El fundador de SemiAnalysis, Dylan Patel: la inversión en infraestructura de IA está gravemente subestimada, los retornos reales van más allá de los tokens

TradingKey - Mientras los ingresos de las empresas de inteligencia artificial continúan creciendo a ritmo acelerado, las inversiones en torno a sus centros de datos, GPUs, energía y cadenas de suministro de chips ya han entrado en la "era del billón de dólares".

Por lo tanto, la pregunta es sencilla: ¿pueden inversiones tan masivas en infraestructura traducirse finalmente en suficientes ingresos, beneficios y crecimiento económico?

En un episodio del podcast Big Technology, el fundador de SemiAnalysis, Dylan Patel, y el analista Jordan Nanos debatieron sobre la escala, el retorno de la inversión, la financiación, las neoclouds, los riesgos de seguridad y el panorama competitivo entre Anthropic y Google en materia de infraestructura de IA. Si bien su evaluación general se inclina por el optimismo, también reconocieron que la industria de la IA se está aproximando a múltiples limitaciones que abarcan el capital, la energía, la capacidad de construcción y la asignación social de recursos.

La infraestructura de IA podría alcanzar los 2 billones de dólares

Patel considera que el mercado subestima en general la verdadera magnitud del despliegue de infraestructura de IA. Según sus estimaciones, las inversiones de capital pertinentes en Estados Unidos el próximo año podrían acercarse a los 2 billones de dólares, representando entre un 5% y un 6% del PIB estadounidense. Esta cifra incluye no solo centros de datos y GPUs, sino también inversiones en energía, sistemas de refrigeración, chips, equipos de construcción y toda la cadena de suministro.

Existe otra diferencia clave entre la infraestructura de IA y la construcción tradicional de ferrocarriles y carreteras: la capacidad de cómputo instalada en Estados Unidos no sirve solo a Estados Unidos. Algunos servicios de IA utilizados por usuarios en Europa y Asia dependen en realidad de centros de datos estadounidenses para el entrenamiento y la inferencia. Por lo tanto, las inversiones de capital de Estados Unidos respaldan en gran medida la demanda global de IA, y su impacto económico podría superar el de los anteriores ciclos de infraestructura nacional en un solo país.

Esto significa que la infraestructura de IA ya no es solo un sector tecnológico aislado, sino que se está convirtiendo progresivamente en una variable macroeconómica que influye en el PIB, los mercados de capitales y la política industrial.

El crecimiento de la inversión en IA se ralentizará, pero la demanda aún no ha alcanzado su punto máximo

El gasto de capital en IA no puede mantener un ritmo de crecimiento tan elevado de forma indefinida. A medida que la base de inversión se amplía, resulta difícil para las empresas seguir duplicando el crecimiento a una escala mayor. Mientras tanto, la energía, el terreno, la capacidad de construcción, la oferta de chips y la capacidad de financiación se están convirtiendo en limitaciones cada vez más evidentes.

Jordan señaló que, tanto para los grandes proveedores de la nube como para los emergentes, añadir instalaciones eléctricas a escala de gigavatios más allá de los planes originales se ha vuelto mucho más difícil. Incluso si el retorno de la inversión es sólido, las empresas deben captar primero un volumen masivo de capital antes de proceder con la construcción.

Sin embargo, la desaceleración del crecimiento no equivale a un colapso de la demanda. El problema de fondo al que se enfrenta la industria sigue siendo la falta de oferta y no el exceso de capacidad de cómputo. La capacidad de fabricación de chips, la velocidad de construcción de centros de datos y la capacidad de acceso a la red eléctrica siguen teniendo dificultades para satisfacer por completo la demanda de los clientes.

El verdadero punto de activación del riesgo sería una caída significativa en la demanda empresarial de inteligencia y trabajo del conocimiento. Mientras la demanda siga superando a la oferta, es poco probable que el sector entre inmediatamente en una fase de contracción simplemente debido a la desaceleración en el crecimiento del gasto de capital.

Los ingresos de la IA se quedan rezagados respecto a la inversión, los retornos podrían provenir de toda la economía

Otra característica de la industria de la IA es que los ingresos suelen ir por detrás del gasto de capital. Los centros de datos y las GPU se amortizan a lo largo de varios años, lo que significa que el capital invertido hoy debe recuperarse gradualmente en los próximos años a través de llamadas a la API de los modelos, software empresarial, servicios de automatización y nuevos productos.

Patel considera que las previsiones del mercado sobre los ingresos futuros de la IA aún podrían ser demasiado bajas. Esto se debe a que el valor de la IA va más allá de las llamadas a la API, las tarifas por tokens y los servicios de suscripción, siendo probable que una mayor parte de los ingresos proceda de nuevos productos y de las eficiencias generadas a medida que la IA penetra en otros sectores.

Jordan citó un ejemplo y señaló que, si los modelos de frontera pueden asimilar una cantidad significativa de trabajo intelectual, podrían adentrarse en campos como la robótica, la conducción autónoma, el descubrimiento de fármacos, la atención médica y las ciencias de la vida. En estos sectores, el valor creado por la IA se reflejará a través de nuevos fármacos, automóviles, chips y servicios, en lugar de reducirse únicamente a cobrar por cada llamada al modelo.

La industria del diseño de chips es un claro ejemplo. En las últimas décadas, la plantilla del personal de I+D en el diseño de chips en Estados Unidos no ha aumentado de forma significativa y, sin embargo, el valor generado por el sector no ha dejado de crecer, en parte gracias a que las herramientas de ingeniería impulsaron la productividad de los desarrolladores. La IA podría extender este incremento de productividad a más sectores, lo que permitiría a las empresas llevar a cabo más trabajo de I+D, diseño y producción con una plantilla similar.

Esta es también la lógica central detrás de la inversión en infraestructura de IA: los inversores no están apostando por los ingresos actuales que generan los chatbots, sino por el valor incremental que se creará una vez que la inteligencia se difunda por toda la economía.

Las nubes emergentes se convierten en infraestructura clave para la expansión de la IA

A medida que los laboratorios de frontera y los hiperescaladores continúan ampliando sus demandas de capacidad de cómputo, los proveedores de nube emergentes se han convertido en facilitadores clave para la expansión de la infraestructura de IA.

El informe ClusterMax de SemiAnalysis evalúa principalmente la fiabilidad, la seguridad, las redes, el almacenamiento, el rendimiento y las capacidades operativas de las nubes de GPU. CoreWeave y Nebius figuraron como proveedores de primer nivel, mientras que también se reconocieron las capacidades de servicio de Oracle y Google Cloud.

Sin embargo, la calidad técnica y el valor de las acciones no son lo mismo. Aunque Oracle destaca en servicios de clústeres, afronta riesgos como retrasos en centros de datos, permisos de infraestructuras, carga de deuda y ejecución de proyectos. Al mismo tiempo, algunos proveedores de nube emergentes se centran principalmente en la captación de fondos y la expansión, invirtiendo de manera insuficiente en la seguridad subyacente y la calidad del servicio.

Esto refleja que el mercado sigue siendo un mercado favorable a los vendedores. Dado que los clientes necesitan GPU con urgencia, los proveedores pueden cerrar pedidos y obtener financiación rápidamente, lo que a su vez reduce la presión para mejorar la experiencia del servicio.

Nvidia se está convirtiendo en el respaldo financiero de la cadena de suministro

El papel de Nvidia en el emergente ecosistema de la nube va más allá del de un mero proveedor de chips.

SemiAnalysis estima que la escala de las garantías fuera de balance y el respaldo proporcionado por Nvidia podrían alcanzar los 588.000 millones de dólares, lo que abarca la construcción, el almacenamiento, las cadenas de suministro y el desarrollo de centros de datos, más allá de la adquisición de GPUs. El objetivo de Nvidia es, por un lado, reducir su dependencia de unos pocos hiperescaladores y, por otro, ayudar a más clientes a adquirir capacidad de cómputo y financiación.

Mientras la demanda final se mantenga sólida, este mecanismo de garantías, financiación y arrendamiento de GPUs puede formar un círculo virtuoso. Al mismo tiempo, la interdependencia a lo largo de la cadena industrial se está profundizando. Una vez que la demanda de IA se ralentice, los riesgos podrían propagarse rápidamente a través de los contratos a largo plazo, la deuda y los balances.

Por lo tanto, el "respaldo" de Nvidia no solo sirve como motor de la expansión de la industria, sino que también demuestra que la infraestructura de IA ha formado una compleja red financiera.

La competencia entre Anthropic y Google se traslada a la comercialización

Patel se muestra muy optimista sobre las perspectivas a largo plazo de Anthropic, pero también cree que alcanzar una valoración extremadamente alta requiere que la empresa expanda su negocio más allá de las llamadas a los modelos hacia más áreas.

Las ventajas de Anthropic no solo radican en las capacidades de sus modelos, sino también en unos márgenes brutos más elevados, menores costes de adquisición de clientes y una sólida fidelización de la clientela. Si los laboratorios de IA logran aplicar sus modelos al software, la industria farmacéutica, la atención sanitaria y los servicios empresariales, sus márgenes de beneficio podrían superar a los de los negocios tradicionales de SaaS.

Por su parte, Google se enfrenta a un tipo de presión diferente. En el pasado, Google contaba con una importante ventaja en capacidad de cómputo, pero hoy en día se destinan más TPU e infraestructuras a las ventas externas y al soporte de Anthropic, lo que ha provocado que la cuota de cómputo de DeepMind se reduzca.

Google intenta generar ingresos en todos los segmentos de chips, plataformas en la nube y servicios de modelos, pero Gemini todavía necesita encontrar una ventaja de producto lo suficientemente clara. De lo contrario, sus ventajas en cómputo, modelos y talento podrían seguir erosionándose a causa de OpenAI, Anthropic y Meta.