La era del despilfarro: El gasto récord de 690.000M$ en IA

La carrera armamentística del silicio: La mayor movilización de capital de la era digital

Estamos asistiendo a un fenómeno que trasciende la simple inversión tecnológica. La proyección de gasto en capex (gastos de capital) de los cinco grandes gigantes del cloud y la infraestructura de IA —Microsoft, Alphabet, Amazon, Meta y Oracle— se sitúa entre los 660.000 y 690.000 millones de dólares para 2026. Este despliegue no tiene parangón en la historia corporativa; para ponerlo en perspectiva, el gasto conjunto de 2025 ya marcó un récord absoluto con 388.000 millones. Estamos ante un incremento interanual del 62%, una cifra que sugiere una reconfiguración estructural de la economía global, comparable quizás a la electrificación industrial de principios del siglo XX o al despliegue de la infraestructura de fibra óptica durante la burbuja de las puntocom, aunque con una diferencia fundamental: esta vez, el activo es el cómputo inteligente.

Amazon encabeza esta carrera con una proyección de 200.000 millones de dólares. Le siguen Alphabet, que ha escalado su compromiso desde los 91.000 millones de 2025 hasta un rango de 175.000-185.000 millones; Microsoft, que ya ha registrado 37.500 millones en un solo trimestre, proyectando superar los 120.000 millones; Meta, con una horquilla de 115.000 a 135.000 millones, y Oracle, que se suma con 50.000 millones. Este capital no es solo dinero; es la apuesta definitiva por el dominio de la infraestructura de la inteligencia artificial.

¿En qué se traduce este capital? La anatomía del gasto

La narrativa popular reduce esta inversión a la compra de GPUs, pero los datos operativos revelan una realidad mucho más compleja. Si bien aproximadamente dos tercios de la inversión se destinan a chips y aceleradores —como las TPUs de Google o los chips Trainium de Amazon—, el tercio restante es donde reside el verdadero desafío de ingeniería. La industria se enfrenta a cuellos de botella físicos sin precedentes: la necesidad de centros de datos de alta densidad que requieran refrigeración líquida avanzada, redes de comunicación de baja latencia y, sobre todo, una infraestructura energética masiva.

La energía se ha convertido en el recurso escaso que limita el crecimiento. La red eléctrica convencional no fue diseñada para alimentar clústeres de cientos de miles de GPUs que consumen gigavatios de potencia constante. Esto ha obligado a las empresas a diversificar sus estrategias: desde acuerdos de compra de energía (PPA) a largo plazo hasta la inversión directa en generación propia, incluyendo plantas de gas natural o incluso la exploración de energía nuclear para garantizar la disponibilidad. La infraestructura ya no es un servicio contratado, sino un activo crítico que las empresas deben gestionar verticalmente.

El factor miedo y la realidad de la demanda empresarial

El análisis de TheVortiq sugiere que gran parte de esta urgencia nace de una dinámica de 'compra de pánico' institucionalizada. Las empresas tecnológicas temen que cualquier retraso en la obtención de capacidad de cómputo las deje fuera de la ventaja competitiva que otorga la IA. Esta presión se refleja en la cartera de pedidos de Azure, donde Microsoft admite tener una demanda que supera su capacidad actual de entrega debido a las restricciones físicas y eléctricas mencionadas anteriormente.

Históricamente, esta situación recuerda a la carrera por el despliegue de redes móviles 4G/5G, donde el primero en llegar al mercado no solo captura cuota, sino que establece los estándares de la plataforma. Sin embargo, existe una diferencia crítica: en la IA, el coste de mantenimiento de esta infraestructura es exponencialmente mayor. Mientras que el software tradicional escalaba con costes marginales cercanos a cero, los modelos de lenguaje a gran escala (LLMs) imponen una carga operativa constante que requiere una actualización permanente de hardware.

Especulación y riesgos futuros: ¿Burbuja o cimiento?

Aunque los proveedores actuales disfrutan de un crecimiento sostenido, es imperativo mantener una perspectiva crítica. El ciclo de construcción de esta infraestructura es largo, abarcando de tres a cuatro años desde el diseño hasta la puesta en marcha. Durante este intervalo, tres riesgos podrían desestabilizar la tesis de inversión actual:

• Eficiencia algorítmica: La optimización del software (modelos más pequeños, técnicas de cuantización, destilación) podría reducir drásticamente la demanda de cómputo por unidad de output. Si el software se vuelve 10 veces más eficiente, la necesidad de hardware podría caer, dejando a los centros de datos con capacidad ociosa.
• La crisis del ROI: Si las aplicaciones de IA no logran monetizarse a través de incrementos verificables en la productividad o nuevas líneas de ingresos que superen el coste operativo de la infraestructura, la inversión se convertirá en un pasivo tóxico para los balances de las Big Tech.
• Sobrecapacidad sistémica: Existe el riesgo de que la construcción masiva y simultánea de centros de datos resulte en una oferta excedente cuando todos los proyectos actuales entren en operación, lo que provocaría una caída en los márgenes de los servicios cloud.

Como analistas, concluimos que, si bien la demanda a corto plazo es firme y está respaldada por una necesidad real de infraestructura, la sostenibilidad a largo plazo no dependerá de cuántos chips se compren, sino de que la IA pase de ser una promesa de productividad a una realidad de rentabilidad operativa comprobable. La gran pregunta para los próximos 24 meses es si el mercado podrá absorber la gigantesca capacidad de cómputo que se está instalando hoy.