Can AI answer the $3 trillion question?
Hace tres años, David Cahn, socio de Sequoia, fue uno de los primeros en calcular y poner un número a las implicaciones del gigantesco gasto de Silicon Valley en infraestructura de inteligencia artificial (IA). En 2023, reaccionó a los ingresos anuales reportados de Nvidia por 50 mil millones de dólares en GPU. Partiendo de esa cifra, y sumando los costos implícitos de operar los centros de datos y los márgenes para sus operadores, dedujo que se necesitarían 200 mil millones de dólares en ingresos para recuperar la inversión inicial.
Lo tomó como un desafío, pidiendo a los emprendedores que crearan productos y servicios de IA para utilizar y generar ingresos a partir de toda esa infraestructura. Avanzando hasta hoy, sumando tres años de hiperescala, Cahn ha calculado un nuevo número en el gasto de 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 de centros de datos. Y eso probablemente sea una subestimación, ya que el aumento de los costos de memoria y el uso creciente de chips exóticos o específicos para inferencia impulsarán ese número al alza. «Recientemente», escribe, «los ingresos requeridos por GW de CapEx han aumentado drásticamente debido a estas dinámicas de cuello de botella y al aumento de los costos de construcción».
Por otro lado, se cree que Anthropic ha alcanzado 60 mil millones de dólares en ingresos anuales recurrentes (ARR), mientras que OpenAI reportó ingresos de 13 mil millones de dólares en 2025 (aunque en noviembre de 2025, dijo que estaba en 20 mil millones de dólares ARR) y presumiblemente está ganando más este año. Sin embargo, claramente hay una gran brecha por cerrar.
Alguien que está prestando atención a esa brecha es Torsten Slok, economista jefe de Apollo, el gigante gestor de activos. En una nota reciente, señala que los hiperescalares —Google, Meta, Microsoft y Amazon— están pronosticando aceleraciones masivas en su flujo de caja libre para 2028. Es decir, esperan ver el retorno de todos esos chips que compraron.
¿Qué pasa si no lo logran? Slok señala un riesgo que estamos viendo actualmente en el uso de la IA: más organizaciones están recurriendo a modelos de pesos abiertos más baratos, a menudo chinos, no aquellos construidos por los laboratorios de vanguardia, y los precios generales de los tokens están cayendo. El último modelo de OpenAI, según el CEO Sam Altman, es un 54% más eficiente en tokens en tareas de codificación. Eso es bueno para los usuarios preocupados por el costo de sus agentes de IA, pero podría ser malo para las empresas que construyen fábricas de tokens si los usuarios no aumentan enormemente su uso general de tokens con ellos.
Slok teme que si los hiperescalares no cumplen con 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 pondría en riesgo de recesión a la economía y de corrección al S&P 500».
Es 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.