Burbuja de la IA y riesgos de mercado: el suministro de energía se convierte en la principal limitación

Fuente: Blockworks
Título original: Gráficos del viernes: Elementos de una burbuja
Enlace original: https://blockworks.co/news/elements-of-ai-bubble

“Se ha hablado mucho de una burbuja de IA. Desde nuestro punto de vista, vemos algo muy diferente.”

— Jensen Huang

El CEO de Alphabet, Sundar Pichai, afirmó que hay “elementos de irracionalidad” en el actual auge de la infraestructura de IA.

Pero el anuncio de una nueva versión del LLM Gemini de Google dio motivos para pensar que quizá no estamos siendo lo suficientemente irracionales. Gemini 3 fue recibido como una mejora sorprendentemente grande respecto a Gemini 2.5, según las métricas por las que se juzgan los modelos de lenguaje.

Esto refuta la “teoría del muro de escalado”, según la cual los LLM habían llegado a un punto en el que simplemente añadir más capacidad de cómputo ya no daba lugar a un mejor rendimiento. Google añadió mejor computación: algoritmos más inteligentes, mejor entrenamiento, chips más nuevos—y Gemini 3 mejoró significativamente.

Esto parece una luz verde para que todo el mundo siga invirtiendo agresivamente en todo. Jensen Huang señaló que todos siguen invirtiendo mucho en GPUs: “Las ventas de Blackwell están por las nubes y las GPUs en la nube están agotadas”.

La directora financiera de Nvidia añadió que “las GPUs A100 que enviamos hace seis años siguen funcionando a plena utilización hoy en día”. Las GPUs parecen beneficiarse de un “modelo de uso en cascada”: los chips más nuevos se usan para entrenamiento durante un año aproximadamente y luego realizan tareas de inferencia durante un tiempo más antes de acabar sirviendo para aplicaciones más antiguas.

La restricción energética

Si los modelos siguen mejorando, la demanda de nuevos chips está aumentando y los chips antiguos siguen siendo útiles, deberíamos preguntarnos si las empresas de IA están subestimando sus beneficios. Sin embargo, las acciones bajaron esta semana.

Esto podría ser una señal de que el mercado ha dejado de preocuparse por la demanda de chips y ha empezado a preocuparse por el suministro de energía.

La demanda parece ser casi insaciable: un ejecutivo de Google Cloud estimó que tendría que duplicar su capacidad de cómputo cada seis meses durante los próximos cuatro o cinco años para satisfacer la demanda.

Pero de dónde saldrá la energía es un misterio. Se tarda entre cinco y siete años en construir las turbinas de gas que alimentan la mayoría de los centros de datos, y las empresas que las fabrican tienen pedidos completos al menos hasta 2030.

Si no hay energía adicional disponible, no tiene sentido comprar una GPU de nueva generación que consuma más. La burbuja de la IA podría estallar incluso si la demanda de IA es prácticamente ilimitada.

Pichai advirtió que si la burbuja de la IA estalla, “ninguna empresa será inmune”. Sin el auge de los centros de datos, es probable que la economía estadounidense estuviera en recesión: los centros de datos, que representan el 4% del PIB, supusieron el 93% del crecimiento del PIB en la primera mitad del año.

Indicadores clave del mercado

Capex como porcentaje del PIB: Según la inversión de capital como porcentaje del PIB, el auge de la IA ya es similar en escala a los auges de inversión que precedieron a las burbujas puntocom, inmobiliaria y del fracking.

Demanda de GPUs antiguas: La demanda de las GPUs A100 más antiguas y menos potentes se ha mantenido sorprendentemente bien, contradiciendo algunas predicciones pesimistas.

Asignación de capital corporativo: En Microsoft, el capex ha aumentado hasta casi el 50% de las ventas, mostrando un cambio “de competir con efectos de red a competir por acceso al capital”. Lo segundo es mucho más propenso a burbujas.

Enfoque de las startups: Casi todas las startups de Y Combinator están ahora relacionadas con IA, lo que sugiere un riesgo concentrado en el ecosistema.

Empleo y efectos económicos

Desde el lanzamiento de ChatGPT, el S&P 500 ha subido y el número de vacantes laborales en EE. UU. ha bajado. Sin embargo, la historia sugiere que el desplazamiento tecnológico suele llevar a la reasignación de empleos y no a su pérdida permanente.

Los datos de empleo retrasados mostraron que EE. UU. tuvo una ganancia inesperada de 119.000 puestos de trabajo en septiembre, lo que sugiere que el mercado laboral sigue siendo resiliente a pesar de las preocupaciones por la disrupción de la IA.

Contexto económico general

Los aranceles han hecho que los bienes importados sean aproximadamente un 5,44% más caros de lo que habrían sido. El precio medio de un coche en EE. UU. supera ahora los 50.000 dólares, mientras que en algunos lugares la gasolina es más barata que el agua.

La edad media de los compradores de vivienda en EE. UU. ha subido a 59 años, lo que refleja la dificultad de acceder a la vivienda para las generaciones más jóvenes.