El pánico silencioso de Wall Street ante la apuesta de 10 billones de
Wall Street está repriciando con cautela sus apuestas en IA mientras Brookings proyecta 10,3 billones de dólares en gasto de infraestructura para EE.UU. hasta 2032, sin ninguna vía de ingresos a la vista. El mayor peligro, señalado por analistas coreanos, es una trampa de liquidez en bonos corporativos que aún permanece invisible para la mayoría de las mesas anglosajonas.
Las matemáticas que deberían mantener a Wall Street despierto por la noche
Anthropic salió al mercado pidiendo $518 mil millones en inversión futura. Sus ingresos anuales actuales se sitúan en algún lugar alrededor de los $10 mil millones. Eso es cien veces el estado de resultados existente de la compañía. Sin error tipográfico. Cien veces.
Este único dato resume toda la absurdidad del auge de la infraestructura de IA —y por qué las advertencias recientes de Wall Street tienen más peso que el escepticismo cíclico habitual. La comunidad inversionista no solo cuestiona si la IA dará frutos. Está ajustando silenciosamente las valoraciones a la baja porque las cuentas de ingresos simplemente no cierran.
Según un informe del Brookings Institution publicado el mes pasado, el gasto acumulado de EE. UU. en centros de datos de IA e infraestructura de apoyo entre 2025 y 2032 alcanzará los $10,3 billones. Eso equivale aproximadamente al 3,63 por ciento del PIB anual de EE. UU. cada año durante ocho años. Para ponerlo en perspectiva histórica: la era del ferrocarril transcontinental absorbió el 2,24 por ciento del PIB. El Sistema de Carreteras Interestatales, el 1,10 por ciento. La expansión de telecomunicaciones por fibra óptica de los años noventa, un modesto 0,66 por ciento. Ninguna de esas legendarias olas de infraestructura se acercó a lo que la economía de la IA ahora exige.
PwC estima que el gasto global en centros de datos solo superará los $30 billones para 2050 —una cifra aproximadamente igual a la cantidad total de deuda en circulación del Tesoro de EE. UU. Cuatro de las cinco hiperescaladoras —Google, Amazon, Meta, Microsoft— más Oracle están encaminadas hacia $4,2 billones en gasto de capital combinado hasta 2029, según FactSet.
Ninguna empresa en la Tierra genera ingresos a algo que se acerque a la escala necesaria para servir a ese nivel de gasto. Y sin embargo el dinero sigue fluyendo.
La trampa de los bonos corporativos de la que nadie habla
Aquí es donde la historia se pone más fea, y donde la cobertura financiera en inglés ha pasado mayormente por alto la señal. Los medios financieros coreanos —destacándose AI Times— han estado advirtiendo sobre algo más estructural que una burbuja de valoraciones bursátiles: un atasco de liquidez en bonos corporativos siendo diseñado por estructuras SPV construidas alrededor de la infraestructura de IA. La analogía con los valores respaldados por hipotecas subprime no es decorativa. Steen van Nieukergh, profesor de la Columbia Business School que autorizó el informe del Brookings, le dijo directamente a Reuters que la opacidad que rodea a estos vehículos de propósito especial recuerda la era previa a 2008.
Lo que ocurre cuando la demanda de servicios de IA no cumple las expectativas —y cada señal hasta ahora sugiere que podría no cumplirlas— es que la deuda apilada sobre estos SPV no tiene a dónde rodar. Los mercados de bonos corporativos ya muestran signos de saturación. Un evento repentino de reapreciación no se contendría a las acciones tecnológicas. Se movería a través del sistema de renta fija, que es donde reside la mayor exposición institucional a la infraestructura de IA.
Este es el riesgo que hace que la burbuja de IA sea diferente al colapso puntocom o a la manía ferroviaria de finales del siglo XIX. En esos episodios, los accionistas absorbieron el golpe primero. Hoy, el apalancamiento se concentra predominantemente en el mercado de bonos, donde la diversificación es más fina y las dinámicas de venta forzosa son más rápidas. El informe del Brookings no se detiene en este vínculo. Pero es el centro silencioso de la advertencia regulatoria coreana, y merece mucha más atención de la que está recibiendo en Nueva York o Londres.
Quién se equivoca sobre todo
La brecha de ingresos es tan enorme que incluso los supuestos más optimistas se desmoronan bajo escrutinio. Van Nieukergh calculó que para que el sector de IA de EE. UU. logre un retorno razonable del 10 por ciento sobre la inversión proyectada de $10,3 billones, necesitaría generar entre $3,55 billones y $3,7 billones en ingresos anuales para 2032. Los ingresos combinados actuales de OpenAI y Anthropic se estiman en aproximadamente $100 mil millones. Eso significa que los ingresos de IA necesitarían crecer aproximadamente treinta y cinco veces en siete años —una tasa compuesta anual del 80 por ciento sostenida contra una economía que, según la Oficina Presupuestaria del Congreso, se proyecta que verá un aumento de productividad de solo 1,75 por ciento anual durante el mismo período.
El propio análisis de JP Morgan llega a la misma contradicción. El banco concluyó que la productividad de EE. UU. necesitaría crecer entre 3 y 5 por ciento anualmente durante la próxima década solo para justificar las valoraciones que se están asignando a las compañías de IA hoy. El punto de referencia del CBO se sitúa en 1,75 por ciento. La brecha no es estrecha. Es estructural.
Este no es un argumento nuevo. Diane Coyle, profesora de economía en Cambridge, señaló que históricamente, los beneficios de productividad de tecnologías genuinamente transformadoras —el motor de vapor, la electrificación, internet— tardaron entre diez y cincuenta años en materializarse en los datos económicos agregados. Los calendarios financieros de las compañías de IA, construidos sobre objetivos de ingresos trimestrales y compromisos de capex multianuales, chocan contra una realidad que se mueve a una escala temporal diferente.
DeepSeek y el giro hacia el código abierto
Sumando mayor presión a la tesis de que el gasto en infraestructura de IA está desconectado de la realidad comercial está la rápida aceleración de los modelos de código abierto. Según datos de OpenRouter, DeepSeek ahora comandita el 25,3 por ciento de las solicitudes de modelos de texto, adelantándose al 18,6 por ciento de OpenAI y al 2,9 por ciento de Anthropic. Esto no es un cambio marginal. Señala que una porción significativa del mercado ya está eligiendo inferencia de bajo costo sobre ecosistemas propietarios —exactamente la dinámica que socava las proyecciones de ingresos que sustentan billones en gasto de capital.
Scott Wilson, director de inversiones del fondo de dotación de la Universidad de Washington y inversionista temprano en SpaceX, le dijo con crudeza a Business Insider que compañías como OpenAI y Anthropic “no valen el riesgo que están tomando.” Su punto más amplio fue que las empresas emergentes de inteligencia artificial de trillones de dólares están asumiendo responsabilidades muy más allá de su valor económico real. El giro hacia el código abierto, argumentó, no es solo una elección técnica —es una acusación comercial de la estrategia de precios de modelos cerrados.
Vinod Khosla, inversionista temprano de OpenAI, se defendió con fuerza. Llamó necia la opinión de Wilson y argumentó que los modelos de código abierto representan solo la capa de software, mientras que los costos reales —electricidad, mantenimiento de servidores, optimización, energía— hacen que las pilas propietarias sean mucho más efectivas en costos a escala. Si Khosla tiene razón o no depende de la perspectiva de tiempo. Su argumento se sostiene a largo plazo. No ayuda a Anthropic a recaudar $518 mil millones hoy.
La divergencia que más importa
El encuadre más útil para entender hacia dónde se encamina esto proviene de la división entre dos instituciones que de otro modo coinciden en los hechos básicos. JP Morgan advierte que si el gasto en infraestructura no genera rendimientos suficientes, el auge tecnológico terminará abruptamente —y el choque se transmitirá por el sistema financiero. Por el contrario, la Coyle de Cambridge argumenta que mientras se construya la infraestructura física, el beneficio de productividad eventualmente llegará; las pérdidas a corto plazo son el precio de la capacidad a largo plazo.
Ambas pueden ser verdaderas simultáneamente. La pregunta es el timing, y el timing es donde reside el riesgo de bonos corporativos. Si las ganancias de productividad tardan entre diez y veinte años en emerger, los SPV y las estructuras apalancadas construidas alrededor de la infraestructura de IA necesitarán refinanciar o rodear deuda a través de períodos de flujo de caja negativo. Ese es precisamente el entorno en el que los mercados de bonos corporativos se bloquean.
La cifra de $10 billones no es una previsión. Es un compromiso. La pregunta es si algo cercano a $3,7 billones en ingresos anuales de IA existe en alguna parte del camino previsible —y si el mercado de bonos lo notará antes que el mercado de acciones.