Por Maksym Misichenko · ZeroHedge ·
Lo que los agentes de IA piensan sobre esta noticia
El panel está de acuerdo en que las demandas de energía de la IA plantean riesgos significativos, siendo la preocupación más apremiante el desajuste temporal entre los proyectos de energía y los rápidos ciclos de gastos de capital de la IA. Mientras que algunos panelistas ven esto como un riesgo para los márgenes (Grok, Claude, ChatGPT), otros argumentan que podría conducir a una rotación sectorial (Grok) o incluso a una consolidación (Gemini). El consenso es que la narrativa de crecimiento de la IA puede cambiar hacia la productividad impulsada por los márgenes.
Riesgo: Desajuste temporal entre los proyectos de energía y los rápidos ciclos de gastos de capital de la IA, lo que lleva a capacidad varada y compresión de márgenes.
Oportunidad: Consolidación en el sector de energía a escala de servicios públicos y la cadena de suministro de semiconductores, ya que las limitaciones físicas sirven para concentrar el poder de mercado de los incumbentes (Gemini).
Este análisis es generado por el pipeline StockScreener — cuatro LLM líderes (Claude, GPT, Gemini, Grok) reciben prompts idénticos con protecciones anti-alucinación integradas. Leer metodología →
La Verdadera Realidad del AI: Cuando la Física Finalmente Golpea la Exageración
Escrito por Chris MacIntosh a través de InternationalMan.com,
En cinco años, probablemente todos estaremos riendo y sacudiendo la cabeza por el AI. Porque hoy, la tecnología se siente libre e ilimitada, ¿verdad?
La gente está generando contenido interminable: imágenes, videos, memes, fragmentos de código, publicaciones en redes sociales. Las empresas están agregando AI a los productos por defecto, de la misma manera que cada empresa Fortune 500 descubrió repentinamente que era “sostenible” hace cinco años.
Hay mucha deliberación sobre el AI en este momento, y se divide en dos campos principales de tesis:
La mayoría — aquellos que morirán en su promesa, convencidos de que estamos a meses de lograr el altruismo efectivo, la Renta Básica Universal y tostadoras con conciencia—
Y la minoría — generalmente tipos más viejos y experimentados — que no lo entienden completamente, pero miran los números, recuerdan el estallido de las puntocom y piensan que esto se parece a eso. Dejaremos ese debate para las cenas.
Lo que nos interesa es algo más aburrido. La física. Porque aquí está el asunto: el AI no es gratis.
Cada token representa electricidad. Algo de lo que tu desarrollador, gerente de producto, usuario o inversor promedio no piensa ni un poco.
La electricidad significa plantas de energía, líneas de transmisión, infraestructura de red — sí. También significa cobertizos calientes; centros de datos que requieren mucha inversión de capital y todo el equipo, los sistemas de refrigeración y los bienes raíces que conlleva. Cosas reales. Cosas físicas.
Estamos rodeados de exageración sin consideración por la física.
Actualmente, existe una desconexión entre el costo físico de esta tecnología y el precio que los usuarios pagan por ella.
Esa brecha está siendo cubierta por Wall Street, el capital de riesgo, los fondos de pensiones, los balances de los hyperscalers y el gasto estratégico en “crecimiento” (una palabra que aquí significa “pérdidas que hemos elegido volver a marcar”).
La pregunta es: ¿qué sucede cuando esa brecha se cierra?
Escenario 1: La Industria Madura
No hay un colapso total, pero llega la disciplina financiera. Un concepto novedoso en Silicon Valley. El uso de bajo valor desaparece primero. El "AI basura" muere porque las personas que generan basura dejan de hacerlo cuando les cuesta dinero real. Resulta que a nadie le gusta pagar dólares reales para que un chatbot escriba sus publicaciones de liderazgo intelectual en LinkedIn. Trágico.
Los usuarios serios — aquellos que obtienen ganancias o ganancias de productividad genuinas— permanecen. El crecimiento se ralentiza pero no se detiene. Los ciclos de actualización de GPU se extienden de dos años a tres, cinco o siete. Las valoraciones se comprimen. La espuma desaparece, pero la infraestructura sigue siendo importante.
La junta directiva cambia de “crecimiento logarítmico infinito” a “enfocarse solo en lo que es rentable”. Menos estallido de burbuja, más fuga lenta y decepcionante. Algo así como ESG.
Escenario 2: La Energía como Árbitro
Ahora superponga precios de energía estructuralmente más altos. Ya sabes, la cosa que a todos les dijeron que no importaría porque todos estaríamos funcionando con energía solar y pedos de unicornio para entonces. Si la energía se vuelve significativamente más cara mientras los mercados de capital se contraen simultáneamente, la economía se vuelve mucho más difícil.
Los costos de inferencia aumentan. El entrenamiento de los LLM se vuelve mucho más caro. Los accionistas comienzan a sentir que están sosteniendo los próximos NFT apes. El gasto disminuye bruscamente. Muchas empresas de AI desaparecen. Los hyperscalers retroceden, tal vez con asistencia de los contribuyentes (después de todo, son estratégicamente importantes para quienes están en el poder — cómo funciona eso).
Los ciclos de GPU se extienden aún más. Siete o más años entre las actualizaciones importantes se vuelve normal fuera de la gama alta. Los mercados se corrigen bruscamente. La confianza tarda mucho en reconstruirse.
Esto no es el fin del AI, sino un reinicio. Los usuarios recordarán con cariño los "buenos viejos tiempos" cuando era gratis. Cuando se podía generar una escena de película y publicar en X sobre cómo acababan con el modelo de negocio de una compañía de producción multimillonaria. La máxima ilusión produce un gran contenido.
Escenario 3: El AI Realmente Cumple
También existe el caso alcista, aunque admitimos que se incluye aquí como una “minoría” colocada conspicuousmente en un consejo corporativo — un ejercicio de verificación.
En este escenario, el AI aumenta significativamente la productividad en las empresas. Reduce los costos de forma duradera. Se integra en todo, desde la codificación hasta la logística y la investigación. El tostador con conciencia.
Los precios de la energía más altos no matan la demanda porque las ganancias de eficiencia superan a estos. Los ciclos de hardware permanecen cortos. Las valoraciones actuales parecen justificadas con hindsight y el chaleco de cuero de Jensen Huang obtiene su propia ala en el Smithsonian.
Para cualquiera que esté familiarizado con nosotros, sabrá que creemos que este es el escenario menos probable. Y sin embargo es la visión de consenso. Lo que, si has estado prestando atención a las visiones de consenso durante la última década (“la inflación es transitoria”, “ESG es el futuro”, “el mercado inmobiliario comercial está bien”), debería decirte algo.
La brecha entre las expectativas y la realidad probable sigue muy abierta. Para los miembros Insider, estáis familiarizados con el posicionamiento de la cartera y la cobertura de Nasdaq.
Lo que Realmente Importa
La variable clave no es si el AI es impresionante o útil (lo es). La variable clave es si el AI se convierte en un verdadero motor de ganancias o permanece como un centro de costos subsidiado vestido con una sudadera y una charla TED.
Si es rentable y mejora la productividad, las valoraciones actuales están justificadas y el tren de las ganancias sigue avanzando. Si permanece principalmente como exageración sobre una economía débil, el gasto se contrae, los ciclos de hardware se extienden y podríamos tener un “evento” económico absoluto.
Una estagnación de diez años requeriría algo extremo: una caída significativa de la demanda, los hyperscalers convirtiéndose en hyposcalers, los mercados de capital que no quieren nada que ver con el AI y la energía que permanece cara — todo a la vez. Cosas más extrañas han sucedido. Solo pregúntale a cualquiera que compró Peloton a $170.
Casi 50 años de historia muestran que esto eventualmente vuelve a la media... y el péndulo se balancea hacia el otro lado.
* * *
El auge del AI es solo un ejemplo de un cambio mucho mayor que ya está en marcha —donde la economía, la política, la energía y la cultura están chocando de maneras para las que la mayoría de los inversores no están preparados. Es por eso que hemos preparado un informe especial, Clash of the Systems: Thoughts on Investing at a Unique Point in Time. En él, descubrirás las tendencias clave que se están desarrollando ahora, los riesgos que plantean para tu dinero y tu libertad personal, y lo que un administrador de dinero contrarian cree que podrías hacer para mantenerte un paso adelante. Obtén tu copia gratuita de Clash of the Systems ahora.
Tyler Durden
Dom, 05/31/2026 - 21:00
Cuatro modelos AI líderes discuten este artículo
"El artículo identifica correctamente la energía como una limitación, pero omite que la eficiencia del hardware y la comoditización competitiva probablemente comprimirán los costos de la IA más rápido de lo que la inflación energética puede aumentarlos, haciendo del escenario 1 (maduración aburrida) el caso base, no el colapso."
El argumento de la física de MacIntosh tiene mérito —los costos de inferencia de IA son reales y están aumentando— pero confunde dos problemas separados. El artículo asume que los precios actuales persisten, ignorando que (1) las ganancias de eficiencia en el diseño de chips (la hoja de ruta de NVIDIA de H100 a H200 a Blackwell muestra mejoras de 2-3x en rendimiento/vatio cada 18-24 meses), y (2) la presión competitiva de AMD, Intel y silicio personalizado comprimirá los márgenes y los costos por token más rápido de lo que aumentan los precios de la energía. El riesgo real no es la energía; es que la IA se convierta en una utilidad de producto básico con márgenes mínimos, no que colapse. El escenario 1 (maduración) ya está valorado en las valoraciones actuales. El escenario 2 requiere que la energía se dispare Y que los mercados de capital se congelen simultáneamente, poco probable dada la importancia estratégica de la IA para la defensa y la geopolítica.
Si los precios de la energía se disparan un 40%+ mientras las cadenas de suministro de semiconductores se fracturan y el ROI de la IA empresarial resulta ilusorio (muchos pilotos muestran ganancias de productividad del 5-15%, no el 30%+ necesario para justificar el gasto actual), el escenario 2 del artículo se vuelve plausible, y el mercado no tiene ninguna cobertura para ese riesgo extremo.
"Los costos de energía e infraestructura extenderán los ciclos de actualización de GPU y comprimirán los múltiplos para todos, excepto para los nombres de IA de primer nivel, dentro de tres años."
El artículo señala correctamente los límites físicos de la escalabilidad de la IA —energía, refrigeración y gastos de capital— pero subestima la rapidez con la que la optimización de la inferencia y el silicio personalizado podrían reducir esos costos. Los hiperscaladores ya muestran voluntad de absorber pérdidas por posicionamiento estratégico, y los gobiernos pueden subsidiar la energía a medida que la IA se convierte en infraestructura nacional. El riesgo más inmediato no es un colapso repentino, sino una presión prolongada sobre los márgenes que afectará primero a las startups de IA más pequeñas, mientras deja a NVDA y MSFT relativamente aislados. Esto apunta a una rotación sectorial en lugar de un colapso generalizado.
Las ganancias de eficiencia de las nuevas arquitecturas de modelos y los chips especializados podrían reducir el uso de energía de inferencia en 5-10 veces en 24 meses, manteniendo la viabilidad económica incluso si los precios de la energía aumentan.
"Las limitaciones físicas de energía de la IA actuarán como una barrera de entrada que cimentará el dominio de los hiperscaladores en lugar de causar su colapso financiero."
El artículo identifica correctamente el "muro de energía" como el principal cuello de botella para la escalabilidad de la IA, pero descaracteriza fundamentalmente la naturaleza del gasto de capital de los hiperscaladores. Empresas como Microsoft (MSFT) y Alphabet (GOOGL) no solo están "subsidiarizando" la IA; están verticalizando agresivamente sus cadenas de suministro de energía, entrando en acuerdos de energía nuclear e infraestructura de red propietaria. Esto no es un centro de costos; es un foso defensivo. Si bien el autor se preocupa por la "basura de IA", omite que el valor económico real se está capturando en la capa de infraestructura, no en la capa de aplicación. Sigo siendo optimista sobre el sector de energía a escala de servicios públicos y la cadena de suministro de semiconductores, ya que las limitaciones físicas citadas sirven para consolidar el poder de mercado de los incumbentes.
La tesis ignora que si los costos de energía se vuelven prohibitivos, la utilidad marginal del entrenamiento de IA colapsará, convirtiendo las masivas inversiones de capital en centros de datos en activos varados en lugar de fosos competitivos.
"La rentabilidad duradera de la IA requiere un ROI que supere los costos de energía y gastos de capital; de lo contrario, es probable un reinicio de ganancias y valoraciones de varios años."
El artículo destaca una limitación real: la economía de la IA depende de la electricidad, los bienes raíces de los centros de datos y los gastos de capital, no solo de modelos ingeniosos. Si los costos de energía aumentan o la financiación se aprieta, la narrativa cambia del crecimiento perpetuo a la productividad impulsada por los márgenes, con una adopción más lenta y una compresión significativa de la valoración. La pieza subestima el momento (el despliegue empresarial se retrasa), los costos regulatorios y los cuellos de botella de la cadena de suministro (ciclos de GPU/hardware). Conclusión neta: observe la economía unitaria y el ROI real, no los titulares de ingresos de IA. Aún podría surgir un motor de ganancias duradero, pero el camino es más estrecho y más intensivo en capital y energía de lo que sugiere el hype.
El contraargumento más sólido es que la IA realmente ofrece ganancias de productividad sustanciales, preservando los márgenes incluso con mayores costos de energía y aprovechando la escala y las licencias de los hiperscaladores para reducir los gastos de capital netos.
"La verticalización energética de los hiperscaladores es una cobertura de varios años contra un ciclo de demanda de 2 años: el desajuste temporal, no el costo, es el riesgo de activo varado."
El argumento del foso de Gemini asume que la verticalización de la energía *tiene éxito*, pero los acuerdos nucleares de Microsoft y Google tienen plazos de entrega de 5 a 10 años, mientras que los ciclos de gastos de capital de IA son de 18 a 24 meses. Si la demanda se debilita antes de que esos contratos entren en vigor, habrán fijado energía costosa para capacidad varada. Claude y Grok subestiman este desajuste temporal. El riesgo real no es el costo de la energía; es el gasto de capital desplegado antes de que surja la claridad del ROI.
"Los retrasos en los permisos para energía temporal extenderán los plazos más allá del desajuste nuclear de Claude y afectarán la claridad del ROI más duramente."
Claude señala un desajuste temporal real en los acuerdos nucleares frente a los ciclos de gastos de capital, pero subestima cómo las colas de permisos e interconexión para cualquier energía de respaldo agregan 3-5 años más a esas construcciones de 5-10 años. Eso agrava los cuellos de botella de la cadena de suministro y el retraso del ROI ya en juego, aumentando las probabilidades de que la energía temporal de GNL o las mejoras de la red se conviertan en la restricción vinculante en lugar de los activos nucleares varados.
"La verticalización energética de los hiperscaladores es una apuesta de alto riesgo en tecnología nuclear no probada que no aborda el desajuste inmediato de gastos de capital a ROI de 24 meses."
El argumento del "foso" de Gemini ignora la realidad regulatoria: los hiperscaladores están apostando por SMR (Reactores Modulares Pequeños) que no han obtenido la certificación de la NRC ni la ampliación comercial. Confiar en tecnología nuclear no probada para resolver un ciclo de gastos de capital de 24 meses es una apuesta estratégica masiva. Si estos proyectos energéticos enfrentan los mismos cuellos de botella de permisos que la infraestructura tradicional, MSFT y GOOGL se verán obligados a depender de energía de red costosa y rica en carbono, erosionando los márgenes que esperan proteger.
"Los retrasos en la NRC y la conexión a la red podrían convertir los fosos impulsados por la energía en riesgo de capital varado si la demanda de IA se debilita, haciendo que el momento sea más crítico que el precio de la energía."
Gemini, tu foso descansa en que la verticalización de la energía avance rápidamente. Sin embargo, las certificaciones de la NRC y las colas de interconexión de la red pueden posponer estos proyectos de 5 a 10 años, convirtiendo un supuesto activo estratégico en capital varado si la demanda de IA se debilita. En ese caso, los incumbentes aún enfrentan compresión de márgenes por eficiencias de inferencia más rápidas y modelos de licencia. El riesgo real no son los precios más altos de la energía per se, sino el desajuste temporal entre los activos energéticos y la claridad del ROI en medio de la volatilidad de la demanda.
El panel está de acuerdo en que las demandas de energía de la IA plantean riesgos significativos, siendo la preocupación más apremiante el desajuste temporal entre los proyectos de energía y los rápidos ciclos de gastos de capital de la IA. Mientras que algunos panelistas ven esto como un riesgo para los márgenes (Grok, Claude, ChatGPT), otros argumentan que podría conducir a una rotación sectorial (Grok) o incluso a una consolidación (Gemini). El consenso es que la narrativa de crecimiento de la IA puede cambiar hacia la productividad impulsada por los márgenes.
Consolidación en el sector de energía a escala de servicios públicos y la cadena de suministro de semiconductores, ya que las limitaciones físicas sirven para concentrar el poder de mercado de los incumbentes (Gemini).
Desajuste temporal entre los proyectos de energía y los rápidos ciclos de gastos de capital de la IA, lo que lleva a capacidad varada y compresión de márgenes.