Inversión Billonaria en IA: Sequoia Estima un Retorno Necesario de $3 Billones

AI Infrastructure Spending: El Desafío del Retorno de Inversión

Hace tres años, el socio de Sequoia, David Cahn, fue uno de los primeros en calcular el impacto del enorme gasto en infraestructura de inteligencia artificial de Silicon Valley. En 2023, partió de los $50,000 millones en ingresos anuales reportados por Nvidia en GPUs, y sumando costos operativos y márgenes, dedujo que se necesitaban $200,000 millones en ingresos para recuperar la inversión inicial.

Las Nuevas Cifras para 2026

Ahora, tras tres años de hiperescalado, Cahn actualiza la estimación: el gasto en infraestructura de IA para 2026 asciende a $1.5 billones. En total, la industria necesitará generar $3 billones para justificar la compra de chips y el gasto en centros de datos. Y probablemente sea una subestimación, dado el aumento de costos de memoria y la adopción de chips exóticos o de inferencia.

“Recientemente, los ingresos requeridos por GW de CapEx han aumentado drásticamente debido a estos cuellos de botella y al alza en los costos de construcción”, escribe Cahn.

La Brecha Entre Ingresos y Gasto

Del otro lado del balance, Anthropic habría alcanzado $60,000 millones en ARR, mientras que OpenAI reportó ingresos de $13,000 millones en 2025 (aunque en noviembre de ese año declaró un ARR de $20,000 millones) y se presume que este año genera aún más. Sin embargo, la brecha por cerrar es enorme.

Preocupaciones de los Economistas

El economista jefe de Apollo, Torsten Slok, señala en una nota reciente que los hiperescaladores (Google, Meta, Microsoft y Amazon) proyectan aceleraciones masivas en su flujo de caja libre para 2028, esperando recuperar la inversión en chips. Pero advierte: si no lo logran, el impacto podría ser severo.

“Con tanto en juego en tan pocos nombres, un pago más lento no sería solo un problema sectorial, sino que podría llevar a la economía a una recesión y al S&P 500 a una corrección”, escribe Slok.

Además, señala que más organizaciones están optando por modelos de pesos abiertos más baratos, a menudo chinos, y que los precios de los tokens están cayendo. El último modelo de OpenAI, según su CEO Sam Altman, es un 54% más eficiente en tokens para tareas de codificación. Esto beneficia a los usuarios que se preocupan por el costo de sus agentes de IA, pero podría perjudicar a las empresas que construyen fábricas de tokens si el uso no se dispara de forma masiva.

Todo esto invita a reflexionar sobre el futuro del gasto en infraestructura de IA y la necesidad de que las empresas encuentren productos y servicios que generen ingresos suficientes para justificar tamaña inversión.