Construyendo la infraestructura de IA: El plan de inversión para el año 2026

La situación relacionada con la inversión en inteligencia artificial ha superado un umbral crítico. La era de las experimentaciones puramente basadas en software está dando paso a una nueva realidad: la infraestructura. La adopción exponencial de herramientas de IA ha generado una limitación estructural, lo que hace que el poder computacional sea el factor decisivo para escalar las próximas generaciones de modelos. Este cambio no es simplemente una adaptación menor; se trata de un reubicamiento fundamental de la curva tecnológica, donde se están construyendo las bases para el futuro.

La curva de adopción en sí es realmente impresionante. Una herramienta líder en el campo de la IA generativa logró alcanzar una base de usuarios aproximadamente dos veces mayor que la del propio Internet, en solo dos meses. A fecha de esta redacción, esa herramienta ya cuenta con más de…800 millones de usuarios semanalesAproximadamente el 10% de la población mundial utiliza esta tecnología. No se trata de un crecimiento lineal; es un crecimiento acumulativo. Cada nuevo usuario genera más datos, lo que permite mejorar los modelos de predicción y atraer a más usuarios e inversores. Este efecto “flywheel” es lo que hace que las startups de IA puedan aumentar sus ingresos cinco veces más rápido que las compañías tradicionales de SaaS. La urgencia es evidente. Como señaló un director de información corporativa, el tiempo para estudiar una nueva tecnología ya no tiene el mismo valor que antes. Las organizaciones están corriendo para pasar de las fases de prueba a las fases de impacto real, pero están encontrando obstáculos en el camino.

Esa pared representa una infraestructura esencial. El hardware, los procesadores, la memoria y la energía necesarias para el funcionamiento de la IA están sujetos a una demanda insaciable. Nuestros estudios indican que los centros de datos que estén equipados para manejar las cargas de procesamiento relacionadas con la IA requerirán…5.2 billones de dólares en gastos de capital para el año 2030Este es el nuevo campo de batalla estratégico. El software sigue siendo esencial, pero la capacidad de desarrollar y utilizar inteligencia artificial avanzada depende del hardware en el que se ejecuta esa tecnología. Como dice una de las analizas…La IA ahora está limitada por el hardware.La IA ahora está limitada por el hardware utilizado para su ejecución. Los modelos a gran escala están fundamentalmente restringidos por los chips, los sistemas de memoria y las redes de los centros de datos que los sustentan. La verdadera pregunta no es simplemente qué modelos podemos construir, sino si contamos con la infraestructura informática necesaria para soportarlos.

Esto crea una oportunidad de varios billones de dólares, pero también presenta un cuello de botella crítico. Las empresas que tengan éxito serán aquellas que construyan las bases para este nuevo paradigma: las empresas de semiconductores, los desarrolladores de centros de datos, los proveedores de redes y los proveedores de infraestructura de IA completa. La perspectiva de inversión ha cambiado, pasando del nivel de aplicaciones al nivel de infraestructura. En este nivel, el crecimiento exponencial de la IA está limitado por los límites físicos de la computación.

Los 5 mejores negocios en el área de infraestructura: Cómo aprovechar al máximo la curva de computación

La adopción exponencial de la IA ha generado una clara jerarquía en la distribución del valor obtenido de este proceso. Las empresas que desarrollan las infraestructuras básicas se encuentran en la frontera de la curva S; allí, las ventajas en materia de infraestructura y capacidad de procesamiento permiten a estas empresas ganar una ventaja competitiva duradera. A continuación, se presentan los cinco actores clave que están marcando el nuevo paradigma.

En el ámbito de la tecnología hardware, Nvidia es una empresa destacada. Su arquitectura Vera Rubin está diseñada para la próxima fase del desarrollo de la inteligencia artificial y la robótica. La plataforma Rubin no es simplemente un mejoramiento incremental; se trata de un sistema compuesto por seis chips especializados, incluida una nueva GPU. La ventaja computacional de esta plataforma es evidente: la GPU de Rubin cuenta con…Un 60% más de transistores que en la arquitectura Blackwell.Este aumento en la densidad de los transistores se traduce directamente en un mayor rendimiento por watt. Este es un criterio crucial para el escalamiento de las cargas de trabajo de inteligencia artificial. Aunque el precio de las acciones ha caído recientemente en comparación con los índices generales, esto podría ser una pausa temporal antes del siguiente paso en la adopción de este tecnologema. Los principales proveedores de servicios en la nube, como AWS y Azure, se están preparando para implementar hardware basado en Rubin en el año 2026.

Broadcom representa una capa diferente, pero igualmente crucial: la integración de redes y software. La empresa colabora directamente con los hiperescaladores para diseñar aceleradores de IA personalizados. Esta estrategia le permite superar a las GPU en ciertas cargas de trabajo, a un costo menor. Este enfoque en la capa “definida por el software” de la infraestructura está dando resultados positivos. Los analistas proyectan que esto será beneficioso en el futuro.Crecimiento del 51% en el ejercicio fiscal de 2026.La fortaleza de Broadcom radica en su capacidad para mover datos de manera eficiente entre los clústeres de IA. Este es un punto débil que aumenta a medida que los modelos se vuelven más complejos. La importancia de Broadcom no radica tanto en la cantidad de procesamiento informático, sino más bien en garantizar que esa capacidad sea utilizada de manera efectiva.

Los líderes de los hiperproveedores están construyendo la infraestructura fundamental a una escala sin precedentes. El compromiso de Microsoft es realmente impresionante; se planea…80 mil millones de dólares en inversiones en centros de datos de inteligencia artificial para el ejercicio fiscal 2025.Esta inversión en capital es casi el doble de lo que se realizó hace cuatro años. Esto demuestra un compromiso total por parte de Microsoft para mantener su control sobre la infraestructura necesaria para sus servicios en el ámbito de la computación en la nube y la inteligencia artificial. Al construir sus propias instalaciones, Microsoft obtiene capacidad computacional para sus servicios, además de crear una demanda a largo plazo para los proveedores de hardware como Nvidia y las empresas de redes como Broadcom.

Para los especialistas en tecnologías de procesamiento gráfico, CoreWeave se destaca por su eficiencia. La empresa ha recibido fondos por un total de 12 mil millones de dólares, lo que le permite concentrarse exclusivamente en la infraestructura relacionada con la inteligencia artificial. Este capital permite a CoreWeave desplegar clústeres de GPU de gran tamaño, lo cual constituye una herramienta importante para empresas y start-ups que necesitan acceso a capacidades de procesamiento sin tener que construir sus propios centros de datos. Su modelo de negocio es una respuesta directa a los problemas de infraestructura, ya que ofrece una capa de procesamiento escalable y bajo demanda, lo cual acelera el ritmo de adopción de esta tecnología.

Por último, la disponibilidad de energía se ha convertido en el principal obstáculo para los centros de datos de IA. Las instalaciones necesitan entre 50 y 150 kW por rack, en comparación con los 10-15 kW que se requieren para las computadoras tradicionales. Crusoe Energy aborda esta necesidad especializada, centrándose en construir centros de datos de IA donde la energía esté abundante y sea económicamente viable. Su estrategia consiste en ubicar las instalaciones cerca de las fuentes de energía, transformando así una limitación física en un beneficio competitivo. En un mercado donde la energía es lo nuevo “petróleo”, Crusoe Energy se posiciona como el proveedor esencial de energía para los centros de datos de IA.

Juntas, estas cinco empresas ilustran la naturaleza multifacética de la infraestructura de IA. Desde el uso de hardware avanzado y redes integradas, hasta la creación de grandes centros de datos, proveedores de GPU puros y operadores especializados en el suministro de energía, la cadena de valor está siendo redefinida. Las empresas que tendrán éxito serán aquellas que no solo proporcionen capacidades computacionales, sino también que resuelvan los problemas sistémicos relacionados con el movimiento de datos y el suministro de energía.

Riesgos y contraargumentos: La tesis sobre la infraestructura, bajo presión

La construcción de una infraestructura exponencial es una tesis interesante, pero enfrenta obstáculos materiales que podrían afectar la tendencia de adopción de esta tecnología. Los principales riesgos no son fallas técnicas, sino cambios estructurales en la competencia, limitaciones físicas relacionadas con la capacidad de suministro de energía, y la incertidumbre fundamental que implica la propia demanda.

En primer lugar, el mercado de hardware se está fragmentando. La era de un único fabricante dominante está llegando a su fin. Empresas como Meta y Amazon están incorporando el diseño de chips en sus propias instalaciones, desarrollando aceleradores especializados para sus necesidades específicas. Esta tendencia no se limita a las grandes empresas; también surgen startups especializadas que intentan cuestionar las premisas arquitecturales que han estado vigentes durante décadas. Como señala un análisis,Los “gigantes de las nubes” se están convirtiendo en diseñadores de chips.Mientras que las naciones dan prioridad a la independencia tecnológica, esto podría erosionar el poder de fijación de precios y la cuota de mercado de fabricantes de chips puramente especializados como Nvidia. Esto transformaría el escenario en el que un solo fabricante puede dominar el mercado, en un ecosistema más competitivo, donde los márgenes de ganancia se ven presionados por alternativas internas y nuevos entrantes en el mercado.

En segundo lugar, la limitación física relacionada con el poder se está convirtiendo en el principal obstáculo para la implementación de sistemas de IA. Los centros de datos de AI requieren una cantidad enorme de recursos para su funcionamiento.50-150 kW por estante.Esta es una cantidad de energía que es de 5 a 10 veces mayor que la necesaria para las instalaciones informáticas tradicionales. No se trata de un problema menor en términos de eficiencia; es algo indispensable en la selección del lugar donde se construirá el centro de datos. La ubicación de un nuevo centro de datos ahora depende de la proximidad a fuentes de energía abundantes y económicas. Esto crea una gran complejidad en la construcción de la infraestructura, ya que obtener contratos de suministro de energía y cumplir con las regulaciones energéticas agrega más complejidad y costos adicionales. Para empresas como Crusoe Energy, esto representa una ventaja; pero para el sector en general, es un obstáculo que puede ralentizar la expansión y aumentar la intensidad del capital necesario para desarrollar la infraestructura.

Finalmente, la tesis se basa en la suposición de una adopción constante y exponencial de la tecnología. Los 5,2 billones de dólares que se proyectan como gastos en centros de datos para la inteligencia artificial para el año 2030 son una cifra impresionante. Pero si la curva de adopción se plantea problemas, debido a factores económicos, barreras regulatorias o un descenso en los gastos en inteligencia artificial por parte de las empresas, la infraestructura enfrentará una situación difícil. Un período de sobrecapacidad llevaría a una reducción de los márgenes de beneficio, ya que los proveedores competirán por un mercado cada vez más pequeño. La magnitud de la inversión, aunque es una señal de confianza, también aumenta el riesgo si la tasa de adopción no se mantiene.

En resumen, la tesis de la infraestructura representa una apuesta de gran importancia para el continuo desarrollo de la curva S de la inteligencia artificial. Se asume que el crecimiento exponencial continuará, superando los problemas relacionados con la fragmentación, las limitaciones de poder y los riesgos inerentes al gasto masivo en capital. Para los inversores, la oportunidad es clara… pero también existen vulnerabilidades que podrían ejercer presión sobre las acciones si el desarrollo de la infraestructura se vea retardado.

Catalizadores y lo que merece atención en 2026

La construcción de la infraestructura ya está en su fase de ejecución. La obra, que involucra una inversión de múltiplos billones de dólares, está en marcha. Pero el éxito de esta iniciativa depende de una serie de factores a corto plazo que garanticen que la adopción de esta infraestructura sea efectiva. Los inversores deben estar atentos a señales de que la demanda se traduzca en gastos tangibles, y de que el sector logre superar los obstáculos que se presentan en su desarrollo.

El primer factor importante que contribuye a este fenómeno es el aumento en la cantidad de chips de silicio personalizados proporcionados por las grandes empresas del sector. A medida que estas compañías como Microsoft y Amazon utilizan sus propios chips internos, se generará un aumento paralelo en la demanda de la infraestructura necesaria para manejar esa información. Es aquí donde la estrategia de Broadcom se vuelve efectiva. Sus aceleradores de IA y soluciones de red están diseñados para permitir el transporte eficiente de datos entre estos nuevos clústeres. El impacto financiero de esta tendencia es evidente: los analistas proyectan que…Crecimiento del 51% en el ejercicio fiscal de 2026.Para la empresa, un indicador clave a observar es si el crecimiento de los ingresos de Broadcom se acelera al mismo tiempo que se expande su presencia en los hiperescalares. Esto indica que su capa de software-defined se está volviendo indispensable.

El segundo y, tal vez el más crítico, es el factor de poder. La escalabilidad exponencial del entrenamiento de la IA crea una limitación física que podría frustrar todo el proceso de desarrollo. Los proyectos de investigación demuestran que el entrenamiento por sí solo puede requerir…8 gigavatios de potencia para el año 2030Equivale a la producción de ocho reactores nucleares. No se trata de una amenaza lejana; se trata de una necesidad urgente en la actualidad. El impacto financiero de este problema es enorme. Se proyecta que la inversión total en infraestructura de IA llegará a un nivel considerable.5.2 billones de dólares en gastos de capital para el año 2030.Con los gastos ya en una trayectoria ascendente, la métrica clave para el año 2026 será la velocidad con la que se firman contratos de suministro y se obtienen permisos necesarios. Cualquier retraso en este aspecto ejercerá una presión directa sobre el cronograma de gastos de capital, y podría obligar a las empresas a considerar la posibilidad de reubicar sus instalaciones, lo cual pondría en peligro la ventaja competitiva de los Estados Unidos.

Por último, el impacto financiero de esta expansión ya se está haciendo sentir. El gasto en infraestructura de IA ha alcanzado un nivel significativo.47.4 mil millones en la primera mitad de 2024Se proyecta que este gasto superará los 200 mil millones de dólares para el año 2028. Este aumento en los gastos es fundamental para el funcionamiento de toda la cadena de valor, desde los fabricantes de chips hasta los desarrolladores de centros de datos. La medida principal que hay que observar son las declaraciones trimestrales sobre los gastos de capital de los proveedores de servicios de gran escala y aquellos que se especializan en servicios puramente tecnológicos. Un gasto constante, superior a lo esperado, confirmará esta hipótesis. Por otro lado, cualquier disminución en los gastos podría indicar una posible desaceleración en la adopción de estas soluciones. Para empresas como Nvidia y Broadcom, la validación de esta tendencia vendrá cuando vean cómo sus soluciones de hardware y redes se integran en estas instalaciones enormes y que consumen mucha energía. El próximo año será el momento de convertir las promesas exponenciales en una infraestructura real, práctica y efectiva.