Los hyperscalers de inteligencia artificial podrían necesitar elevar su productividad 2,7 veces de aquí a 2030 para justificar casi 1,1 billones de dólares de gasto en infraestructuras hasta 2027, según una nueva investigación.
Claves del informe
- Los hyperscalers de IA encaran una exigencia de productividad 2,7 veces superior para 2030 si quieren justificar los compromisos actuales de inversión en infraestructura.
- Morgan Stanley estima unos 2,9 billones de dólares de gasto global en centros de datos hasta 2028, con alrededor de 1,5 billones que requerirán financiación externa.
- La creciente dependencia de la deuda y del crédito privado podría extender el riesgo de la infraestructura de IA más allá de las grandes tecnológicas.
Las cuentas de Wachter sobre la IA
MIT Technology Review analizó el trabajo de investigación de Jessica Wachter, profesora de finanzas en Wharton, y de su coautor Jonathan Wachter, que basan sus cálculos en el gasto de Alphabet, Microsoft, Amazon, Meta y Oracle.
Su análisis concluye que el sector necesitaría un incremento de productividad de 2,7 veces para 2030, una vez tenidos en cuenta el coste del capital, la depreciación y una rentabilidad objetivo del 15%. El documento advierte de que, si el esperado auge no llega a materializarse, el despliegue de infraestructuras podría convertirse en “la mayor mala asignación de capital de la historia”.
La presión ya se deja notar en los flujos de caja corporativos. Alphabet declaró un flujo de caja libre negativo de 5.900 millones de dólares en el segundo trimestre de 2026, su primer trimestre en rojo desde la salida a Bolsa de Google en 2004, debido al fuerte repunte de la inversión en capital.
También te puede interesar: Monedero de Bitcoin inactivo desde 2012 despierta y mueve toda su reserva
Riesgo de crédito según Gensler
Morgan Stanley calcula que se invertirán unos 2,9 billones de dólares en la construcción de centros de datos a escala mundial entre 2025 y 2028, de los que aproximadamente 1,5 billones procederán de capital externo. Este giro desplaza una parte creciente del riesgo de la infraestructura de IA hacia la deuda corporativa, el crédito estructurado y los mercados de crédito privado.
El proyecto Hyperion de Meta en Luisiana ilustra cómo se articula esa financiación. Fondos gestionados por Blue Owl Capital poseen el 80% de una ‘joint venture’ que desarrolla el campus, valorado en unos 27.000 millones de dólares, mientras que Meta conserva el 20%.
Stijn Van Nieuwerburgh, profesor de la Columbia Business School, ha estudiado cómo este despliegue reparte el apalancamiento entre promotores, prestamistas y vehículos de financiación estructurada.
El ex presidente de la SEC y ahora profesor en MIT Sloan, Gary Gensler, ha descrito el ciclo inversor en IA en su conjunto como “una apuesta combinada de los mercados de capitales y de la economía”.
El estratega cripto Arthur Hayes ha argumentado que una recesión crediticia ligada a la IA podría forzar posteriormente una política monetaria más laxa de la Reserva Federal y llevar a Bitcoin (BTC) hacia el millón de dólares, aunque esto se mantiene como un escenario puramente especulativo y no como una previsión respaldada por la investigación de Wharton.
El auge de la inversión se ha ido gestando durante años, a medida que los hyperscalers compiten por asegurar chips, energía y capacidad de centros de datos. La gran incógnita es si la productividad y los ingresos crecerán lo suficientemente rápido como para acompañar unos compromisos de infraestructura que dependen cada vez más de financiación externa.
Próximo artículo: XRP supera los 1,544 dólares en medio de un repunte del apalancamiento y de la actividad de las ballenas
