Tres acciones relacionadas con la infraestructura de inteligencia artificial: TSM, NVDA y AVGO, que constituyen las bases fundamentales para este sector.

La historia de las inversiones en IA no se trata de desarrollar nuevas aplicaciones sofisticadas. Se trata, más bien, de crear una infraestructura que sea estable y no cíclica, y que sirva como base para toda la transformación tecnológica. La tesis central es clara: hay que concentrarse en las infraestructuras fundamentales, no en los aspectos volátiles de las aplicaciones. El proceso actual implica un gasto elevado en capital, pero también proporciona una oportunidad para aquellas empresas que ofrecen el hardware y la energía necesarios para ello.

Este esprint ya está en pleno desarrollo. Las empresas de tecnología de inteligencia artificial están gastando todo el dinero que pueden para expandir su capacidad de procesamiento de datos. Una vez que esto se haya logrado, veremos cuál será el verdadero retorno sobre la inversión en tecnología de inteligencia artificial. Pero hay algo seguro: las empresas que venden este equipo de computación seguramente prosperarán. No se trata de una burbuja especulativa en el ámbito del hardware; se trata de un aumento fundamental en la demanda, impulsado por la necesidad real de entrenar y ejecutar modelos masivos.

Está surgiendo un nuevo tipo de “cuello de botella” en el ámbito de la infraestructura energética. La explosión de las tecnologías de inteligencia artificial ha convertido a los centros de datos en un tema de inversión crucial. Se estima que la demanda mundial de energía por parte de los centros de datos aumentará en un 50% para el año 2027, y hasta en un 165% para finales de este decenio. En Estados Unidos, más de la mitad del crecimiento esperado de la demanda de energía para el año 2030 se debe a los centros de datos. Esta colisión entre una demanda elevada y una red eléctrica lenta representa una grave limitación, lo que hace que la energía sea un factor fundamental en sí misma.

En el eje de este cambio en la forma de utilizar la informática y la potencia energética, se encuentran tres empresas líderes. Taiwan Semiconductor Manufacturing es la mayor fabricante de chips del mundo; produce los chips lógicos que alimentan prácticamente todos los dispositivos de inteligencia artificial. Su gestión prevé una enorme demanda de chips de inteligencia artificial, y espera que los ingresos derivados de estos chips crezcan a una tasa anual compuesta del 60% entre 2024 y 2029. Nvidia también es una empresa líder en este campo, ya que sus GPU constituyen la mayor parte de la infraestructura de procesamiento informático utilizada en los centros de datos de inteligencia artificial. Su posición es tan dominante que se ha convertido en sinónimo de desarrollo de soluciones para inteligencia artificial. Broadcom, por su parte, proporciona la infraestructura de red y almacenamiento necesaria para conectar los clústeres de procesamiento dentro de estos centros de datos, formando así el eje central del ecosistema de inteligencia artificial.

Estas tres empresas –TSM, NVDA y AVGO– operan en la etapa de crecimiento exponencial. Están construyendo las bases para el próximo paradigma tecnológico, donde la demanda se basa en limitaciones físicas y necesidades de infraestructura, y no únicamente en innovaciones tecnológicas. Esta es la curva S de la infraestructura: la fase inicial de adopción, que no es cíclica, ofrece la mejor opción de inversión a largo plazo.

Posicionamiento en la “curva S”: Fortalezas tecnológicas y captura de mercado

Cada una de estas tres empresas ocupa una posición distintiva y importante en la curva de desarrollo de las infraestructuras de inteligencia artificial. Estas empresas cuentan con ventajas tecnológicas muy sólidas, que son difíciles de replicar por otros competidores. Su dominio no se basa únicamente en el porcentaje de mercado que poseen; se trata de ser la parte esencial e indispensable para todo el proceso de desarrollo de dichas infraestructuras.

Taiwan Semiconductor Manufacturing (TSM) es la empresa líder en el sector de fabricación de chips. Es la mayor y más avanzada planta de fabricación de chips del mundo. Produce los chips lógicos que impulsan prácticamente todos los dispositivos de inteligencia artificial. La ventaja competitiva de TSM radica en su tecnología avanzada y en su gran capacidad de producción. Aunque existen otras opciones para la fabricación de chips, ninguna puede compararse con la combinación de capacidad y tecnología de TSM. Esto crea un efecto sinérgico muy importante: a medida que los chips de inteligencia artificial superan los límites de la miniaturización y rendimiento, las empresas como Nvidia y AMD no tienen otra opción más que confiar en las capacidades de TSM, independientemente del costo. Esto se refleja en el plan de gastos de capital agresivo de la empresa; la gerencia espera invertir entre 52 y 56 mil millones de dólares para aumentar su capacidad de producción. La confianza en este gasto, a pesar de la preocupación expresada por el CEO C.C. Wei, demuestra la certeza de la demanda. El papel de TSM es producir el silicio; todo lo demás depende de ella.

Nvidia es el proveedor dominante de hardware especializado para la inteligencia artificial. Sus GPU se han convertido en el estándar obligatorio para el procesamiento de datos en los centros de datos de inteligencia artificial. La ventaja competitiva de Nvidia radica en su liderazgo en arquitectura y en su ecosistema de software. Sus GPU constituyen la mayor parte de los equipos utilizados en los centros de datos de inteligencia artificial. Su rendimiento es incomparable para el entrenamiento de modelos complejos. Este dominio de Nvidia es tan profundo que la empresa se ha convertido en sinónimo de desarrollo de soluciones relacionadas con la inteligencia artificial. Los analistas de Wall Street proyectan un crecimiento enorme para Nvidia: se espera que sus ingresos aumenten un 52% durante el ejercicio fiscal que termina en enero de 2027. Este crecimiento se ve respaldado por un ciclo de gastos de capital masivo a lo largo de varios años. Nvidia cree que los gastos en centros de datos mundiales podrían llegar a los 3 billones a 4 billones de dólares anualmente para el año 2030. En este contexto, Nvidia representa el principal motor para el entrenamiento de modelos, y su arquitectura marca el ritmo de toda la industria.

Broadcom (AVGO) opera en la capa de transmisión de datos, proporcionando la infraestructura necesaria para conectar los clústeres de procesamiento de datos. Su ventaja estratégica radica en sus alianzas con otras empresas y en su capacidad de diseñar circuitos integrados específicos para aplicaciones de inteligencia artificial. Mientras que las GPU de Nvidia son de uso general, Broadcom colabora directamente con los proveedores de servicios de computación en la nube para desarrollar circuitos integrados especializados para este propósito. Estos chips pueden ofrecer un mejor rendimiento a un precio más bajo, lo que constituye una forma de crear una infraestructura de alto rendimiento que complementa a los centros de datos de los proveedores de servicios de computación en la nube. Este enfoque está ganando cada vez más importancia; Broadcom espera que los ingresos relacionados con los semiconductores para inteligencia artificial se dupliquen solo en el primer trimestre. La función de esta empresa es asegurar que las enormes cantidades de datos necesarios para el entrenamiento e inferencia de inteligencia artificial puedan transferirse de manera eficiente entre los servidores, lo que la convierte en una parte indispensable de la arquitectura de centros de datos de los proveedores de servicios de computación en la nube.

Juntas, estas empresas forman la infraestructura central de la red. TSM se encarga de producir el silicio necesario para el funcionamiento del sistema; Nvidia proporciona el motor de procesamiento principal; y Broadcom asegura que los datos fluyan de manera eficiente. Sus posiciones en el mercado están basadas en su liderazgo tecnológico y en su profunda integración con la estructura de la infraestructura de los hiperescalares. Esto les permite crear una base sólida sobre la cual pueden crecer rápidamente en la curva de crecimiento exponencial de la infraestructura de IA.

Implicaciones financieras y estratégicas: métricas, márgenes de beneficio y escenarios posibles

Las tendencias macroeconómicas se traducen directamente en fuertes incentivos financieros para estas empresas fundamentales. Su principal ventaja es la posibilidad de obtener ingresos sostenibles y con márgenes elevados, gracias a la venta de componentes esenciales de infraestructura. Este modelo está exento de las fluctuaciones cíclicas que afectan a los programas informáticos de nivel de aplicación.

Este hecho se evidencia en sus resultados financieros. Taiwan Semiconductor Manufacturing (TSM) opera con un…Margen bruto del 59.02%Refleja el poder de fijación de precios de alta calidad que ofrece su fabricación avanzada. Nvidia (NVDA) logra una margen aún más elevado.Margen bruto del 70%Eso resalta su dominio arquitectónico en el área de la computación de inteligencia artificial. Broadcom (AVGO) tiene un margen bruto del 65%, lo cual demuestra su capacidad para establecer alianzas estratégicas y diseñar soluciones específicas para cada aplicación. Estos márgenes no son simplemente ganancias; son el combustible que permite realizar gastos de capital masivos y sostenibles. El plan de TSM de invertir entre 52 y 56 mil millones de dólares en capacidad, así como la creencia de Nvidia en que los gastos anuales en centros de datos podrían llegar a los 3 a 4 billones de dólares para el año 2030, son inversiones respaldadas por este modelo de negocio duradero y con altos retornos.

Sin embargo, hay un riesgo importante que se avecina. La situación actual es similar a una carrera de velocidad, pero podría no ser una carrera larga. Goldman Sachs Research pronostica que el equilibrio entre la oferta y la demanda de centros de datos, que se espera que alcance su punto más alto a finales de 2026, probablemente será seguido por…La moderación comenzará a partir del año 2027.Esto podría deberse a mejoras en la eficiencia de los modelos de IA, o a problemas de escalabilidad que ralentizan el gasto de capital de las empresas de alojamiento en alta escala. En cuanto a la capa de infraestructura, esto implica un riesgo de sobreoferta después de 2027. Por lo tanto, la sostenibilidad del crecimiento explosivo actual se convierte en una cuestión crucial para los inversores.

Añadir complejidad es una fuerza paralela en el proceso de transición energética. Aunque la inteligencia artificial es un factor importante, no es el único. Los analistas señalan que…Casi tres cuartas partes de la demanda energética prevista provinarán de fuentes que no sean AI.Como los vehículos eléctricos y las bombas de calor, la electrificación de la economía constituye una señal de demanda constante y significativa para la generación de energía y la infraestructura del sistema eléctrico. Pero esto también implica que la cadena de suministro de energía debe manejar múltiples factores que crecen simultáneamente. En cuanto a la infraestructura relacionada con la inteligencia artificial, esto significa que el cuello de botella energético es real. Sin embargo, este problema forma parte de un cambio más amplio y complejo que podría influir en el momento y la escala de la expansión de los centros de datos.

En resumen, se trata de una situación en la que existen certezas a corto plazo y incertidumbres a medio plazo. Estas empresas están preparadas para prosperar en esta fase de adopción no cíclica, ya que sus indicadores financieros demuestran su capacidad de fijar precios competitivos. Pero la curva de crecimiento exponencial tiene un punto máximo. Lo importante para los inversores es comprender cuánto durará esta fase de altos márgenes y cuál podría ser el punto de inflexión en 2027, cuando las dinámicas del mercado puedan cambiar.

Catalizadores y lo que hay que vigilar: los próximos puntos de inflexión

La tesis relacionada con estos elementos fundamentales ya se encuentra en la fase de ejecución. Los factores clave a corto plazo son hitos claros que confirmarán el alcance de la implementación y la gravedad de las limitaciones que deben superarse. Para los inversores, el enfoque pasa de las tendencias macroeconómicas a eventos específicos y medibles que podrían validar o poner en duda la adopción de la curva S proyectada.

El primer punto de inflexión importante es la realización física de los proyectos más grandes relacionados con centros de datos. La industria está pasando de la fase de planificación a la construcción. La capacidad de estas nuevas instalaciones es una señal directa de la demanda del mercado. Los principales proveedores de servicios de almacenamiento están construyendo proyectos que son más del doble en tamaño que los mayores centros de datos que ya existen en Estados Unidos. El hito crítico que hay que observar es el momento en que uno de estos nuevos proyectos se haya completado.Capacidad de 2,000 MWEsto no es simplemente un número; representa una validación del modelo de crecimiento exponencial. Lo más importante es que los acuerdos de compra de energía asociados a estos proyectos proporcionarán evidencia concreta de la demanda de energía a largo plazo, lo cual impulsa la construcción de la infraestructura energética. El éxito de este proyecto confirma que la demanda no es cíclica.

Al mismo tiempo, la carga en la red eléctrica se convertirá en un indicador en tiempo real de la gravedad del problema. Los inversores deben monitorear los precios de la electricidad en las diferentes regiones y los resultados de las subastas de capacidad. Dado que los centros de datos basados en IA generan una gran demanda las 24 horas, esto ya está causando problemas de distorsión armónica y advertencias de sobrecarga en algunos mercados. Los altos precios resultantes son un costo directo de esta situación. Las subastas de capacidad que muestren que las empresas de servicios públicos tienen dificultades para obtener suficiente suministro para abordar la nueva carga de los centros de datos, serán una clara señal de que la red eléctrica es una limitación importante. Aquí es donde la transición energética se conecta con la historia de la inteligencia artificial, lo que hace que la inversión en la red eléctrica sea una oportunidad importante.

Por último, el ritmo de las nuevas ejecuciones de entrenamiento de los modelos de IA es el factor más importante para evaluar la capacidad de procesamiento del nivel computacional.6,7 billones de dólares en gastos de capital a nivel mundial para el año 2030.La capacidad de procesamiento depende de esta actividad. El seguimiento del volumen y la complejidad de estas operaciones de entrenamiento permitirá evaluar en tiempo real la demanda de los chips y servidores que TSM y NVDA producen. Si las operaciones de entrenamiento se aceleran más rápido de lo esperado, eso indicará que la etapa más intensa de la curva S está en pleno desarrollo. Si, por el contrario, las operaciones de entrenamiento se estabilizan, podría significar que hay mejoras en la eficiencia o problemas relacionados con el escalamiento, lo cual podría moderar el ciclo de gastos de los hiperconexionistas ya para el año 2027.

En resumen, los próximos puntos de inflexión son físicos y medibles. El hito de los 2,000 MW, las señales de precios en la red eléctrica, y la cantidad de ejercicios de entrenamiento de IA, todo esto contribuirá a que la teoría se convierta en algo concreto. Estas son las métricas que diferenciarán una infraestructura duradera de una “burbuja especulativa”.