No se trata de ser alarmista, sino de exponer los hechos. Porque, a estas alturas del ciclo, creemos que serán las limitaciones materiales —electricidad, obsolescencia del hardware, desempeño industrial y contabilidad— las que dictarán la rentabilidad de las acciones.
El negocio de la IA en la nube: un motor de crecimiento, pero una rentabilidad turbia
En MarketScreener, nuestra arquitectura es híbrida. Nuestra plataforma se basa principalmente en servidores de nuestra propiedad, aunque también alquilamos infraestructuras, sobre todo para proyectos de IA, en los que necesitamos esas famosas GPU.
Por ejemplo, un servidor con una GPU V100 (16 GB de VRAM) se alquila por unos 400 o 500 EUR al mes. Dado que estos chips datan de 2017 y cuestan unos 10.000 EUR al descubierto, la inversión se amortiza sin duda para los proveedores de la nube. Sin embargo, hoy en día, casi nadie alquila estos V100, ya que no son compatibles con el software más reciente necesario para ejecutar los mejores modelos grandes de lenguaje de forma eficiente. Es más probable que utilicen una GPU L40, lanzada en 2022, o una A100.
Ese es el quid de la cuestión: tanto el desarrollo de hardware como el de software se han acelerado. Los nuevos chips llegan cada vez más deprisa —Nvidia tiene una cadencia aproximadamente anual— y la comunidad de código abierto innova continuamente en la capa de software. El resultado es que el equipo adquirido hoy puede estar técnicamente bien dentro de tres años, pero comercialmente está obsoleto frente a las mejoras de eficiencia de las nuevas generaciones.
Cada vez resulta más difícil imaginar la repetición del escenario del V100: alquilar un chip a 500 EUR al mes con precio de compra 10.000 EUR durante más de tres años. Y de nuevo, estamos hablando de chips aislados, no de un bastidor de IA completo, operativo, refrigerado, cableado, etc. Tampoco estamos hablando de costes energéticos: un bastidor de IA funcionando permanentemente consume del orden de 100 kW. Nada desdeñable.
Por tanto, pueden ocurrir dos cosas, y ya estamos empezando a verlas.
- La comunidad de código abierto puede adaptar el software para que los últimos modelos funcionen con chips de generaciones anteriores, alargando su vida económica. Una idea eficaz.
- Los hiperescaladores subirán los precios. Y eso es incluso necesario si quieren evitar acabar con una rentabilidad del capital invertido inferior al 5%. En general, el consejero delegado de OVH prevé subidas de precios de la nube del 5%-10% para mediados de 2026, con un aumento de los costes internos de los servidores del 15%-25%, debido sobre todo a la presión de la DRAM/SSD y el hardware de IA.
Además, creemos que una buena parte de la demanda de IA en la nube se interrumpirá si los precios suben demasiado bruscamente. Simplemente porque monetizar un proyecto de IA no es tan sencillo. Crear prototipos es muy fácil —y hablamos con conocimiento de causa—, pero poner en producción un sistema fiable, escalable y rentable es otra historia.
Durante varios meses nuestro objetivo ha sido hacer que la barra de búsqueda de MarketScreener sea inteligente. Es más fácil de decir que hacerlo si no quieres gastar 0,10 EUR cada vez que un usuario pulsa el botón de Intro. Y si nos atrevemos a contemplar este tipo de proyecto es precisamente porque el precio del alquiler de la GPU todavía nos parece asequible. Pero si el precio se duplica o triplica, creo sinceramente que gran parte de la demanda no absorberá esos incrementos.
El cuello de botella físico
Goldman Sachs estima que la demanda de electricidad de los centros de datos aumentará en torno a un 165% hasta 2030, impulsada de forma abrumadora por la IA.
La oferta de energía despachable no crece ni de lejos al mismo ritmo. La pregunta ya ni siquiera es «¿a qué precio?», sino «¿habrá suficiente, en el lugar adecuado, en el momento adecuado?».
En el norte de Virginia, centro mundial de los centros de datos, los nuevos proyectos se enfrentan a esperas de hasta siete años para conectarse a la red. Y no se trata de una excepción local: Los operadores de red estadounidenses y europeos notifican colas cada vez más largas en todos los lugares donde la IA quiere instalarse.
Se están construyendo capacidades por valor de decenas de miles de millones USD... que no pueden funcionar porque no están conectadas (escasez de transformadores, equipos de refrigeración, mano de obra especializada, etc.). Y lo irónico es que estos activos se deprecian mientras esperan a ser enchufados.
Ese es el verdadero coste de oportunidad de la IA: no solo las inversiones de capital, sino el tiempo de inactividad industrial.
Es tal el lío que los hiperescaladores están firmando o financiando proyectos nucleares SMR (Oklo, X-Energy, etc.). Pero no hay que engañarse, para que empiecen a funcionar de forma relevante seguramente habrá que esperar hasta después de 2030.
Este cuello de botella energético tiene dos efectos directos sobre los hiperescaladores:
- Inversiones de capital adicionales no planificadas. Deben financiar no solo los centros de datos, sino a veces sus propias soluciones energéticas.
- Retraso en el retorno de la inversión. Los ingresos potenciales de la IA están ahí, la demanda está ahí (por ahora, y a este precio), pero la capacidad de suministro es limitada, por lo que la monetización se retrasa.
Inversiones a una escala nunca manejada por las empresas privadas
No nos equivoquemos, estamos en un régimen histórico sin precedentes, con cientos de miles de millones de inversiones de capital al año concentradas en un puñado de empresas.
Apenas nos atrevemos a citar cifras exactas por temor a quedar desfasado. Por lo que recuerdo, estamos hablando de más de 600.000 millones USD en inversiones anuales en IA para el período 2026-2027.
Según el Wall Street Journal, la inversión en IA en Estados Unidos puede haber representado la mitad del crecimiento del PIB del país durante los seis primeros meses del año.
¿Quién puede ejecutar tales programas de inversión sin destruir valor?
Los propios actores lo reconocen: ninguna de estas empresas ha dirigido nunca un proyecto industrial de 50.000 millones USD, y ahora están lanzando una docena simultáneamente. A esta escala, el más mínimo error logístico se convierte en un sumidero de dinero, y los retrasos cuestan fortunas.
La financiación de estas inversiones tampoco es trivial. Se está produciendo un verdadero cambio en la estructura de capital de las empresas tecnológicas que conocíamos como extremadamente sólidas desde el punto de vista financiero.
En 2025, estos hiperescaladores emitieron más de 120.000 millones USD de deuda, un fuerte aumento con respecto a años anteriores, y la dinámica prevista para 2026-2027 es aún más fuerte. Oracle es un buen ejemplo, pues su deuda neta supera ahora los 80.000 millones USD y el apalancamiento es mayor que 3.
Incluso si, desde el final del cierre de la Administración y la publicación de las cifras macroeconómicas, el estado de ánimo inversor parece haberse relajado en Estados Unidos, este cambio radical es importante: menos margen de maniobra si los tipos se mantienen altos, más sensibilidad al ciclo económico y, por tanto, mayor dependencia del éxito comercial de la IA.
Circularidad del ecosistema
Una de las cuestiones que han planteado repetidamente analistas de todo el mundo se refiere a la circularidad de los flujos económicos. Este esquema de los flujos nos lleva a pensar que una parte del crecimiento declarado por los actores de este ecosistema no es realmente sinónimo de creación de valor neto.
El sistema es bastante simple:
- Los hiperescaladores invierten masivamente en centros de datos.
- Una gran parte de la demanda de IA procede de... los propios actores de la IA: start-ups, laboratorios, plataformas, editores de modelos.
- Estos actores financian su consumo de la nube mediante ampliaciones de capital en las que los hiperescaladores y los gigantes de los semiconductores suelen ser accionistas, socios o proveedores exclusivos.
- Así, los ingresos de la nube se inflan en parte por un sistema en el que el proveedor financia indirectamente a su propio cliente.
Nada de esto es catastrófico, pero merece la pena señalar que esta circularidad permite a estos actores registrar un crecimiento espectacular aunque la demanda final, del público en general o de las empresas tradicionales, aún no puede seguir el ritmo.
¿Por qué es frágil?
- Porque el bucle depende del coste del capital. Mientras abunde el dinero y las valoraciones se mantengan altas, las empresas de nueva creación pueden consumir nube con pérdidas. Si el apetito del mercado se ralentiza, el bucle se contrae rápidamente.
- Porque los ingresos están correlacionados. Si un eslabón recorta el gasto (por ejemplo, una plataforma de IA ralentiza su crecimiento), el hiperescalador ve cómo sus ingresos en la nube se ralentizan, reduciendo su capacidad de reinversión, lo que lastra la demanda de GPU... etc.
- Porque el valor final aún no está garantizado. El ecosistema está gastando a manos llenas en una promesa, pero si la monetización de las aplicaciones tarda más de lo esperado, todo el edificio se volverá muy sensible a un cambio de régimen.
Contabilidad creativa
Algunos lo llamarán fraude, otros contabilidad creativa. Para nosotros se trata del aspecto más pragmático del asunto: los hiperescaladores han empezado a asumir que la vida útil de sus servidores y chips ha aumentado, y por lo tanto están alargando los calendarios de depreciación incluso cuando el ciclo de vida del hardware de IA se está acortando. Una divergencia preocupante, que sugiere que están registrando beneficios hoy a expensas del mañana..
Vida útil de los servidores (calendario de depreciación) de los tres principales hiperescaladores. El cambio de tendencia coordinado de 3-4 años a 6 años es fácil de observar en el tiempo. Fuente: "Why AI factories bend, but don't break, useful life assumptions", SiliconAngle.
En 2023, Alphabet amplió la vida útil estimada de los servidores de 4 a 6 años y de algunos equipos de red de 5 a 6 años. Lo mismo Microsoft. En 2025, Meta amplió a 5,5 años (antes 4-5 años). Ese mismo año, Oracle también empezó a amortizar el hardware en 6 años.
Expliquemos este mecanismo financiero con un ejemplo rápido:
Supongamos que un hiperescalador compra 100.000 millones USD en servidores/GPU de IA. Si la empresa considera que la vida útil de este hardware es de 3 años, contabiliza unos 33.000 millones USD anuales de amortización al año. Si se alarga a 6 años, solo contabiliza 17.000 millones al año.
Resultado: +16.000 millones USD de beneficios de explotación al año a corto plazo, sin que en la tesorería haya salido ni entrado un céntimo. Esto sucede en el presente en la cuenta de resultados, pero dentro de cuatro años el valor contable de estos activos en el balance estará desconectado de la realidad económica, y la empresa puede verse obligada a deteriorar el valor residual de una sola vez, para sorpresa de muchos inversores.
Michael Burry calcula que la magnitud de la infravaloración de los activos de IA de estas empresas rondará los 180.000 millones USD en 2028. Según él, esta opción contable aumentó los beneficios de Oracle en un 26,9% y los de Meta en un 20,8%.
Burry no es el único que se arriesga. The Economist se atreve con «el rompecabezas contable de 4 billones USD en el corazón de la nube de IA».
Según sus estimaciones, si estos activos se amortizaran en tres años en lugar de en los períodos más largos que utilizan ahora las empresas, los beneficios anuales antes de impuestos caerían en torno a un 8%. Y si la depreciación coincidiera realmente con el ritmo impuesto por Nvidia (que es extremo y no tiene mucho sentido, basta con mirar a los iPhones), el impacto implícito en el valor de mercado podría alcanzar los 4 billones USD.
Podemos discutir si «fraude» es la palabra adecuada aquí, porque no es fácil estimar la vida útil de los equipos sujetos a una innovación más o menos anual. Pero el mecanismo económico es innegable: empujar la factura hacia el futuro mientras la tecnología se acelera. Esa divergencia es extraña. Sin embargo, como he dicho antes, estamos asistiendo a un esfuerzo de la comunidad de código abierto para crear un software que permita a los últimos modelos funcionar con chips de generaciones anteriores. Y es muy posible que, en la práctica, las nuevas generaciones de chips resulten muy resistentes, sobre todo en la fase final de su vida útil, para aplicaciones más sencillas (y no de formación) con clientes como nosotros.
Al final, quizá estas señales de advertencia hayan evitado que la apuesta por la IA se congestione aún más de lo que ya está. Esa es la teoría un tanto atrevida de Bank of America, que piensa que el escepticismo beneficia a los atrevidos dejando al resto de inversores al margen. Ni que decir tiene que el equipo de investigación de semiconductores del banco de inversión estadounidense no tiene ninguna duda sobre el impulso del sector, a pesar de todo el ruido.
