Boom de Infraestructura de IA: Límites de Escalado y Restricciones Energéticas

Fuente: CryptoNewsNet Título Original: Gráficos del viernes: Elementos de una burbuja Enlace original:

El panorama de inversión en IA

“Ha habido mucha conversación sobre una burbuja de IA. Desde nuestra perspectiva, vemos algo muy diferente.”

El CEO de Alphabet, Sundar Pichai, reconoció esta semana que hay “elementos de irracionalidad” en el actual auge de la infraestructura de IA. Sin embargo, el anuncio de Google sobre Gemini 3 sugiere que el mercado puede no ser lo suficientemente irracional.

Gemini 3 demostró una mejora sorprendentemente masiva sobre Gemini 2.5 según los estándares de los modelos de lenguaje. Este desarrollo desafía la “tesis del muro de escalado” - la teoría de que los LLMs habían alcanzado un estancamiento donde simplemente agregar computación ya no mejoraba el rendimiento.

El avance de Google se logró gracias a una mejor computación: algoritmos más inteligentes, métodos de entrenamiento mejorados y chips más nuevos. Este éxito señala un continuo impulso de inversión en la infraestructura de IA.

La demanda de GPU sigue siendo fuerte

Nvidia continúa viendo una demanda excepcional. El CEO Jensen Huang informó que “las ventas de Blackwell están por las nubes, y las GPU en la nube están agotadas.” Más significativamente, la CFO Colette Kress señaló que las GPU A100 enviadas hace seis años todavía están funcionando a plena utilización hoy.

Esta observación responde a las preocupaciones sobre la depreciación de las GPU. Las GPU siguen un “modelo de uso en cascada”: los chips más nuevos manejan tareas de entrenamiento durante aproximadamente un año, luego ejecutan cargas de trabajo de inferencia durante períodos más largos antes de servir finalmente para propósitos secundarios como la transmisión de video.

Si los modelos continúan mejorando y la demanda de nuevos chips crece mientras los chips antiguos siguen siendo útiles, las empresas de IA pueden estar subestimando en realidad en lugar de sobrestimar las ganancias.

El Problema de la Limitación Energética

A pesar de las fuertes señales de demanda, los mercados de valores cayeron esta semana. El probable culpable: preocupaciones sobre el suministro de energía más que sobre la demanda de chips.

Un ejecutivo de Google Cloud estimó recientemente que la empresa debe duplicar su capacidad de computación cada seis meses durante los próximos cuatro a cinco años para satisfacer la demanda. Esto genera un requerimiento energético sin precedentes.

Sin embargo, la infraestructura para apoyar esta demanda enfrenta severas limitaciones. Las turbinas de gas que alimentan la mayoría de los centros de datos tardan de cinco a siete años en construirse, y los fabricantes están completamente ocupados hasta al menos 2030.

Sin disponibilidad de energía adicional, hay poco incentivo para comprar GPUs de nueva generación que consumen más electricidad. Los chips más antiguos y eficientes serían suficientes. De manera similar, construir nuevos centros de datos sin disponibilidad correspondiente de turbinas no tiene sentido económico.

Implicaciones Económicas Sistémicas

Pickai advirtió que si la burbuja de la IA estalla, “ninguna empresa va a estar a salvo.” Esto se extiende más allá de las empresas de IA a la economía en general.

Los centros de datos, que representan el 4% del PIB, representaron el 93% del crecimiento del PIB en la primera mitad del año. Sin el auge de los centros de datos, la economía de EE. UU. probablemente estaría en recesión. Esta concentración del crecimiento económico en un solo sector crea un riesgo sistémico significativo.

Indicadores de burbuja

Michael Burry destaca un métrico preocupante: el capex como porcentaje del PIB para la infraestructura de IA ya iguala los niveles vistos antes de las burbujas de las puntocom, la vivienda y el shale.

Sin embargo, la demanda de las antiguas GPU A100 se ha mantenido mejor de lo esperado, lo que sugiere que la narrativa de depreciación puede estar incompleta.

El capex de Microsoft ha aumentado a casi el 50% de las ventas, lo que representa un cambio fundamental en la estrategia empresarial “de competir en efectos de red a competir en acceso a capital” - un modelo inherentemente más propenso a burbujas.

La actividad de startups refleja esta tendencia: casi todas las empresas de Y Combinator ahora están relacionadas con la IA.

Consideraciones del Mercado Laboral

Las comparaciones históricas sugieren que la inversión actual en IA podría expandirse significativamente más si el patrón coincide con los anteriores booms tecnológicos.

Las preocupaciones sobre el desplazamiento laboral impulsado por la IA persisten. Sin embargo, la historia ofrece cierta tranquilidad: cuando Otis presentó el ascensor Autotronic en 1950 en el apogeo del empleo de asistentes de ascensor, los trabajadores desplazados lograron transitar con éxito a mejores puestos en la década de 1960.

Los datos laborales recientes mostraron una sorprendente ganancia de 119,000 empleos en EE. UU. en septiembre, aunque las tendencias laborales más amplias requieren un seguimiento continuo.

Contexto Económico Más Amplio

La edad media de los compradores de viviendas en EE. UU. ha aumentado a 59 años, reflejando los desafíos continuos de asequibilidad de la vivienda. El sector de la construcción podría beneficiarse de las mejoras en la productividad.

Los impactos arancelarios muestran que los bienes importados son aproximadamente un 5.44% más caros de lo que serían de otra manera. Mientras tanto, los precios promedio de los automóviles en EE. UU. superan los $50,000, mientras que los precios de la gasolina en algunas regiones han caído por debajo de los precios del agua.

El auge de la infraestructura de IA presenta tanto oportunidades como riesgos: demanda sostenida de poder computacional frente a una oferta de energía restringida y una creciente dependencia económica sistémica de un solo sector.