Los grandes hyperscalers de inteligencia artificial podrían necesitar elevar su productividad 2,7 veces para 2030 a fin de justificar cerca de 1,1 billones de dólares en inversión en infraestructura hasta 2027, según una nueva investigación.
Claves del informe
- Los hyperscalers de IA afrontan una exigencia de productividad 2,7 veces superior para 2030 si quieren sostener los compromisos actuales de infraestructura.
- Morgan Stanley calcula unos 2,9 billones de dólares en gasto mundial en centros de datos hasta 2028, con cerca de 1,5 billones que requerirán capital externo.
- La creciente dependencia de la deuda y del crédito privado podría trasladar 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 la profesora de finanzas de Wharton Jessica Wachter y su coautor Jonathan Wachter, que basan sus estimaciones en el gasto de Alphabet, Microsoft, Amazon, Meta y Oracle.
Su análisis concluye que el sector necesitaría un aumento de productividad de 2,7 veces para 2030 tras incorporar el coste del capital, la depreciación y una rentabilidad del 15%. El documento advierte de que, si el esperado boom no se materializa, el despliegue de capacidad podría convertirse en “la mayor mala asignación de capital de la historia”.
Las tensiones ya se notan en los flujos de caja corporativos. Alphabet registró 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, en un contexto de fuerte repunte del capex.
También lee: Una wallet de Bitcoin en silencio desde 2012 despierta y mueve todo su saldo
El riesgo de crédito según Gensler
Morgan Stanley estima que se invertirán unos 2,9 billones de dólares en construcción de centros de datos a escala global entre 2025 y 2028, con alrededor de 1,5 billones procedentes de capital externo. Ese cambio desplaza más riesgo de la infraestructura de IA hacia la deuda corporativa, el crédito titulizado y los mercados de crédito privado.
El proyecto Hyperion de Meta en Luisiana ilustra cómo funciona esa financiación. Fondos gestionados por Blue Owl Capital poseen el 80% de una ‘joint venture’ que desarrolla un campus valorado en unos 27.000 millones de dólares, mientras que Meta conserva el 20% restante.
El profesor de Columbia Business School Stijn Van Nieuwerburgh ha analizado cómo este despliegue reparte el apalancamiento entre promotores, prestamistas y vehículos de financiación estructurada.
El ex presidente de la SEC y profesor del 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 sostenido que una crisis de crédito ligada a la IA podría forzar finalmente una política monetaria más acomodaticia por parte de la Reserva Federal y llevar a Bitcoin (BTC) hacia el millón de dólares, aunque esto sigue siendo un escenario especulativo y no una previsión respaldada por la investigación de Wharton.
El auge del gasto lleva años gestándose a medida que los hyperscalers compiten por asegurarse chips, energía y capacidad de centros de datos. La gran incógnita es si la productividad y los ingresos crecerán lo bastante rápido como para respaldar unos compromisos de infraestructura cada vez más apoyados en financiación externa.
Lee a continuación: XRP supera los 1,544 dólares mientras se disparan el apalancamiento y la actividad de las ballenas
