Hace tres años, David Cahn, socio de Sequoia Capital, planteó lo que se conoció como “la pregunta de los 200.000 millones de dólares de la IA”, la brecha entre lo que la industria gastaba en GPU de Nvidia y lo que necesitaba recuperar. Hoy, esa pregunta ha crecido en un orden de magnitud, y la respuesta no es más clara.
El análisis actualizado de Cahn sitúa el gasto en infraestructura de IA en 2026 en 1,5 billones de dólares (aproximadamente 1,2 billones de libras esterlinas). Para recuperar esa inversión, la industria debe generar 3 billones de dólares en ingresos. Cahn advierte que esa cifra probablemente sea una subestimación, dados los crecientes costos de memoria y el gasto cada vez mayor en chips de inferencia especializados.
“Recientemente, los ingresos requeridos por GW de CapEx han aumentado drásticamente debido a estas dinámicas de cuello de botella y al aumento de los costos de construcción”, escribió Cahn.
La brecha de ingresos
Los ingresos actuales de la industria de la IA presentan un panorama mixto. Anthropic ha alcanzado aproximadamente 60.000 millones de dólares en ingresos anualizados. OpenAI reportó 13.000 millones de dólares en ingresos para 2025 y afirmó tener una tasa de ejecución anualizada de 20.000 millones de dólares para noviembre de 2025.
Pero frente a un objetivo de 3 billones de dólares, incluso estas cifras llamativas son una fracción de lo necesario. Los hiperescaladores, Google, Meta, Microsoft y Amazon, proyectan un retorno masivo de flujo de caja libre para 2028, habiendo acelerado colectivamente el gasto en infraestructura mucho más allá de sus construcciones tradicionales en la nube. Se espera que el gasto de capital combinado de los Cuatro Grandes alcance los 725.000 millones de dólares en 2026, un aumento del 77 por ciento respecto a 2025, con aproximadamente tres cuartas partes de eso vinculado directamente a infraestructura de IA.
Riesgos para el escenario de retorno
Tres riesgos estructurales complican el camino de la industria hacia el punto de equilibrio:
1. Comoditización. Los modelos abiertos más baratos, muchos desarrollados en China, están ganando adopción a expensas de los modelos propietarios de vanguardia. Esto comprime el poder de fijación de precios de las empresas establecidas.
2. Caída de precios de los tokens. Sam Altman señaló que el último modelo de OpenAI es un 54 por ciento más eficiente en tokens para tareas de codificación que su predecesor. La eficiencia es buena para los usuarios, pero reduce los ingresos por consulta a menos que el volumen total de tokens crezca proporcionalmente, una dinámica que ya ha generado debate sobre si las empresas de IA están compitiendo efectivamente contra sus propios precios anteriores.
3. Riesgo sistémico de mercado. Torsten Slok, economista jefe de Apollo Global Management, advirtió que la concentración de la inversión en IA en un puñado de nombres de hiperescaladores crea un riesgo de punto único de falla para el mercado en general. “Con tanto dependiendo de tan pocos nombres, una recuperación más lenta no sería solo un problema del sector, sino que podría llevar a la economía a una recesión y al S&P 500 a una corrección”, escribió Slok.
Ecos de la era puntocom
Los paralelismos con el despliegue de telecomunicaciones de finales de la década de 1990 son difíciles de ignorar. Durante el auge puntocom, los operadores de telecomunicaciones tendieron más de 130 millones de kilómetros (80 millones de millas) de cable de fibra óptica basándose en pronósticos de demanda inflados, gran parte del cual nunca se encendió. El ciclo actual de infraestructura de IA de más de 600.000 millones de dólares sigue un libreto similar: construir una capacidad enorme para una demanda que aún no se ha materializado en ninguna forma que se acerque a la escala de la inversión.
Existen diferencias. El Nasdaq-100 cotiza a aproximadamente 28 veces las ganancias proyectadas hoy, frente a 89 veces en el pico de 1999. Y los hiperescaladores que generan este gasto son empresas reales y rentables, no startups especulativas. Pero una burbuja de infraestructura física es más difícil de desinflar que una burbuja bursátil. El hardware se deprecia, y las GPU de Nvidia de próxima generación acelerarán la obsolescencia de los aceleradores actuales, agravando las pérdidas si los ingresos no se recuperan.
La pregunta sin respuesta
La industria de la IA no se dirige necesariamente hacia un colapso. Pero la pregunta central que Cahn planteó hace tres años sigue sin respuesta: ¿quién va a pagar todo esto? Hasta que el lado de los ingresos de la ecuación alcance el gasto de capital, la brecha es un riesgo que crece con cada nuevo centro de datos y clúster de GPU que los hiperescaladores ponen en línea.
Sources: Can AI answer the $3 trillion question? (TechCrunch, July 9, 2026); The $600 Billion Question (iDX Insights); AI’s $600B Question (Sequoia Capital)
Traducido por Alessandra