Hace tres años, un socio de Sequoia hizo unos cálculos rápidos en una servilleta y desató un debate que Silicon Valley ha intentado resolver desde entonces. La cifra era alta entonces. Ahora es mucho mayor. Y un número creciente de economistas advierte que, si la respuesta es errónea, las consecuencias no se limitarán al sector tecnológico.
Aquí está la situación, el contraargumento que casi nadie está teniendo en cuenta y lo que significa si usted construye, invierte u opera en cualquier lugar cercano a este mercado.
La pregunta del millón: ¿Cuántos ingresos totales debe generar la industria de la IA para justificar los aproximadamente 1,5 billones de dólares invertidos en centros de datos y chips hasta 2026, una vez que se suman los costes operativos y las expectativas de rentabilidad de los inversores al hardware? Es la versión de la era de la IA de una prueba sencilla a la que se enfrenta toda empresa: ¿los ingresos cubren finalmente los gastos?
De dónde proviene la cifra de 3 billones de dólares
En 2023, David Cahn, de Sequoia, analizó los ingresos anuales de Nvidia por GPU, que rondaban los 50.000 millones de dólares, y calculó a la inversa. Si a esto le sumamos el coste de funcionamiento de los centros de datos donde se alojan esos chips y los márgenes que necesitan los operadores, calculó que la industria tendría que generar unos 200.000 millones de dólares en ingresos solo para recuperar la inversión inicial. Lo planteó como un reto para los emprendedores: crear productos que justifiquen toda esa capacidad de procesamiento.
Tres años después, en plena expansión a escala hiperespacial, la cifra actualizada de Cahn para el gasto en infraestructura de IA en 2026 asciende a 1,5 billones de dólares. Si se suma el coste total, estima que la industria necesita generar unos 3 billones de dólares para justificar la inversión en chips y centros de datos. Además, considera que esta cifra probablemente sea un mínimo, no un máximo, dado que el aumento de los costes de la memoria y la transición hacia silicio especializado para inferencias siguen elevando la rentabilidad requerida por gigavatio de capacidad.
Si desea una visión más amplia de este desarrollo, hemos analizado el panorama completo del gasto en nuestro artículo sobre las mejores empresas de IA a tener en cuenta en 2026, donde Goldman Sachs estima que el gasto de capital de los hiperescaladores entre 2025 y 2027 ascenderá a 1,15 billones de dólares, más del doble que en los tres años anteriores.
Los ingresos aún no cuadran
Ahora veamos la otra cara de la moneda. Los laboratorios de vanguardia están creciendo rápidamente, pero la brecha sigue siendo enorme.
| Compañía | Cifra reportada | Notas |
|---|---|---|
| Antrópico | Ingresos anuales recurrentes de aproximadamente 60 mil millones de dólares | Tasa de ejecución estimada |
| OpenAI | ~$13 mil millones (ingresos de 2025) | Se estimaron ingresos recurrentes anuales (ARR) de 20.000 millones de dólares en noviembre de 2025, cifra que probablemente sea mayor ahora |
Incluso siendo generosos, la facturación combinada de los laboratorios de vanguardia se sitúa en unos pocos cientos de miles de millones frente a una factura de 3 billones de dólares. Y los ingresos de OpenAI vienen acompañados de pérdidas abrumadoras. Los estados financieros auditados de 2025 mostraron una pérdida neta de 38.500 millones de dólares sobre unos ingresos de 13.000 millones de dólares, un panorama que analizamos en detalle en nuestro análisis de las finanzas filtradas de OpenAI. Ingresos no es lo mismo que ganancias, y en esta industria la diferencia entre ambos se mide en capacidad de procesamiento.
La fecha límite de 2028 de la que nadie habla
Aquí es donde una noticia tecnológica se convierte en una noticia macroeconómica. Torsten Slok, economista jefe de la gestora de activos Apollo, señala que las cuatro grandes empresas tecnológicas que financian la mayor parte de esta inversión (Google, Meta, Microsoft y Amazon) prevén una aceleración masiva del flujo de caja libre a partir de 2028. En otras palabras, les están diciendo a los inversores que la recuperación de la inversión llegará en aproximadamente dos años.
Es una promesa, no un hecho. Y supone un plazo límite. Si el dinero no llega según lo previsto, la historia que ha sustentado a algunas de las empresas más valiosas del mundo empieza a tambalearse.
El problema de la deflación de tokens
La preocupación específica de Slok es una que este sitio ha estado siguiendo durante meses: el precio de la IA está bajando, y está bajando por razones que los laboratorios no pueden controlar por completo.
Cada vez más organizaciones optan por modelos de código abierto más económicos, a menudo chinos, en lugar de pagar precios exorbitantes. Ya hablamos de esto cuando un modelo chino gratuito con licencia del MIT igualó el rendimiento de un sistema estadounidense restringido de última generación a aproximadamente una sexta parte del costo. Además, los modelos de última generación son cada vez más eficientes. Según Sam Altman, la última versión de OpenAI es un 54 % más eficiente en tareas de codificación.
Para una empresa que utiliza agentes de IA, esa eficiencia es una ventaja. Para una empresa que creó una fábrica de tokens y necesita venderlos, representa una amenaza, a menos que el uso total aumente lo suficientemente rápido como para compensar con creces la caída del precio por token. Esa tensión es el núcleo de la crisis de tokens y facturas empresariales que documentamos, donde los equipos financieros descubrieron que tokens más baratos no significaban facturas más baratas.
El contraargumento que casi nadie está valorando
Aquí es donde el escenario bajista presenta una falla. La suposición de que la caída de los precios de los tokens reduce los ingresos ignora silenciosamente la paradoja de Jevons: cuando algo se abarata, la gente suele usarlo mucho más, por lo que el gasto total aumenta de todos modos.
Ya hemos visto esta película. En enero de 2025, cuando DeepSeek demostró que un laboratorio chino podía igualar los modelos de razonamiento occidentales a bajo costo, el mercado concluyó que una inteligencia artificial más barata significaba un desplome de la demanda de chips y eliminó aproximadamente 600 mil millones de dólares de Nvidia en una sola sesión. La tesis era precisamente la contraria. Una inteligencia artificial más barata aumentó la demanda de computación, y Nvidia superó los 5 billones de dólares en valor. Explicamos el mecanismo completo en nuestro análisis de la migración de márgenes, donde argumentamos que la verdadera cuestión no es si la IA es rentable, sino dónde se concentra el dinero a medida que fluye a través de la cadena de valor.
En resumen, la advertencia de Slok se resume en que un aumento del 54 % en la eficiencia solo es bajista si el consumo se mantiene estable. Cada incremento de eficiencia anterior en este ciclo provocó un mayor consumo, no una disminución. Los alcistas apuestan a que la demanda seguirá superando al precio. Los bajistas apuestan a que finalmente no será así. Nadie sabe con certeza cuál de las dos opciones es la correcta, y ahí reside la clave.
Por qué “tan pocos nombres” es el verdadero riesgo
La frase más alarmante del informe de Slok no tiene nada que ver con la IA, sino con la concentración. Dado que gran parte del valor del mercado depende de tan pocas empresas, argumenta que una rentabilidad menor a la esperada no se limitaría a un problema sectorial, sino que podría llevar a la economía en general a una recesión y provocar una corrección en el S&P 500.
Esa es la diferencia entre 2023 y ahora. Hace tres años, esto era un problema matemático para el capital de riesgo. Hoy, el mismo puñado de acciones que representan la apuesta por la IA también lideran el índice, lo que significa que la cuestión del retorno de la inversión se ha convertido, discretamente, en la pregunta de todos, independientemente de si se posee o no un solo producto de IA.
Lo que esto significa si usted construye u opera
Tres conclusiones prácticas, independientemente de dónde te sientes:
En primer lugar, si vende productos con inteligencia artificial, fije el precio en función de un escenario donde el coste del modelo subyacente siga disminuyendo. El margen obtenido sobre un insumo que se está convirtiendo en un producto básico es estable. El margen que depende de que el insumo se mantenga caro no lo es.
En segundo lugar, si invierte en IA, las mejoras en eficiencia son reales y merece la pena aprovecharlas, pero preste atención al gasto total, no al precio por token. Las empresas que sufrieron pérdidas este año fueron las que confundieron una unidad más barata con una factura más baja.
En tercer lugar, si usted está expuesto al mercado, tenga en cuenta que la inversión en IA y la inversión en índices ahora son la misma operación. La promesa de flujo de caja libre para 2028 es el fundamento de ambas.
Preguntas frecuentes
¿Cómo se calculó la cifra de 3 billones de dólares? David Cahn, de Sequoia, partió de una estimación de gasto en infraestructura de IA para 2026 de aproximadamente 1,5 billones de dólares, a la que añadió los costes operativos y la rentabilidad que esperan los operadores e inversores sobre ese capital. Considera que 3 billones de dólares es una estimación conservadora, ya que los costes de la memoria y los chips especializados siguen en aumento.
¿Los laboratorios de IA se acercan siquiera a esa cifra de ingresos? No. Se estima que Anthropic genera cerca de 60 mil millones de dólares en ingresos anuales recurrentes (ARR), y OpenAI reportó ingresos de aproximadamente 13 mil millones de dólares en 2025. Incluso en conjunto, los laboratorios de vanguardia están muy por debajo de la cifra requerida, y OpenAI en particular está perdiendo mucho más de lo que gana.
¿Por qué afectaría esto a toda la economía? Porque un pequeño número de empresas impulsa actualmente tanto el desarrollo de la IA como una gran parte del S&P 500. Si no se cumple el plazo de recuperación de la inversión prometido para 2028, Slok, de Apollo, advierte que las consecuencias podrían empujar a la economía hacia una recesión y provocar una corrección en el índice.
¿Es realmente perjudicial para la industria una IA más barata? Solo si su uso se mantiene estancado. Históricamente, cada bajada en el coste de la IA ha impulsado un aumento significativo en su uso, razón por la cual los defensores y los detractores del mercado debaten sobre la demanda, no sobre el precio.
La perspectiva del analista de modelos de negocio
El titular de 3 billones de dólares está diseñado para asustar, y el riesgo de concentración al que apunta es real. Pero la lógica que subyace a la advertencia específica de Slok es más endeble de lo que parece. Apostar a que la caída de los precios de los tokens asfixiará la economía de la IA es la misma apuesta que le hizo perder 600 mil millones de dólares a Nvidia a principios de 2025, justo antes de que la demanda de computación se disparara y las acciones se triplicaran hasta alcanzar los 5 billones de dólares. La eficiencia nunca ha reducido este mercado; al contrario, siempre lo ha expandido.
La pregunta clave no es si la IA generará 3 billones de dólares, sino adónde va a parar ese dinero a medida que avanza en la cadena de valor. Los laboratorios de vanguardia están invirtiendo cantidades récord en productos que convergen hacia la intercambiabilidad, lo que significa que el dinero se escapa de ellos y se concentra en otros lugares: en la computación, en la nube y en los operadores especializados que dirigen la IA hacia los pocos trabajos donde realmente resulta rentable. Si se quiere tener razón en la cuestión de los 3 billones de dólares, hay que dejar de preguntarse si la industria es rentable y empezar a preguntarse quién se queda con el margen cuando lo es. Esa es la respuesta que merece la pena desarrollar.
