El gasto de capital en IA entra en un periodo de verificación de retornos: ¿Están las tres grandes nubes excesivamente descontadas por el mercado?

Resumen

Desde 2026, los gastos de capital en infraestructura de inteligencia artificial han seguido aumentando, y el enfoque del mercado en las grandes empresas tecnológicas ha cambiado en consecuencia. En el pasado, los inversores estaban más inclinados a ver la inversión en IA como un activo de crecimiento a largo plazo; ahora, la pregunta principal se está convirtiendo gradualmente en: ¿pueden estos gastos de capital traducirse en ingresos, beneficio bruto, flujo de caja libre y rendimiento del capital suficientemente altos?

La reciente presión sobre el precio de las acciones de los tres principales proveedores de la nube (Microsoft, Amazon y Alphabet/Google) refleja preocupaciones superficiales sobre los gastos de capital en IA, el flujo de caja libre y los costes de los tokens. Sin embargo, un cambio industrial más profundo puede ser que la IA empresarial está pasando de un "ensayo extensivo" a una "era de cálculo preciso del uso". En esta etapa, las empresas ya no recurren a los modelos más caros de forma ilimitada, sino que gestionan los modelos, la capacidad de computación, los datos, la seguridad y la facturación de forma más precisa en función del valor de la tarea, el coste, la tasa de éxito, la latencia y los requisitos de cumplimiento.

Esto no significa necesariamente un colapso en la demanda de IA. En cambio, puede significar que la IA se está trasladando de la fase experimental a la fase de despliegue empresarial formal. Para las empresas de un solo modelo, el control empresarial de los costes de los tokens puede traer presión; pero para las plataformas en la nube multimodelo como Azure, AWS y Google Cloud, el cálculo preciso del uso puede, en cambio, fortalecer su valor como capa de control de costes de IA empresarial, capa de enrutamiento de modelos, capa de gobernanza de datos y capa de facturación.

I. Razones principales para la revalorización de las tres grandes nubes por parte del mercado

La reciente presión sobre las acciones relacionadas con las tres grandes nubes no puede entenderse simplemente como un rechazo del mercado a la demanda de IA a largo plazo. Más exactamente, el mercado está cambiando su enfoque de "¿hay demanda de IA?" a "cuánto capital se necesita para materializar la demanda de IA". Este es un cambio en la lógica de valoración. Anteriormente, los gastos de capital en IA a menudo se veían como inversiones de crecimiento; pero a medida que las inversiones en centros de datos, GPU, redes, energía, refrigeración y almacenamiento se expanden rápidamente, los inversores están empezando a cuestionar si estos gastos son activos de crecimiento de alto rendimiento o una carrera armamentista defensiva en la que los gigantes tecnológicos se ven obligados a participar.

Los datos de Microsoft proporcionan una representación visual de esta aceleración del gasto de capital. Los gastos en propiedades y equipos de Microsoft en el tercer trimestre del año fiscal 2026 fueron de 30.876 millones de dólares, en comparación con los 16.745 millones de dólares en el mismo período del año anterior; para los primeros nueve meses del año fiscal 2026, este gasto fue de 80.146 millones de dólares, frente a los 47.472 millones de dólares en el mismo período del año anterior. Este cambio ilustra que la construcción de infraestructura de IA ha pasado de ser un gasto de capital normal en la nube a un ciclo de inversión de mayor intensidad.

La estructura del flujo de caja de Amazon también muestra la presión del gasto de capital. Las ventas de AWS de Amazon en el primer trimestre de 2026 aumentaron un 28% interanual hasta los 37.600 millones de dólares, y los ingresos operativos de AWS fueron de 14.200 millones de dólares, lo que indica que el negocio de la nube en sí mismo todavía mantiene un fuerte crecimiento; sin embargo, el flujo de caja operativo de la compañía para los últimos doce meses fue de 148.500 millones de dólares, y el flujo de caja libre cayó a 1.200 millones de dólares, principalmente debido a un aumento significativo en las compras de propiedades y equipos, que la compañía declaró explícitamente reflejaban principalmente inversiones en IA.

Alphabet/Google también exhibe características similares. Los ingresos de Google Cloud de Alphabet en el primer trimestre de 2026 crecieron un 63% hasta los 20.000 millones de dólares, una aceleración significativa en el crecimiento del negocio en la nube; sin embargo, en el mismo trimestre, los gastos para la compra de propiedades y equipos alcanzaron los 35.674 millones de dólares, y el flujo de caja libre fue de 10.116 millones de dólares. El flujo de caja de Google no se ha deteriorado hasta un estado incontrolable, pero la pendiente de los gastos de capital claramente se ha empinado.

Por lo tanto, lo que realmente le preocupa al mercado no es que las tres grandes nubes no tengan demanda, sino las limitaciones de capital provocadas por la propia fuerte demanda. Si la inversión en infraestructura de IA sigue aumentando, pero la velocidad correspondiente de conversión de ingresos y flujo de caja es menor de lo esperado, los múltiplos de valoración se comprimirán de forma natural.

II. Los costes de la IA han entrado en los informes financieros, no solo se quedan en la capa narrativa

Una de las mayores diferencias entre los productos de IA y los servicios de suscripción de software tradicionales radica en la estructura de costes. El coste marginal del Office tradicional o del software empresarial es bajo; que un usuario escriba un correo electrónico adicional, haga una hoja de cálculo adicional o genere un documento adicional no aumenta significativamente el coste unitario de la empresa de software. Pero los productos de IA son diferentes. Cada llamada al modelo, cada inferencia y cada ejecución de un agente de IA corresponde a costes de capacidad de computación, almacenamiento, redes y servicios del modelo.

Microsoft ya ha revelado este cambio en sus informes financieros. En el tercer trimestre del año fiscal 2026, el margen bruto de Microsoft Cloud cayó al 66%, impulsado por las inversiones continuas en infraestructura de IA y el crecimiento en el uso de productos de IA, compensado parcialmente por las mejoras de eficiencia en Azure y Microsoft 365 Commercial Cloud. En otras palabras, el uso de la IA ya no es solo una historia en el lado de los ingresos, sino que también ha entrado en el lado de los costes.

En el segmento de Procesos de Negocio y Productividad, Microsoft reveló un aumento de 680 millones de dólares en el coste de los ingresos, impulsado principalmente por las inversiones en infraestructura de IA que respaldan las licencias de Microsoft 365 Copilot y el crecimiento del uso. Esto no significa que Copilot haya dañado los fundamentos de Microsoft; al contrario, ilustra que la estructura del margen bruto del software de IA puede ser menor que la del SaaS tradicional de Office, pero si la empresa puede rediseñar el modelo de facturación mediante "licencias + uso", todavía hay margen para gestionar la presión sobre el margen bruto.

Las implicaciones de este cambio para los inversores son importantes. Los productos de IA no pueden valorarse únicamente en función de la lógica tradicional del software, sino que también deben observarse a través del crecimiento de los ingresos, la intensidad de uso, el coste de inferencia, la eficiencia del enrutamiento de modelos, las tasas de almacenamiento en caché y las capacidades de facturación por uso. Lo que realmente merece seguimiento en el futuro no es solo el número de usuarios de productos de IA, sino si el uso unitario puede formar un margen bruto sostenible.

III. Las empresas empiezan a controlar los tokens: ¿colapso de la demanda o cálculo preciso del uso?

El hecho de que las empresas estén empezando a controlar el uso de la IA es otra línea principal de preocupación reciente en el mercado. Sin embargo, este fenómeno no debe equipararse directamente con la desaparición de la demanda. Una explicación más razonable es que las empresas están pasando de "usar la IA siempre que sea posible" a una fase de cálculo preciso del uso de "si cada uso de la IA vale la pena".

El caso de Uber es representativo. Según informes de los medios, después de alentar a los empleados a utilizar herramientas de programación de IA, Uber agotó su presupuesto anual de IA en cuatro meses, estableciendo posteriormente un límite de 1.500 dólares por empleado, por herramienta y por mes para herramientas de codificación basadas en agentes como Claude Code y Cursor. Este caso no muestra que las herramientas de IA no tengan valor, sino que ilustra que cuando las herramientas son lo suficientemente útiles y se difunden demasiado rápido, los presupuestos de las empresas pueden salirse de control rápidamente.

La restricción de la capacidad de computación de Gemini entre Google y Meta también muestra que la capacidad de computación de gama alta sigue teniendo una oferta ajustada. Según informes citados por los medios, Google informó a Meta de que no podía satisfacer toda la capacidad de computación de Gemini que Meta requería, y Meta, en consecuencia, alentó a sus empleados a utilizar los tokens de IA de manera más eficiente. Este informe no ha sido verificado de forma independiente por Reuters y, por lo tanto, debe tratarse como un informe de los medios en lugar de un hecho confirmado oficialmente; sin embargo, la tendencia que refleja es clara: incluso mientras las grandes empresas tecnológicas continúan construyendo infraestructura de IA en grandes volúmenes, la oferta de capacidad de computación de alta calidad puede seguir sin satisfacer la demanda.

El ajuste interno de Microsoft de las licencias de Claude Code también refleja la misma lógica. The Verge informó que Microsoft planea eliminar la mayoría de las licencias de Claude Code y presionar a muchos desarrolladores para que recurran a GitHub Copilot CLI; el informe señalaba que este ajuste estaba relacionado tanto con la integración de herramientas como con factores financieros. Este caso ilustra que incluso dentro de las grandes empresas tecnológicas, el uso de herramientas de IA ha comenzado a verse limitado por los costes, la estrategia de productos y el control del ecosistema.

Algunos de los cambios de precios de AWS reflejan la escasez de capacidad de computación de IA desde el lado de la oferta. Según Business Insider, AWS aumentó los precios de EC2 Capacity Blocks para ML en aproximadamente un 20%, tras un aumento de precios de aproximadamente el 15% en enero. Cabe destacar que esto no es un aumento de precios generalizado en todo AWS, sino más bien un ajuste de precios para servicios específicos de reserva de capacidad de IA/ML. Su implicación es que la capacidad de computación de IA de gama alta todavía posee escasez, y los principales proveedores de la nube mantienen cierto poder de fijación de precios en algunos productos de capacidad.

Estos casos juntos apuntan a un juicio: las empresas no están deteniendo el uso de la IA, sino que están empezando a gestionar su uso. Los costes de los tokens, los presupuestos de computación, los valores de las tareas y los permisos de uso se están convirtiendo en preocupaciones comunes para los departamentos de TI y finanzas de las empresas. Esta es precisamente la base industrial de la "era del cálculo preciso del uso de la IA".

IV. Informes de Meta vendiendo capacidad de computación: el lado de la oferta también empieza a calcular el ROI

Los informes recientes sobre los planes de Meta de crear un negocio en la nube y vender el exceso de capacidad de computación de IA añaden pruebas del lado de la oferta a esta lógica. Reuters, citando a Bloomberg, informó que Meta está estableciendo un negocio en la nube para vender el exceso de capacidad de computación de IA; el plan aún se está desarrollando y las estrategias pueden cambiar, y Reuters también declaró que no pudo verificar el informe de forma independiente. Por lo tanto, esta información debe verse como un informe de los medios y una señal a observar, más que como una divulgación estratégica oficial completada.

La importancia de este evento no radica en si Meta se convertirá inmediatamente en un sustituto directo de AWS, Azure o Google Cloud, sino en que ilustra que las grandes empresas tecnológicas también están empezando a considerar cómo convertir la capacidad de computación en un activo facturable externamente tras enormes inversiones en infraestructura de IA. El informe de Reuters también mencionó que los analistas creen que el aumento de la oferta de capacidad de computación de Meta puede tener un mayor impacto en las empresas de neocubos como CoreWeave y Nebius que en los principales hiperescaladores, porque estas empresas dependen parcialmente del crecimiento de la demanda de Meta; el informe también señaló que los gastos en infraestructura de IA de Meta en 2026 podrían ascender a 145.000 millones de dólares.

Desde una perspectiva industrial, el caso de Meta ilustra que la capacidad de computación de IA se está convirtiendo en un activo. La capacidad de computación ya no es solo una inversión interna en I+D, sino que también puede convertirse en un activo de infraestructura que se alquila, se valora y se gestiona. Sin embargo, aquellos que realmente son capaces de capturar valor a largo plazo no son simplemente los que "poseen capacidad de computación", sino los que pueden integrar la capacidad de computación, los modelos, los datos, la seguridad, la facturación y los flujos de trabajo empresariales. Esta es también una diferencia clave entre las tres grandes nubes y los proveedores puros de alquiler de capacidad de computación.

V. Era del cálculo preciso del uso de la IA: del ensayo extensivo al despliegue empresarial formal

La "era del cálculo preciso del uso de la IA" puede entenderse como la segunda fase de la comercialización de la IA empresarial. La primera fase es la fase de ensayo extensivo, donde la pregunta principal para las empresas es si pueden conectar la IA a los productos y procesos. En esta etapa, las funciones de IA se integran rápidamente en el software, la búsqueda, la oficina, el servicio al cliente y las herramientas de programación, y el mercado se centra más en el uso, la narrativa y la viabilidad técnica.

La segunda fase es la fase de cálculo preciso del uso. Las empresas empiezan a preguntarse: ¿vale la pena cada llamada de IA? ¿Requieren todas las tareas modelos de frontera? ¿Qué tareas pueden usar modelos más baratos? ¿Qué contenido se puede almacenar en caché? ¿Qué tareas son adecuadas para el procesamiento por lotes? ¿Qué usos de la IA deben incluirse en las tarifas de las licencias y cuáles deben facturarse en función del uso? Esto indica que la IA está pasando de las demostraciones de productos a los despliegues empresariales formales, y las empresas están empezando a incorporarla en los presupuestos, el cumplimiento y los sistemas de asignación de costes.

La tercera fase es la optimización del coste por tarea. En la era de la IA, uno no puede limitarse a mirar el precio por millón de tokens, porque lo que las empresas realmente están comprando no son los tokens en sí, sino los resultados efectivos dentro de un determinado flujo de trabajo. Por ejemplo, en programación, una tarea puede ser corregir un error de código o completar una modificación de código aceptada por el equipo; en el servicio al cliente, una tarea puede ser resolver un ticket; en el análisis financiero, una tarea puede ser completar un resumen que pueda ser adoptado por los analistas. Lo que realmente importa es el coste total para lograr un resultado efectivo, es decir, los costes del modelo, los costes de las herramientas, los costes de reintento y los costes de revisión manual divididos por la tasa de éxito.

La cuarta fase es la fase de pago por resultado. En última instancia, es más probable que las empresas quieran pagar por los resultados en lugar de puramente por los tokens. Por ejemplo, facturación basada en tickets de servicio al cliente resueltos, revisiones de cumplimiento completadas, clientes potenciales calificados generados o funciones de software completadas. Si la comercialización de la IA entra en esta etapa, el valor pasará de "consumir más tokens" a "generar más resultados efectivos a costes más bajos".

VI. Por qué el cálculo preciso del uso puede fortalecer el valor de las tres grandes plataformas en la nube

Si las empresas solo buscan los modelos más potentes, el valor puede concentrarse en manos de las empresas de un solo modelo. Pero cuando las empresas empiezan a buscar completar las tareas más efectivas al menor coste, el valor fluirá más hacia las plataformas en la nube multimodelo. La razón es que las empresas que despliegan formalmente la IA no solo necesitan el modelo en sí; también necesitan gestión de permisos, límites de datos, selección de modelos, monitorización de costes, asignación de facturación, control de latencia, revisiones de cumplimiento e integración de flujos de trabajo empresariales.

La ventaja común de Microsoft, Amazon y Google es que no solo alquilan GPU o venden un único modelo, sino que proporcionan un entorno de ejecución de IA empresarial. Azure, AWS y Google Cloud poseen respectivamente canales de computación, almacenamiento, redes, bases de datos, seguridad, gestión de identidad, mercados de modelos, enrutamiento de modelos, monitorización de costes, facturación, cumplimiento y ventas corporativas. Estas capacidades las hacen parecerse más a plataformas de IA empresarial que a puros proveedores de capacidad de computación en la era del cálculo preciso del uso de la IA.

Los proveedores de la nube están convirtiendo esta capacidad en un producto. El enrutador de modelos de Microsoft Azure AI Foundry está diseñado para optimizar el coste y la latencia, enrutando tareas sencillas a modelos más pequeños y baratos y tareas complejas a modelos más potentes, manteniendo una calidad similar. AWS Bedrock Intelligent Prompt Routing puede seleccionar modelos dentro de la misma familia de modelos en función de cada solicitud, lo que AWS afirma oficialmente que puede reducir los costes hasta aproximadamente un 30% sin sacrificar la precisión. Model Garden de Google Cloud ofrece más de 200 modelos de Google y sus socios, ayudando a los clientes a descubrir, personalizar y desplegar modelos en la misma plataforma.

Esta es también la razón por la que los informes sobre la venta de capacidad de computación de IA por parte de Meta no constituyen necesariamente un factor negativo directo para las tres grandes nubes. A corto plazo, puede aumentar la oferta en el mercado de capacidad de computación de IA, planteando competencia especialmente para algunas empresas que solo se dedican al alquiler de capacidad de computación; pero a más largo plazo, en cambio, demuestra que la capacidad de computación se está convirtiendo en un activo de infraestructura arrendable y valorable. Lo que realmente importa a largo plazo no es el suministro de capacidad de computación individual, sino si la plataforma puede integrar la capacidad de computación, los modelos, los datos y los flujos de trabajo empresariales.

VII. Diferentes caminos de las tres grandes nubes

La ventaja de Microsoft radica en su punto de entrada a los flujos de trabajo empresariales. Office, Teams, Outlook, Excel, PowerPoint, GitHub, Dynamics, Security y Azure constituyen juntos el entorno de trabajo diario de las empresas. Es difícil para Anthropic u otras empresas de modelos desestabilizar directamente los fundamentos principales de Microsoft a corto plazo, porque los flujos de trabajo empresariales, los sistemas de identidad, los permisos, los archivos, la colaboración y los sistemas de cumplimiento tienen altos costes de migración. Lo que Microsoft realmente necesita gestionar es la estructura del margen bruto de Copilot. Si Copilot depende totalmente de tarifas fijas por licencia y permite llamadas ilimitadas de alto coste, la presión sobre el margen bruto será significativa; pero si Microsoft puede avanzar gradualmente en el modelo de "licencia + uso", trasladando el uso de IA de alto coste a escenarios de mayor valor, su presión sobre el margen bruto puede ser manejable.

La ventaja de Amazon radica en el posicionamiento de AWS como una plataforma neutral y multimodelo. AWS no necesita apostar por completo por un único modelo; los clientes pueden usar Claude, Nova (desarrollado por la propia Amazon), Meta, Mistral u otros modelos en Bedrock. Incluso si algunas tareas se desvían de Claude a modelos más baratos, mientras la carga de trabajo permanezca en el ecosistema de AWS, Amazon aún puede capturar ingresos por infraestructura, acceso a datos, gobernanza de seguridad y servicios de plataforma. Los informes de los medios señalan que algunas condiciones de la asociación de Amazon con Anthropic pueden pasar de liquidarse por tiempo de computación a algo más cercano a liquidarse por uso de tokens; esta información aún no es una divulgación oficial completa y solo puede servir como una señal de observación. Si se mantiene esta dirección, el coste de usar Claude aumentará de forma más lineal con el uso, lo que puede impulsar a AWS a promover de forma más activa el enrutamiento de modelos y el uso de sus modelos de desarrollo propio.

El camino de Google enfatiza la integración de modelos, chips y nube. Google posee recursos como Gemini, TPU, Google Cloud, Model Garden, búsqueda y datos multimodales. Los ingresos de Google Cloud de Alphabet en el primer trimestre de 2026 crecieron un 63% hasta los 20.000 millones de dólares, con una aceleración significativa del crecimiento del negocio en la nube; la compañía también reveló que la cartera de pedidos de Google Cloud superó los 460.000 millones de dólares. Si las ventajas de coste y rendimiento de Gemini y las TPU pueden traducirse en la cuota de mercado empresarial de Google Cloud y en un flujo de caja de alta calidad, Google Cloud también puede beneficiarse en la era del cálculo preciso del uso de la IA.

VIII. Por qué Oracle no es el mismo tipo de historia

Oracle también se beneficia de la escasez de capacidad de computación de IA, pero su historia de inversión es diferente de la de Microsoft, Amazon y Google. El núcleo de las tres grandes nubes es la integración de modelos, capacidad de computación, datos, seguridad, facturación y flujos de trabajo empresariales en una plataforma; la historia de Oracle se parece más a una enorme cartera de pedidos de IA acompañada de mayores gastos de capital, necesidades de financiación y presiones sobre el flujo de caja libre.

Oracle reveló oficialmente que sus obligaciones de desempeño restantes en el año fiscal 2026 alcanzaron los 638.000 millones de dólares, un 363% más interanual; sin embargo, el flujo de caja libre para el mismo año fiscal fue negativo en 23.700 millones de dólares, ya que la empresa continuó invirtiendo para respaldar el crecimiento de su negocio de infraestructura en la nube. Oracle también reveló que había recaudado 43.000 millones de dólares en deuda y 5.000 millones de dólares en acciones en el año fiscal 2026, y espera recaudar aproximadamente 40.000 millones de dólares más a través de deuda y acciones en el año fiscal 2027.

Por lo tanto, la existencia de Oracle recuerda a los inversores que las preocupaciones del mercado sobre los gastos de capital en IA no carecen de fundamento. Lo que ocurre es que este riesgo es más agudo en las historias de infraestructura de IA con alta intensidad de capital, altas necesidades de financiación y alta concentración de clientes, mientras que en las empresas de nube de tipo plataforma como Microsoft, Amazon y Google, el riesgo y el valor de la plataforma deben evaluarse por separado.

IX. Implicaciones de valoración: ¿Están excesivamente descontadas las tres grandes nubes?

A nivel de valoración, el ratio P/E futuro puede servir como una herramienta de observación aproximada pero útil. Microsoft cotiza actualmente a unas 19 veces el P/E futuro, en comparación con un promedio de cinco años de casi 30 veces; Amazon cotiza actualmente a unas 27 veces, en comparación con un promedio de cinco años de unas 45 veces; Alphabet cotiza actualmente a unas 24-25 veces, en comparación con un promedio de miembre de cinco años de unas 22 veces. Si los gastos de capital en IA resultan ser finalmente un gasto defensivo de bajo rendimiento, incluso si las tres grandes nubes vuelven a ratios P/E futuros en el rango bajo de los veinte o incluso de los diez, puede que no sean necesariamente lo suficientemente baratas. Por el contrario, si el cálculo preciso del uso de la IA fortalece el carácter insustituible de las plataformas en la nube en los sistemas de IA empresariales, las valoraciones actuales pueden reflejar excesivamente las presiones de flujo de caja a corto plazo al tiempo que subestiman los flujos de caja futuros de las plataformas.

Para los inversores, la clave no es simplemente juzgar si las tres grandes nubes son "baratas" o "caras", sino juzgar si sus gastos de capital pueden traducirse en ingresos de plataforma a largo plazo. Esto requiere un seguimiento continuo del crecimiento de los ingresos de la nube, los márgenes brutos de los productos de IA, las tasas de crecimiento del gasto de capital, las presiones de depreciación, las velocidades de recuperación del flujo de caja libre, la eficiencia del enrutamiento de modelos, la disposición de las empresas a pagar por la IA y las estructuras de facturación por uso.

X. Factores de riesgo

En primer lugar, el período de recuperación de los gastos de capital en IA puede ser más largo de lo que espera el mercado. Los centros de datos, las GPU, las redes, la energía y las instalaciones de refrigeración son activos con un uso muy intensivo de capital; si el crecimiento de los ingresos por IA no cumple con las expectativas, las presiones de depreciación y flujo de caja pueden seguir reprimiendo las valoraciones.

En segundo lugar, una caída en los precios de los tokens puede tener un doble impacto en la economía unitaria. Los costes de tokens más bajos ayudan a difundir el uso de la IA, pero si los precios caen más rápido que el crecimiento del uso y las mejoras en la eficiencia de costes, el beneficio bruto generado por unidad de capacidad de computación por los proveedores de la nube puede verse presionado.

En tercer lugar, la adopción de la IA empresarial podría no cumplir con las hipótesis optimistas. El hecho de que las empresas controlen el uso de tokens, establezcan límites presupuestarios y refuercen la gestión de permisos puede implicar que algunas aplicaciones de IA aún no han demostrado un retorno de la inversión (ROI) suficientemente claro. Si los agentes de IA no cumplen con las expectativas en cuanto a tasas de éxito, estabilidad, cumplimiento normativo y controlabilidad, el ritmo de despliegue empresarial formal podría ralentizarse.

En cuarto lugar, las empresas desarrolladoras de modelos y los proveedores emergentes de capacidad de cómputo podrían alterar la distribución del valor. OpenAI, Anthropic, Google, Meta y las nubes emergentes (neoclouds) compiten por el valor de la infraestructura de IA y las API de modelos. Los rumores de que Meta está vendiendo capacidad de cómputo sugieren que el panorama de la oferta de cómputo podría estar cambiando, aunque su impacto a largo plazo aún está por verse.

Conclusión: La cuestión no es si existe demanda de IA, sino si el gasto de capital puede convertirse en flujo de caja de la plataforma.

El problema principal que enfrentan actualmente los tres grandes proveedores de la nube no es si existe demanda de IA, sino si el gasto de capital en IA puede traducirse en un flujo de caja sostenible para sus plataformas. La actitud del mercado hacia la inversión en IA está pasando de "cuanto más inversión, mejor" a "si la inversión puede generar retornos". Esto explica por qué las valoraciones de Microsoft, Amazon y Google están empezando a verse influenciadas de forma colectiva por el gasto de capital en IA, el flujo de caja libre y los costes de los tokens.

Sin embargo, el hecho de que las empresas comiencen a controlar el uso de la IA no equivale necesariamente a un colapso en la demanda de IA. También puede indicar que la IA está pasando de una fase de experimentación generalizada a un despliegue empresarial formal. La fase de despliegue formal requiere una selección de modelos más compleja, gobernanza de datos, controles de permisos, supervisión de costes, sistemas de facturación e integración de procesos empresariales, que son precisamente los puntos fuertes de Azure, AWS y Google Cloud.

Los rumores de que Meta está vendiendo capacidad de cómputo indican que el lado de la oferta también está empezando a buscar retornos sobre el gasto de capital en IA; el ejemplo de Oracle recuerda al mercado que una fuerte demanda de infraestructura de IA no se traduce automáticamente en un flujo de caja libre de alta calidad. Para los inversores, lo que realmente debe entenderse es que las diferentes empresas de infraestructura de IA asumen los riesgos de gasto de capital de distintas maneras. El valor de inversión de Microsoft, Amazon y Google depende en última instancia de su capacidad para convertir las inversiones en infraestructura de IA en flujos de caja a largo plazo de la plataforma en la era de la IA empresarial, en lugar de depender simplemente de la escala de los gastos de capital a corto plazo.