Goldman Sachs: la inversión en IA pasa del hype a los centros de datos y la infraestructura

Goldman Sachs considera que el mercado de inversión en IA sale de la fase de entusiasmo generalizado y se vuelve claramente más selectivo. El foco pasa de las aplicaciones de IA más sonadas a los centros de datos, el suministro eléctrico, las redes y otras infraestructuras sin las cuales los modelos simplemente no funcionan.

Hacia dónde se desplaza el capital

Según el banco, los inversores miran cada vez menos a las empresas que se limitaron a añadir IA a su presentación y más a los actores que controlan la base física del sector. Se trata de propietarios y operadores de grandes centros de datos, y de proveedores de capacidad de cómputo, chips y equipos de red. La lógica es simple: gane el mercado la interfaz o el servicio de IA que gane, entrenar modelos y ejecutar inferencia seguirá exigiendo hardware, enlaces de comunicación y un suministro estable de energía.

Durante la primera ola de la IA generativa, el mercado elevaba la capitalización de muchas empresas solo por mencionar la IA. Ese efecto se debilita. Goldman Sachs describe el cambio como una «huida hacia la calidad»: el dinero va donde hay activos de infraestructura, ingresos claros y la posibilidad de ganar con el largo ciclo de adopción de la IA, y no solo con el hype de una aplicación más. Para los inversores, es el paso de apostar por promesas a apostar por la base de la economía de la IA que ya funciona.

«Huida hacia la calidad» es como

Goldman Sachs describe la nueva etapa del mercado de la IA.

Por qué los centros de datos pesan más

Goldman Sachs Research espera que en los próximos dos años las cargas de trabajo de IA puedan ocupar alrededor del 30 % de la capacidad total de los centros de datos. La razón está en la naturaleza de las tareas de IA. Entrenar grandes modelos requiere miles de chips trabajando en paralelo durante semanas sin parar. La inferencia tampoco es gratis: cuando un servicio se lanza para usuarios o empresas, necesita capacidad de cómputo constante, no picos cortos como ocurre con parte de las cargas clásicas de la nube.

La carga crece por varias vías a la vez:

• nuevos clústeres de GPU y CPU para entrenar modelos
• capacidad permanente para inferencia en productos y sistemas corporativos
• ampliación de la infraestructura de red entre clústeres, almacenamiento y nube
• nuevos emplazamientos con refrigeración, alimentación de respaldo y seguridad física

Por eso los mayores proveedores de nube y desarrolladores de IA invierten decenas de miles de millones de dólares en nuevos centros de datos y equipos de cómputo. Para el mercado, esto implica un cambio simple: la capa más resistente vuelve a estar en la base de la pila. Las aplicaciones aún pueden aparecer y desaparecer con rapidez, pero la demanda de cómputo, redes y alojamiento de capacidad sigue siendo una necesidad básica en casi todos los escenarios de desarrollo de la IA. Con esta lógica, ganan tanto los operadores de centros de datos como los fabricantes de componentes clave.

Los principales límites al crecimiento

La siguiente etapa de la carrera de la IA choca no solo con los modelos, sino con la realidad de los servicios públicos. Goldman Sachs Research estima que la demanda mundial de electricidad de los centros de datos podría crecer en torno a un 175 % de aquí a 2030 respecto al nivel de 2023, con las cargas de IA como principal motor. El material lo compara con añadir al sistema eléctrico mundial otro país de los diez mayores consumidores de electricidad. Para gobiernos, empresas de redes y los propios proveedores, ya no es teoría, sino una tarea de inversión.

Esto ya influye en dónde se construyen las nuevas instalaciones. Los grandes clústeres de IA necesitan no solo salas de servidores, sino fuentes de energía estables, líneas de comunicación potentes, sistemas de refrigeración y suficiente terreno. Por eso algunos nuevos emplazamientos se plantean en regiones remotas, donde es más fácil acceder a electricidad y territorio. Los investigadores señalan también que el consumo de energía y agua depende no solo de los chips, sino de la geografía y de la arquitectura de refrigeración. Es decir, la eficiencia es cada vez más una cuestión de ubicación.

Hay además barreras más prosaicas. Construir grandes centros de datos lleva años y depende de una larga cadena de suministro: hay que gestionar el terreno, conectarse a las redes eléctricas, acordar suministros de energía a largo plazo, comprar equipamiento eléctrico y esperar a que se amplíe la infraestructura de red. La escasez de componentes y los retrasos en la modernización de las redes eléctricas frenan los proyectos, por lo que los inversores valoran especialmente a las empresas que ya tienen hoy una gran red de centros de datos. La infraestructura lista deja de ser solo un activo y pasa a ser una ventaja competitiva de alto valor.

Qué significa

Para el mercado de la IA, es una señal de madurez. La época en que bastaba con añadir la sigla IA a una presentación va terminando poco a poco. La próxima ronda de competencia no la ganará solo quien tenga el mejor modelo o interfaz, sino quien sea capaz de garantizar cómputo, energía y una entrega estable del servicio a escala. En pocas palabras, el futuro de la IA depende cada vez más no solo de los algoritmos, sino también del hormigón, los cables y los megavatios.