La tesis de Jensen Huang sobre la infraestructura de IA: inversión, financiación y riesgos

Jensen Huang, consejero delegado de Nvidia, defiende que la IA está dejando atrás el ciclo convencional de compra de chips para entrar en una fase de construcción de infraestructura global. Según su planteamiento, las «fábricas de IA» producen capacidad de cómputo que puede venderse como servicio, de forma parecida a otras infraestructuras que prestan un servicio continuo.

La condición financiera de esa tesis es exigente: la capacidad debe estar respaldada por compromisos de clientes solventes y, a largo plazo, por ingresos recurrentes y sostenibles procedentes de aplicaciones de IA.

Entre 3 y 4 billones de dólares hasta 2030

Durante la conferencia Communacopia + Technology de Goldman Sachs, Huang reiteró su previsión de que el gasto en infraestructura de IA podría alcanzar entre 3 y 4 billones de dólares en 2030. Vinculó esa estimación al auge de la computación generativa y al fin de la Ley de Moore: si las mejoras convencionales de rendimiento de las CPU ya no cubren las necesidades de cómputo, una mayor parte de la carga deberá pasar a sistemas acelerados. 224

Huang presenta esta categoría como infraestructura de relevancia estratégica comparable a la energía, el transporte o internet, y no como un simple mercado de GPU independientes. Su premisa es que los sistemas de IA generarán y servirán respuestas intensivas en cómputo de manera constante, lo que exige centros de datos, redes, electricidad y software, además de chips. 317

Es una previsión, no un resultado garantizado. La propia investigación de Goldman Sachs advierte de que un despliegue de varios billones de dólares dependerá, en última instancia, de que la IA aporte un valor económico y social considerable. 21

Nvidia dice que el cuello de botella es la oferta

El mensaje de Huang a corto plazo es que la limitación principal es la oferta, no la falta de interés de los clientes. La información de la conferencia indicó que alrededor del 70% del crecimiento de ingresos de Nvidia previsto para su ejercicio fiscal 2027 estaría condicionado por restricciones de suministro. 6

El contexto de inversión es enorme. Nvidia señaló que los cinco principales hyperscalers —grandes plataformas de nube con infraestructuras a escala masiva— preveían gastar cerca de 800.000 millones de dólares en inversiones de capital en 2026 y 1,3 billones en 2027. La cartera pendiente de la industria de la nube ya superaba los 2 billones de dólares. 20

Estas previsiones respaldan la idea de que el despliegue de IA ha pasado de compras puntuales de hardware a la planificación de capacidad a escala industrial. Pero un centro de IA de vanguardia implica mucho más que encargar aceleradores: hay que asegurar suelo, electricidad, el edificio del centro de datos, redes, integración de sistemas y financiación. Huang subrayó que esas restricciones posteriores explican en parte que Nvidia participe ahora en una porción mayor de la cadena de inversión de los centros de datos. 17

De proveedor de GPU a plataforma para «fábricas de IA»

Huang atribuye el crecimiento de Nvidia a un papel más amplio dentro de la infraestructura de IA. La empresa ya no se presenta solo como proveedora de GPU, sino como una plataforma que reúne computación acelerada, redes, sistemas y el software CUDA. En su visión, atender una parte mayor del mercado de IA, de los modelos y del gasto de los centros de datos amplía la oportunidad comercial de Nvidia. 17

La lógica económica es central: si una fábrica de IA mantiene una alta utilización y genera servicios de cómputo, el hardware pasa a formar parte de una base de activos productivos, en vez de ser una compra tecnológica de una sola vez. Esa es también la premisa para considerar el cómputo de IA como garantía o como activo que puede respaldar financiación. 210

Qué es —y qué no es— el plan de financiación de 500.000 millones

El 10 de agosto de 2026, Nvidia anunció memorandos de entendimiento con Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs y KKR para crear plataformas independientes de financiación de cómputo. Nvidia indicó que estas plataformas están diseñadas para movilizar más de 500.000 millones de dólares de capital de terceros con el tiempo para infraestructura de IA. 15

La distinción es importante: la cifra no representa ingresos de Nvidia, un único fondo ni 500.000 millones de gasto comprometido. Es un objetivo de capital que las plataformas propuestas podrían movilizar a medida que financien proyectos que cumplan los requisitos. 1516

Los clientes previstos incluyen hyperscalers, laboratorios de IA de frontera, empresas y proveedores de nube especializados en IA. En la práctica, el enfoque puede incorporar crédito privado, estructuras respaldadas por activos, arrendamientos, empresas conjuntas y capital del mercado de bonos a un sector que históricamente se había financiado, sobre todo, con los balances de las compañías. 1033

El contrato de compra de capacidad es la pieza clave

La respuesta más contundente de Huang a las dudas sobre la financiación es el offtake: la demanda de capacidad contratada para la infraestructura que se va a construir. En la conferencia de Goldman Sachs afirmó que la financiación no se materializa sin esos contratos y citó 100.000 millones de dólares en contratos ya alineados, o valor total contratado, para proyectos que Nvidia ayuda a hacer posibles. 17

Eso no convierte cada proyecto en seguro. Sí explica la lógica de análisis crediticio: un prestamista o inversor puede evaluar mejor un centro de datos si el uso está comprometido por un cliente capaz de pagar con el tiempo. La calidad, duración y concentración de esos contratos determinarán si los ingresos previstos por cómputo pueden atender de forma creíble la financiación.

La respuesta a las dudas sobre financiación circular

Los críticos se preguntan si las inversiones y la ayuda financiera de Nvidia pueden desdibujar la frontera entre la demanda orgánica de clientes y la demanda impulsada por el propio proveedor. Huang rechazó que se trate de financiación circular. Su argumento práctico fue que invertir tiene sentido cuando genera retornos muy superiores mediante negocio real de clientes: resumió la idea como invertir 1 dólar y obtener 100 dólares a cambio. 26

Su defensa se apoya en la existencia de carteras de clientes y demanda contratada, no en afirmar que la estructura de capital sea irrelevante. La cuestión aún abierta es si esos compromisos posteriores son suficientemente independientes, duraderos y rentables a medida que el mercado crece.

El riesgo esencial: las aplicaciones deben pagar la capacidad

El riesgo de inversión central no es si Nvidia tiene hoy compradores para un cómputo escaso. Es si la economía de la IA en su conjunto generará ingresos y márgenes recurrentes suficientes para cubrir depreciación, electricidad, arrendamientos, intereses y la rentabilidad exigida por los inversores sobre una base instalada mucho mayor.

Si se debilitan la utilización, el precio del cómputo o la demanda final, tanto el valor de los contratos de compra de capacidad como la economía de los activos subyacentes podrían sufrir presión. Por eso, la oportunidad de entre 3 y 4 billones de dólares debe entenderse como una tesis condicionada: la infraestructura tiene que habilitar aplicaciones lo bastante valiosas como para sostener su coste. Goldman Sachs también vincula esa escala de inversión a que la IA cumpla su promesa de valor económico. 21

Qué deben vigilar inversores y mercados de crédito

El despliegue de IA expande la exposición más allá de las acciones tecnológicas, hacia crédito privado, financiación respaldada por activos, arrendamientos, alianzas de infraestructura y bonos. CNBC informó de que las estructuras de deuda y apalancamiento, cada vez más complejas, están recibiendo más escrutinio mientras los hyperscalers y sus financiadores buscan recursos adicionales para ampliar los centros de datos. 33

Las preguntas más útiles son concretas:

• ¿La demanda está cubierta por contratos firmados y de larga duración, o solo por planes preliminares de capacidad?
• ¿Quién responde en última instancia por el pago y hasta qué punto se concentran los clientes?
• ¿Qué hipótesis sustentan la utilización, los precios y el valor de reutilización de los equipos?
• ¿Cuánto apalancamiento, apoyo contingente o exposición a garantías queda fuera del negocio operativo aparente?
• ¿Podrán entregarse a tiempo la energía, el suelo, la construcción y la capacidad de red?

La tesis de Huang es alcista porque trata el cómputo de IA como infraestructura económica esencial. Sin embargo, su verdadera prueba será financiera tanto como tecnológica: los proyectos necesitan contratos de compra de capacidad creíbles hoy e ingresos impulsados por las aplicaciones mañana.