Can AI answer the $3 trillion question?
Hace tres años, David Cahn, socio de Sequoia, fue uno de los primeros en calcular las implicaciones del descomunal gasto de Silicon Valley en infraestructura de inteligencia artificial (IA). En 2023, reaccionó ante los ingresos anuales reportados de Nvidia de 50 mil millones de dólares por sus GPU. A partir de esa cifra, y sumando los costos implícitos de operar los centros de datos y los márgenes para sus operadores, dedujo que serían necesarios 200 mil millones de dólares en ingresos para recuperar la inversión inicial.
Tomó esto como un desafío, pidiendo a los emprendedores que desarrollaran productos y servicios de IA para utilizar y generar ingresos a partir de toda esa infraestructura. Avanzando hasta hoy, y sumando tres años de hiperescala, Cahn ha calculado un nuevo gasto en infraestructura de IA para 2026: 1.5 billones de dólares. En total, calcula que la industria de la IA tendrá que ganar 3 billones de dólares para justificar todos esos chips y otros gastos en centros de datos. Y probablemente sea una subestimación, ya que los crecientes costos de la memoria y el uso cada vez mayor de chips exóticos o específicos para inferencia aumentarán esa cifra. «Recientemente,» escribe, «los ingresos requeridos por GW de CapEx han aumentado drásticamente debido a estas dinámicas de cuello de botella y los crecientes costos de construcción.»
Por otro lado, se cree que Anthropic ha alcanzado los 60 mil millones en ingresos recurrentes anuales, mientras que OpenAI reportó haber ganado 13 mil millones en 2025 (aunque en noviembre de 2025, dijo que estaba en 20 mil millones de ingresos recurrentes anuales) y se presume que está ganando más este año. Pero claramente hay una gran brecha por cerrar.
Alguien que está prestando atención a esa brecha es Torsten Slok, economista jefe en Apollo, el gigante gestor de activos. En una nota reciente, señala que los hiperescalares —Google, Meta, Microsoft y Amazon— están prediciendo aceleraciones masivas en su flujo de caja libre para 2028. Es decir, esperan ver el retorno de toda esa inversión en chips que compraron.
¿Y si no lo logran? Slok señala un riesgo que estamos viendo actualmente en el uso de la IA: más organizaciones recurriendo a modelos de peso abierto más baratos, a menudo chinos, no aquellos construidos por los laboratorios de vanguardia, y en general 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. Eso es bueno para los usuarios preocupados por el costo de sus agentes de IA, pero puede ser malo para las empresas que construyen fábricas de tokens si los usuarios no aumentan drásticamente su uso general de tokens con ellos.
Slok teme que si los hiperescalares no alcanzan sus objetivos de flujo de caja, la reacción del mercado podría ser severa — «con tanto en juego en tan pocos nombres,» escribe, «un retorno más lento no solo sería un problema del sector, sino que podría arriesgarse a llevar la economía a una recesión y al S&P 500 a una corrección.»
Algo a tener en cuenta mientras diriges a tus agentes de IA hacia tokens más baratos.
Fuente: https://techcrunch.com/2026/07/09/can-ai-answer-the-3-trillion-question/
Regístrate para leer esta noticia
Solo necesitas tu email. Sin contraseñas.