El pasado 28 de agosto, la empresa Nvidia reportó ingresos trimestrales de 96 mil 200 millones de dólares, un crecimiento de 106% anual, dentro del cual el segmento de centros de datos aportó casi 89 mil millones. Aunque la cifra es notable por sí misma, lo que más me llamó la atención fue el adjetivo que la empresa usó para describir su propia proyección de crecimiento: “supply-constrained”. Es decir, limitada por la oferta, no por la demanda.
Durante buena parte de esta década, el mercado valoró a las empresas de inteligencia artificial por promesas intangibles: capacidad de razonamiento, ventanas de contexto, resultados en pruebas estandarizadas. Hoy la variable que mueve la conversación es otra, y es mucho más física, ya que gira en torno a cuántos chips, cuánta memoria y cuánta electricidad hay disponible.
En “State of the AI Economy 2026", un reporte amplio de Exponential View, que incluye cifras de Goldman Sachs, Epoch AI y SemiAnalysis, se documenta ese giro. Las grandes tecnológicas y los llamados neoclouds han comprometido 2 billones de dólares en capital acumulado hacia 2026. Dentro de ese gasto, el silicio pasó de representar 40% del costo de construir un centro de datos en 2021 a 60% este año. La memoria, que rondaba apenas el 2%, hoy se halla cerca del 18%.
Mi impresión es que ese dato pesa más que cualquier benchmark de razonamiento. La proporción del gasto que hoy se destina a chips y no a concreto revela dónde está el verdadero cuello de botella de esta industria. Esto es, ya no se trata de la falta de ideas, sino de la escasez relativa de fábricas.
Ahí entra un actor que hasta hace poco pasaba inadvertido: los fabricantes de memoria. Samsung, SK Hynix y Micron alcanzaron en mayo un valor de mercado combinado cercano a los tres billones de dólares, cada una superando el billón por primera vez. Estos fabricantes anunciaron alzas de precio de casi 20% para 2026, y el presidente del grupo SK advirtió que la escasez podría durar hasta 2030. De este modo, un fabricante de memoria se volvió tan estratégico como los laboratorios de inteligencia artificial.
Luego está la electricidad, que no es posible escalar bajo la misma lógica del software. Según Grid Strategies, la capacidad adicional que la red estadounidense necesitará para 2030 se multiplicó casi siete veces desde 2022, pasando de 24 a 166 gigawatts; los centros de datos explican 55% de ese crecimiento. La generación eléctrica del país estuvo estancada entre 2008 y 2024, pero hoy crece al ritmo más rápido observado desde mediados del siglo pasado.
Ese giro hacia lo físico trae también un problema financiero. El dólar marginal para esta infraestructura se financia cada vez más con capital externo, puesto que los neoclouds dependen sobre todo de deuda, por encima del flujo operativo. Y esa deuda alimenta un temor que ya mueve sus precios, dado que el financiamiento es circular, y un puñado de empresas se compran servicios entre sí, incrementando la demanda que dicen atender.
El ejemplo más reciente es el acuerdo entre OpenAI y Nvidia para la construcción de un centro de datos de ocho gigawatts en un antiguo sitio de enriquecimiento de uranio en Ohio. La cifra final, reportada por Fortune, quedó en 105 mil millones de dólares, muy por debajo de los 250 mil millones mencionados semanas antes. Pero cuando esa cifra circuló en julio, las acciones de Nvidia cayeron 4.5% en el día por temor al financiamiento circular.
En ese momento, el mercado no juzgaba la inteligencia de ningún modelo. Juzgaba la arquitectura financiera que sostiene el silicio y el cemento. Incluso la depreciación se volvió una apuesta estratégica. Mark Zuckerberg lo admitió en una llamada de resultados más tarde. En el peor escenario, Meta habría “sobreconstruido durante un par de años” y crecería hacia esa capacidad con el tiempo. Exponential View calcula que, con una vida útil estándar de seis años por chip, el margen de las empresas de infraestructura ronda 19%; a ocho años, sube a 36%. La rentabilidad de la industria depende de una suposición de ingeniería: cuánto dura un chip antes de quedar obsoleto.
Por ahora, el análisis de este fenómeno ya no se trata solo de si los modelos razonan bien, sino de si el silicio, la memoria y los megawatts que los sostienen pueden pagarse a sí mismos. Es posible contar cuántos gigawatts se construyeron, cuánto subió el precio de la memoria, pero permanece otra duda, ¿qué ocurre si la infraestructura termina de construirse antes de que la demanda alcance a crecer lo suficiente para pagarla?
