Por qué el ciclo de gasto de capital en IA está diseñado para persistir

La rápida aceleración de la inteligencia artificial (IA) ha llevado la asignación de capital a un territorio desconocido. Se espera que la inversión anual en infraestructura de IA por parte de los hiperescaladores supere los 600 000 millones de dólares¹ en 2027. Para los inversores, la pregunta lógica es si este aumento representa una inversión racional y con valor añadido o si se trata de las primeras etapas de un exceso de capacidad y una posible destrucción de capital.

“... nuestro análisis sugiere que este ciclo puede continuar durante otros dos o tres años antes de enfrentarse a su primera prueba real.”

Creemos que el ciclo de inversión en capital (capex) de la IA está mal planteado a través de la tradicional perspectiva de auge/caída. En cambio, se parece más a un equilibrio estructuralmente impuesto, moldeado por dinámicas competitivas, restricciones físicas de suministro y la persistencia de las economías de escala. Entender estas fuerzas es esencial para identificar dónde pueden surgir oportunidades a largo plazo a medida que evoluciona el ciclo. Basándonos en dinámicas de equilibrio de Nash, demanda escalonada y oferta inelástica, compensaciones internas de capacidad, leyes de escala duraderas y la brecha entre creación y captura de valor, nuestro análisis sugiere que este ciclo puede continuar durante dos o tres años más antes de enfrentar su primera prueba real. El mayor riesgo radica en que la monetización quede rezagada respecto a la inversión, generando volatilidad en el sentimiento a pesar de la persistencia de la justificación estratégica.

Un equilibrio competitivo, no un frenesí de gasto

Los hiperescaladores se enfrentan a una elección binaria: invertir agresivamente en infraestructura de IA o arriesgarse a quedarse atrás. Es fundamental destacar que la inversión agresiva sigue siendo la estrategia dominante, independientemente del comportamiento de la competencia. Retroceder mientras los rivales aceleran conlleva el riesgo de ceder una economía similar al monopolio, perder el control estratégico sobre la trayectoria de la plataforma y perderse el próximo cambio de plataforma, costes que se agravan considerablemente en escenarios extremos en los que las capacidades se amplían hacia sistemas más agenticos. Esta dinámica crea un equilibrio de Nash, en el que el gasto de capital sostenido es racional incluso si los rendimientos a corto plazo a nivel de proyecto se comprimen.

Es importante destacar que los grandes hiperescaladores poseen la capacidad financiera para mantener este equilibrio. Los hiperescaladores son negocios generadores de efectivo a una escala que rara vez vemos, con balances netos de efectivo y, en la mayoría de los casos, altos márgenes en sus franquicias principales. En este contexto, la disciplina de capital tiene menos que ver con los niveles absolutos de gasto y más con mantener la relevancia estratégica en un ecosistema en rápida expansión. La implicación para los inversores es clara: la persistencia de los gastos de capital es el caso base, por lo que la clave es encontrar quién puede traducir el gasto en una economía defendible.

Por qué la expansión de la oferta no ha provocado una caída de los precios

Los precios de la computación de IA se han mostrado más resistentes de lo que muchos esperaban, a pesar de la enorme expansión de la capacidad. Una estructura de demanda irregular³ ayuda a explicar por qué (Figura 1). Por encima de un precio umbral (en este ejemplo, 35 dólares estadounidenses), la demanda es relativamente inelástica porque las empresas y los usuarios estratégicos consideran la IA como algo fundamental, independientemente del coste. Por debajo de ese umbral, la demanda latente surge rápidamente, ya que la experimentación, los nuevos casos de uso y las cargas de trabajo de formación de modelos internos se vuelven más viables desde el punto de vista económico.

Por el lado de la oferta, las restricciones siguen siendo graves. Los plazos de entrega de la infraestructura eléctrica se prolongan actualmente entre tres y cinco años. La fabricación avanzada de semiconductores requiere inversiones multimillonarias y plazos de construcción prolongados. Mientras tanto, la memoria, las redes, la disponibilidad de terrenos y los permisos restringen aún más la rapidez con la que se puede ampliar la capacidad. En este contexto, el aumento gradual de la oferta suele elevar el volumen más de lo que reduce el precio, lo que constituye una paradoja de Jevons moderna.⁴ La curva de demanda acodada explica por qué la paradoja de Jevons opera con tanta fuerza en la computación de IA. Una vez que el precio cae por debajo del umbral (35 dólares), la curva de demanda casi horizontal (D marcada en azul) significa que cualquier aumento de la oferta es absorbido inmediatamente por la demanda latente. El consumo se expande para satisfacer la capacidad con un impacto mínimo en los precios. Para los inversores, esta dinámica sugiere que los temores de un colapso inmediato de los precios pueden ser exagerados. La restricción vinculante no es la demanda, sino los límites físicos y logísticos de la expansión.

Asignación de capacidad: la disyuntiva interna.

La escasez introduce una decisión de segundo orden: cómo asignar los recursos informáticos limitados entre prioridades que compiten entre sí. En términos generales, la capacidad se divide entre tres usos: servicios generadores de ingresos, mejora interna de productos e investigación y desarrollo (I+D) a largo plazo. La combinación cambia según la fase, pero la I+D sigue siendo un mínimo competitivo más que una elección discrecional. La disyuntiva es brutal porque hay poco margen de maniobra. Cada hora de unidad de procesamiento gráfico (GPU) asignada a la generación de ingresos externos retrasa el desarrollo de capacidades, mientras que cada hora de GPU dedicada al entrenamiento de modelos retrasa los ingresos a corto plazo. Inclinarse por la I+D puede profundizar la ventaja competitiva a largo plazo a expensas de los márgenes a corto plazo. Quienes optan por dar prioridad a los ingresos pueden mejorar la economía a corto plazo, pero corren el riesgo de ceder el liderazgo a largo plazo si la inversión en I+D cae por debajo del mínimo competitivo.

Esta dinámica de la «Reina Roja»⁵, que consiste simplemente en mantenerse en el mismo lugar, ayuda a explicar por qué es difícil aplicar la disciplina de capital en todo el sector. Desde el punto de vista de la inversión, también pone de relieve por qué la diferenciación entre ganadores y perdedores dependerá cada vez más de la ejecución, la eficiencia y el posicionamiento normativo, y no solo de los niveles de gasto generales.

Las leyes de escala y el argumento a favor de la persistencia

La justificación económica del gasto de capital en IA se basa, en última instancia, en las leyes de escala. Las pruebas empíricas de las principales instituciones de investigación muestran que las capacidades de los modelos han mejorado de manera predecible a medida que ha aumentado la capacidad de cálculo. Mientras el aumento gradual de la capacidad de cálculo siga proporcionando modelos sustancialmente mejores, el incentivo para invertir seguirá intacto. Históricamente, cada aumento de un orden de magnitud en la capacidad de cálculo para el entrenamiento ha producido ganancias significativas en cuanto a capacidad.

Se prevén tres escenarios generales:

• Si las leyes de escala siguen vigentes, el ciclo de inversión actual podría prolongarse varios años más, y la expansión del valor empresarial justificaría los costes de infraestructura.
• Si los rendimientos disminuyen drásticamente, ya sea por limitaciones de datos o por ganancias de eficiencia algorítmica que reduzcan las necesidades de computación, la racionalización podría llegar antes y parte de la infraestructura podría quedar infrautilizada.
• Una tercera posibilidad, un cambio en los supuestos básicos de las arquitecturas, podría hacer que algunos activos fueran menos viables económicamente, al tiempo que se mantendrían las ventajas para los primeros inversores con escala y profundidad del ecosistema.

Será fundamental supervisar estas vías, ya que la durabilidad de las relaciones de escalado probablemente sea el factor más importante para la creación de valor a largo plazo en el ecosistema de la IA.

La economía oculta de la adopción de la IA

Una característica definitoria de los mercados tecnológicos incipientes es la brecha entre el valor creado y el valor capturado. Es posible que la IA esté generando enormes beneficios económicos que actualmente recaen en los usuarios en lugar de en los productores, lo que sugiere que la verdadera oportunidad de mercado para los productores supera los ingresos actuales y estimados. Por ejemplo, los programas piloto empresariales informan actualmente de un aumento de la eficiencia del 20 % al 40 % en tareas de codificación, creación de contenidos y análisis, lo que supera con creces los costes actuales de suscripción, mientras que las encuestas sobre la disposición a pagar indican un importante poder de fijación de precios latente.

Estos beneficios no son accidentales. Los precios competitivos aceleran la adopción, ayudan a crear ecosistemas y aumentan los costes de cambio. Sin embargo, con el tiempo, a medida que los mercados maduran y la diferenciación se profundiza, es probable que una mayor parte de estos beneficios recaiga en los productores. Para los inversores, esto implica que las métricas de ingresos actuales pueden subestimar considerablemente la verdadera oportunidad económica que encierran las plataformas de IA.

Invertir para la siguiente fase

El ciclo de gasto de capital en IA no es ni una exuberancia irracional ni un camino garantizado hacia el éxito económico. Se trata de un equilibrio competitivo sostenido por las limitaciones de la oferta y la creencia de que la escalabilidad impulsa la creación de valor. En nuestra opinión, el mercado sigue en la fase de la carrera por la escala, en la que aumentan los indicios de monetización, pero la carrera por la capacidad sigue marcando el límite mínimo de gasto. En un entorno así, será importante mantener una disciplina de inversión activa, y nos centramos en los indicadores importantes, como los cambios en el acceso al capital, las pruebas de que las restricciones de la oferta se están suavizando, los cambios en la asignación de la capacidad hacia el modo de recolección, la validación o el debilitamiento de los rendimientos de la escala y las primeras pruebas de que los productores están mejorando la captura de excedentes.

“Al igual que en períodos anteriores de profundos cambios tecnológicos, la incertidumbre es elevada, pero también lo son las oportunidades para aquellos inversores dispuestos a mirar más allá de la volatilidad a corto plazo y centrarse en los fundamentos a largo plazo.”

Al igual que en períodos anteriores de profundos cambios tecnológicos, la incertidumbre es elevada, pero también lo son las oportunidades para aquellos inversores dispuestos a mirar más allá de la volatilidad a corto plazo y centrarse en los fundamentos a largo plazo. La disciplina no consiste tanto en predecir el punto álgido del ciclo de inversión en capital, sino en garantizar la durabilidad, la eficiencia y las vías creíbles que conducen de las ventajas de la infraestructura a resultados monetizables.