La verdadera economía detrás de la construcción de infraestructura de IA: por qué las conversaciones baratas sobre una burbuja no abordan el problema

Los escépticos están en plena actividad. Artículos de publicaciones financieras importantes—como el Financial Times advirtiendo sobre “centros de datos fantasma” que inflan las previsiones de energía de EE. UU., y el artículo del Wall Street Journal sobre “Hype de la IA vs. Realidad”—siguen cuestionando si el gasto masivo en infraestructura de IA tiene sentido financiero. Estas piezas se basan en una premisa seductora: el capital requerido para los sistemas de IA no puede generar suficientes retornos para justificar la inversión. Pero esta crítica malinterpreta fundamentalmente lo que está sucediendo en la revolución de la IA, y en su mayoría es charla vacía que oculta una verdadera transformación económica.

El problema de los $650 Mil millones en ingresos anuales (que en realidad no es un problema)

Aquí está el argumento central del escéptico: JPMorgan construyó un modelo financiero asumiendo una inversión en infraestructura de IA global de $5 trillones para 2030. Luego hicieron una pregunta sencilla: ¿cuánto ingreso adicional anual necesitaría generar todo ese hardware para producir un retorno razonable del 10% anual para los inversores? Su respuesta: aproximadamente $650 mil millones por año—más del 150% de las ventas anuales actuales de Apple y unas 30 veces los ingresos actuales de OpenAI.

Esto suena imposible. Y precisamente por eso muchos inversores y analistas lo consideran una prueba de burbuja. La charla barata sobre riesgos de burbuja obtiene clics y credibilidad en un mercado nervioso por el exceso.

Pero hay un fallo crítico en este planteamiento. Trata el gasto en infraestructura de IA como una inversión única y estática—similar a cómo los mercados abordaron la tecnología móvil, la computación en la nube o la conectividad de banda ancha. Cada una de esas fue importante, pero cada una operaba en ciclos de computación relativamente predecibles y preestablecidos.

La IA es fundamentalmente diferente: la inteligencia requiere fábricas en tiempo real

La diferencia fundamental radica en cómo funcionan realmente los sistemas de IA. El software tradicional era precompilado. Escribías el código una vez, y las demandas computacionales eran modestas y previsibles. Los sistemas de IA—especialmente la IA generativa y agente—funcionan en tiempo real. Producen nueva información, nuevos tokens, nuevo valor en cada momento. No pueden pre-generar inteligencia con anticipación y recuperarla después. La inteligencia debe crearse continuamente.

Jensen Huang, CEO de NVIDIA, expresó este cambio en la Conferencia sobre el Futuro de la IA del Financial Times: “El software en el pasado era precompilado. Para que la IA sea efectiva, tiene que ser consciente del contexto y producir inteligencia en el momento. La computación necesaria para producir IA de alta demanda es bastante sustancial. Hemos creado una industria que requiere fábricas—cientos de miles de millones de dólares en fábricas—para producir los tokens y la inteligencia necesarios para servir a industrias por valor de billones de dólares.”

Esto replantea todo. No estamos construyendo almacenes para almacenamiento pasivo de datos. Estamos construyendo sistemas de producción de inteligencia en tiempo real. La potencia de cálculo no permanece inactiva entre usos; opera continuamente, generando valor en cada ciclo. Esto transforma por completo la economía unitaria.

Considera las implicaciones: casi todas las industrias aumentarán la mano de obra y la capacidad humana con IA. La mayoría de las personas no usan IA hoy, pero en unos años, casi todas las interacciones y transacciones involucrarán sistemas de IA de alguna forma. Entre el bajo uso de IA actual y la implementación continua de mañana, la demanda de computación se multiplicará exponencialmente.

Los fabricantes de hardware como NVIDIA y TSMC todavía están subestimados

Los analistas de Wall Street han subestimado persistentemente la capacidad de crecimiento de los sistemas de computación impulsados por GPU. Las proyecciones actuales de los principales bancos modelan las ventas de NVIDIA en alrededor de $275 mil millones en el año fiscal 2027 (a partir de febrero de 2025). Sin embargo, el mercado total direccionable de la compañía, que crece a tasas aceleradas, podría soportar cifras de ingresos significativamente mayores a medida que la inversión global en infraestructura de IA supere los $1 trillones para 2028 (según investigaciones de Goldman Sachs y Bank of America).

Taiwan Semiconductor—que fabrica los chips que impulsan la revolución de la IA—enfrenta una oportunidad similar. A medida que las demandas de inferencia y entrenamiento de IA se expanden en todas las principales empresas tecnológicas y corporaciones, la capacidad de producción de TSM se convierte en una restricción, no en una garantía. Esta dinámica por sí sola sugiere que las valoraciones actuales de las acciones pueden subestimar la capacidad de crecimiento a varias décadas.

El multiplicador de la IA física: por qué esto es solo el comienzo

Después de que la IA generativa y la IA agente añadan cientos de puntos básicos al PIB en los próximos cinco años, la aparición de la IA física amplificará aún más las necesidades de infraestructura. Vehículos autónomos, robots humanoides, fábricas automatizadas y sistemas de ciudades inteligentes requerirán computación no solo en centros de datos, sino distribuidos en el borde—reduntantes, robustos y capaces de operar sin conexión para operaciones críticas de seguridad.

La infraestructura necesaria para entrenar e inferir sistemas de IA física puede superar lo que la mayoría de los analistas puede incluso proyectar en esta etapa. Si la IA generativa necesita “fábricas”, la IA física requiere un ecosistema computacional completamente nuevo, distribuido por el mundo físico.

Separando la inversión inteligente de la charla barata

Los titulares financieros prosperan con conflictos narrativos. Las advertencias de burbujas generan engagement. Pero la riqueza a largo plazo en los mercados proviene de inversores institucionales que operan con horizontes de varias décadas—empresas como Baillie Gifford, que defienden la “inversión real” respaldando a empresas que contribuyen más al progreso en décadas que en cuartos. Fueron inversores tempranos en Tesla; NVIDIA es ahora su posición más grande.

Esto no es entusiasmo ciego ni especulación imprudente. Es el reconocimiento de que ciertos cambios tecnológicos se acumulan con el tiempo de maneras que sorprenden a los observadores enfocados en ciclos trimestrales y en el sentimiento a corto plazo.

La conclusión: observa el ciclo de subir y ajustar

Espera que NVIDIA entregue otro trimestre de superaciones y aumentos en las previsiones a medida que los sistemas rack-scale de Blackwell se desplieguen con una fuerte demanda. Wall Street volverá a elevar las estimaciones de crecimiento y los objetivos de precio. Cuando eso suceda, recuerda que los analistas todavía están poniéndose al día con la verdadera capacidad de crecimiento de la inversión en infraestructura de IA—una capacidad que se acelerará, no que desacelerará, a medida que la industria escale.

La charla barata sobre burbujas de IA persistirá. Pero la economía real—la necesidad de producción continua y en tiempo real de inteligencia a escala en todas las industrias—apunta a una conclusión diferente: todavía estamos en las primeras etapas del despliegue, y la construcción de infraestructura apenas comienza. Los inversores que superen el ruido escéptico y se enfoquen en la demanda de infraestructura a largo plazo pueden encontrar que las mejores oportunidades aún están por venir.