | 35 040 | **2,38** |

**Escenario opex bajo** (PPA solar, CPD propio, cluster grande): opex/año ~13 000 €.

| Utilización | Coste total/año (€) | **€/GPU-hora** |
|---|---|---|
| 50 % | 68 300 | **3,90** |
| 70 % | 68 300 | **2,78** |
| 80 % | 68 300 | **2,43** |
| 100 % | 68 300 | **1,95** |

**Escenario opex alto** (tarifa mercado, colocation cara, cluster pequeño): opex/año ~75 000 €.

| Utilización | Coste total/año (€) | **€/GPU-hora** |
|---|---|---|
| 50 % | 130 300 | **7,44** |
| 70 % | 130 300 | **5,31** |
| 80 % | 130 300 | **4,65** |
| 100 % | 130 300 | **3,72** |

---

## Del €/GPU-hora al €/1M tokens

La identidad de coste por token conecta el coste de hardware con el coste de inferencia:

$$\text{EUR/1M tokens} = \frac{\text{EUR/GPU-hora} \times 10^6}{\text{throughput (tok/s)} \times 3\,600}$$

Para throughputs de referencia en H100 SXM5 con vLLM (ver [capacity planning de inferencia on-premise](https://blog.lo0.es/posts/capacity-planning-inferencia-llm-on-premise/index.md)):

| Modelo | Throughput típico (tok/s por GPU) | Fuente |
|---|---|---|
| Llama-3 70B FP8, batch alto | ~2 800 | Benchmarks serie B |
| Llama-3 8B FP16, batch medio | ~9 000 | Benchmarks serie B |
| Mixtral 8×7B, batch alto | ~4 500 | Benchmarks serie B |

**Tabla €/1M tokens en escenario base (€/GPU-hora 3,39 al 70 % de utilización):**

| Modelo | Throughput (tok/s) | €/1M tokens |
|---|---|---|
| Llama-3 70B FP8 | 2 800 | **~0,336** |
| Llama-3 8B FP16 | 9 000 | **~0,105** |
| Mixtral 8×7B | 4 500 | **~0,209** |

**Al 50 % de utilización (€/GPU-hora 4,75):**

| Modelo | €/1M tokens |
|---|---|
| Llama-3 70B FP8 | **~0,471** |
| Llama-3 8B FP16 | **~0,147** |

La ocupación (batching) multiplica el throughput efectivo y baja el €/1M tokens sin cambiar el hardware; se analiza en [utilización GPU como palanca FinOps](https://blog.lo0.es/posts/utilizacion-gpu-como-finops/index.md).

---

## Break-even on-prem vs cloud

### La fórmula del break-even

El break-even se da cuando el coste total anual on-prem iguala el coste anual del cloud a igual utilización:

$$\text{coste cloud anual} = \text{precio GPU-hora cloud} \times 4\,\text{GPUs} \times 8\,760\,\text{h} \times u$$

$$\text{break-even}: \quad \frac{\text{capex/año} + \text{opex/año}}{4 \times 8\,760 \times u} = \text{precio GPU-hora cloud}$$

Despejando la utilización de break-even:

$$u^* = \frac{\text{capex/año} + \text{opex/año}}{4 \times 8\,760 \times \text{precio GPU-hora cloud}}$$

### Tabla de break-even por modalidad cloud y escenario on-prem

**Escenario base on-prem** (capex/año 55 300 €, opex/año 28 000 €, total 83 300 €/año por nodo 4-GPU):

| Referencia cloud (precio/GPU-hora) | USD equiv. | Utilización break-even \(u^*\) | Nota |
|---|---|---|---|
| Neocloud on-demand (Lambda/Spheron ~2,90 USD) | 2,90 USD (~2,70 €) | **>100 %** — el on-prem no compite | El cloud on-demand de neocloud es más barato incluso a utilización plena |
| Neocloud reserved 3 años (CoreWeave ~1,49–2,10 USD) | ~1,80 USD (~1,67 €) | **>100 %** — imposible | El reserved neocloud supera al on-prem en cualquier escenario de este modelo |
| AWS p5 on-demand (6,88 USD/GPU-hora) | 6,88 USD (~6,40 €) | **~47 %** | A más del 47 %, el on-prem medio bate a AWS on-demand |
| AWS p5 reserved 3 años (~2,97 USD/GPU-hora) | 2,97 USD (~2,76 €) | **>100 %** | — |
| GCP A3 on-demand (~10,98 USD/GPU-hora) | 10,98 USD (~10,21 €) | **~29 %** | A más del 29 %, el on-prem bate a GCP on-demand |
| Azure ND H100 v5 on-demand (~12,29 USD/GPU-hora) | 12,29 USD (~11,43 €) | **~26 %** | — |

**Escenario opex bajo** (total 68 300 €/año):

| Referencia cloud | Utilización break-even |
|---|---|
| AWS p5 on-demand (6,88 USD ≈ 6,40 €) | **~38 %** |
| Neocloud on-demand (2,90 USD ≈ 2,70 €) | **~91 %** |
| Neocloud reserved 3a (1,80 USD ≈ 1,67 €) | **>100 %** |

**Escenario opex alto** (total 130 300 €/año):

| Referencia cloud | Utilización break-even |
|---|---|
| AWS p5 on-demand (6,88 USD ≈ 6,40 €) | **~72 %** |
| GCP A3 on-demand (~10,21 €) | **~45 %** |
| Azure on-demand (~11,43 €) | **~41 %** |

### Lectura de la tabla de break-even

- Frente a **neoclouds** (on-demand o reserved), el TCO on-prem **no cierra el break-even** en ningún escenario del modelo base. El neocloud reserved bate al on-prem incluso a utilización del 100 %, porque su precio/hora es inferior al coste all-in del hardware propio. Esto es coherente con el análisis de [cloud GPU: on-demand, reserved y spot](https://blog.lo0.es/posts/cloud-gpu-commitment-spot-neoclouds/index.md).
- Frente a **hyperscalers on-demand** (AWS, GCP, Azure), el on-prem sí tiene break-even alcanzable: en torno al **26–72 %** de utilización según el escenario. A utilización media-alta (>70 %), el on-prem bate claramente a AWS/GCP/Azure on-demand.
- La variable que más mueve el break-even es el **opex** (especialmente el personal), no el capex del hardware. Un cluster bien dimensionado en colocación barata con energía PPA puede bajar el umbral 20 puntos porcentuales respecto al escenario alto.
- Para datos RGPD, el break-even frente a hyperscalers estadounidenses está sesgado: el eje de soberanía descarta los hyperscalers US antes que el coste (ver [on-premise soberano vs hyperscalers](https://blog.lo0.es/posts/on-premise-soberano-vs-hyperscalers-datos/index.md)).

> **Diagrama:** Break-even on-prem vs cloud segun utilización: el on-prem base cruza AWS on-demand al 47 por ciento, GCP al 29 por ciento y Azure al 26 por ciento de utilización. Los neoclouds no tienen break-even factible. — [verlo en la versión HTML](https://blog.lo0.es/posts/tco-on-premise-gpu-cluster/)

---

## Análisis de sensibilidad

### TCO vs utilización

El coste all-in por GPU-hora varía inversamente con la utilización porque el capex es fijo:

$$\frac{d(\text{EUR/GPU-hora})}{du} = -\frac{\text{capex/año} + \text{opex/año}}{4 \times 8\,760 \times u^2} < 0$$

Pasar del 50 % al 80 % de utilización reduce el €/GPU-hora en \(\frac{4{,}75 - 2{,}97}{4{,}75} \approx 37\,\%\) en el escenario base. Esta reducción del 37 % no requiere ningún cambio de hardware; solo scheduling más eficiente (ver [utilización GPU como palanca FinOps](https://blog.lo0.es/posts/utilizacion-gpu-como-finops/index.md)).

| Utilización | €/GPU-hora (escenario base) | Variación vs 50 % |
|---|---|---|
| 30 % | 7,93 | +67 % |
| 50 % | 4,75 | referencia |
| 70 % | 3,39 | −29 % |
| 80 % | 2,97 | −37 % |
| 100 % | 2,38 | −50 % |

### TCO vs precio de energía

| Precio energía (€/kWh) | Opex energía/año | €/GPU-hora (70 % util.) | Variación vs base |
|---|---|---|---|
| 0,034 (PPA solar) | 1 604 € | **3,00** | −12 % |
| 0,116 (industrial ES, base) | 5 475 € | **3,39** | referencia |
| 0,160 (Europa media) | 7 550 € | **3,54** | +4 % |
| 0,200 (tarifa alta) | 9 437 € | **3,67** | +8 % |

La energía tiene un impacto **moderado** en el TCO total (8–12 % de variación frente a extremos), porque el capex del hardware domina. Sin embargo, a muy larga amortización (5 años) y PPA solar, la energía baja del 6 % al 1 % del TCO total y el diferencial se amplifica. El precio de la energía importa más para la huella de carbono (CSRD) que para el TCO cuando el capex es dominante.

### TCO vs PUE

| PUE | Overhead refrigeración | Energía/año (0,116 €/kWh) | €/GPU-hora (70 % util.) |
|---|---|---|---|
| 1,15 (refrigeración líquida, nuevas instalaciones) | +15 % | 2 166 € | **3,21** |
| 1,20 (líquido, datacenter moderno) | +20 % | 2 259 € | **3,23** |
| 1,48 (instalaciones <5 años, Uptime 2025) | +48 % | 3 490 € | **3,33** |
| 1,54 (media global Uptime 2025) | +54 % | 3 627 € | **3,39** |
| 1,80 (colocación legacy) | +80 % | 4 260 € | **3,47** |

La diferencia entre PUE 1,15 (líquido) y 1,80 (legacy) es de apenas **~8 %** en el €/GPU-hora al 70 % de utilización, porque la energía solo representa una fracción del TCO. El PUE importa mucho más para el **coste de energía absoluto** y el **reporte CSRD** que para el TCO total cuando el hardware es el componente dominante.

### TCO vs años de amortización

| Amortización | Capex/año (nodo medio, USD) | €/GPU-hora (70 % util., escenario base opex) |
|---|---|---|
| 3 años | 59 500 USD (~55 300 €) | **3,39** |
| 4 años | 44 625 USD (~41 500 €) | **2,99** |
| 5 años | 35 700 USD (~33 200 €) | **2,72** |

Alargar la amortización de 3 a 5 años baja el €/GPU-hora en ~**20 %**, asumiendo que el hardware sigue siendo competitivo y el mercado de reventa soporta el valor residual. Con el ciclo de refreshing acelerado por Blackwell GB200/GB300, una amortización a 5 años conlleva mayor riesgo de obsolescencia tecnológica.

### Mapa de calor de sensibilidad (€/GPU-hora al 70 % de utilización, escenario base)

| | PUE 1,15 | PUE 1,54 | PUE 1,80 |
|---|---|---|---|
| **Amort. 3 años, PPA solar (0,034 €)** | 2,72 | 2,74 | 2,76 |
| **Amort. 3 años, industrial (0,116 €)** | 3,21 | 3,39 | 3,47 |
| **Amort. 5 años, industrial (0,116 €)** | 2,54 | 2,72 | 2,80 |
| **Amort. 3 años, tarifa alta (0,200 €)** | 3,44 | 3,67 | 3,78 |

---

## Tabla de decisión: Pareto coste/control/soberanía

La tabla siguiente cruza las cuatro dimensiones sin jerarquía implícita; la lectura ordinal depende de las restricciones de cada organización.

| Opción | €/GPU-hora | Capex inicial | Control total stack | Soberanía UE | Elasticidad | Riesgo operativo |
|---|---|---|---|---|---|---|
| **On-prem (util. >70 %, opex bajo)** | 2,40–3,00 | alto (150–207 k USD/nodo) | total | total | ninguna | fallo hardware, idle |
| **On-prem (util. <50 %, opex base)** | 4,75–7,93 | alto | total | total | ninguna | capex sin retorno |
| **Neocloud reserved 3 años (CoreWeave, Lambda)** | 1,49–2,10 USD | ninguno | parcial (API) | depende del proveedor | contrato rígido | interrupción mínima |
| **Neocloud on-demand (Lambda, Spheron)** | 2,49–3,44 USD | ninguno | parcial | depende | total | sin interrupción |
| **AWS p5 on-demand** | 6,88 USD | ninguno | mínimo | NO (CLOUD Act) | total | sin interrupción |
| **AWS p5 reserved 3 años** | ~2,97 USD | compromiso financiero | mínimo | NO (CLOUD Act) | rígida | sin interrupción |
| **Cloud EU soberano (Scaleway, Nebius EU)** | 2,15–3,85 USD | ninguno | parcial | sí (UE) | total | sin interrupción |
| **Híbrido on-prem base + cloud EU pico** | 2,00–3,50 (ponderado) | medio | alto | sí (UE) | pico elástico | complejidad operativa |

> Columna "Soberanía UE": los hyperscalers estadounidenses (AWS, GCP, Azure) están sujetos a la US CLOUD Act independientemente de la región del datacenter. Nebius tiene entidad legal neerlandesa; CoreWeave es empresa estadounidense. Ver análisis completo en [on-premise soberano vs hyperscalers](https://blog.lo0.es/posts/on-premise-soberano-vs-hyperscalers-datos/index.md).

> Columna "Control total stack": on-prem permite elegir versión de driver, kernel, configuración NCCL, particionado MIG, y cualquier parámetro del sistema. Las opciones cloud ofrecen control a nivel de contenedor/pod, con el hipervisor y el firmware opaco.

La frontera de Pareto coste/soberanía para datos RGPD excluye los hyperscalers US, dejando: **on-prem**, **cloud EU soberano**, y el **híbrido**. Entre estos tres, la variable que decide es la utilización sostenida y la predecibilidad del tráfico (ver [capacity planning de inferencia LLM on-premise](https://blog.lo0.es/posts/capacity-planning-inferencia-llm-on-premise/index.md)).

---

## Integración con el modelo FinOps de la serie

El €/GPU-hora all-in del on-prem es el número que alimenta el pipeline de cost allocation de la serie:

1. **Identidad de coste por token** ([coste por token y por request](https://blog.lo0.es/posts/coste-por-token-y-por-request/index.md)): throughput del motor × €/GPU-hora → €/1M tokens.
2. **Chargeback y showback** ([chargeback y showback multitenancy GPU](https://blog.lo0.es/posts/opencost-cost-allocation-kubernetes/index.md)): el €/GPU-hora all-in es el precio interno que se imputa a cada tenant del cluster multi-tenant.
3. **Utilización como palanca** ([utilización GPU como FinOps](https://blog.lo0.es/posts/utilizacion-gpu-como-finops/index.md)): subir la utilización del 50 % al 80 % reduce el €/GPU-hora en un 37 % sin cambiar el hardware — el ROI más alto del FinOps on-prem.
4. **Capacity planning** ([capacity planning de inferencia LLM on-premise](https://blog.lo0.es/posts/capacity-planning-inferencia-llm-on-premise/index.md)): el número de nodos a comprar depende del percentil de carga base que se quiere cubrir en hierro.
5. **Comparativa cloud** ([cloud GPU: on-demand, reserved y spot](https://blog.lo0.es/posts/cloud-gpu-commitment-spot-neoclouds/index.md)): el €/GPU-hora all-in se enfrenta directamente al precio cloud de la tabla A7 para calcular el break-even.

---

## Fuentes

- Spheron · LLM Inference On-Premise vs GPU Cloud: 2026 Cost and Break-Even Analysis (abr. 2026) — https://www.spheron.network/blog/llm-inference-on-premise-vs-cloud/
- Introl · GPU Infrastructure TCO Model: 5-Year Cost Analysis for Enterprise AI (abr. 2026) — https://introl.com/blog/gpu-infrastructure-tco-5-year-cost-model
- GMI Cloud · NVIDIA H100 GPU Pricing: 2026 Rent vs. Buy Cost Analysis (abr. 2026) — https://www.gmicloud.ai/en/blog/nvidia-h100-gpu-pricing-2026-rent-vs-buy-cost-analysis
- Uptime Institute · Global Data Center Survey 2025 (PDF oficial) — https://datacenter.uptimeinstitute.com/rs/711-RIA-145/images/2025.Annual.Survey.Report.pdf
- Uptime Institute · Global Data Center PUE Stalls at 1.54 (comunicado, oct. 2025) — https://mgrid.org/2025/10/01/uptime-institute-data-center-pue-stagnation-2025-liquid-cooling/
- GlobalPetrolPrices · Spain Business Electricity Price (sept. 2025) — https://www.globalpetrolprices.com/Spain/electricity_prices/
- PV Tech · European Solar PPA Prices Fall Below 35 €/MWh in Q3 2025 (oct. 2025) — https://www.pv-tech.org/european-solar-ppa-prices-fall-below-35-mwh-q3-2025/
- Xi Computers · Supermicro SYS-821GE-TNHR 8U GPU Server Pricing (jun. 2026) — https://www.xicomputer.com/Solutions/Data-Center-Servers/SYS-821GE-TNHR.asp
- Encoradvisors · Data Center Colocation Pricing 2026 — https://encoradvisors.com/data-center-colocation-pricing/
- CloudZero · H100 GPU Cost In 2026: Buy, Rent, and Cloud Pricing Compared — https://www.cloudzero.com/blog/h100-gpu-cost/
- Spheron · AI Inference Power Consumption and GPU Electricity Costs: 2026 Guide — https://www.spheron.network/blog/ai-inference-power-electricity-cost-2026/
- NVIDIA · DGX SuperPOD H100 Electrical Specifications (documentación oficial) — https://docs.nvidia.com/dgx-superpod/design-guides/dgx-superpod-data-center-design-h100/latest/electrical.html