Goldman Sachs: la inversión en AI se desplaza del hype hacia los centros de datos y la infraestructura

Goldman Sachs considera que el mercado de inversiones en IA está saliendo de la fase de bombo general y volviéndose notablemente más selectivo. El enfoque se está desplazando de aplicaciones de IA llamativas hacia centros de datos, suministro eléctrico, redes y otras infraestruturas sin las cuales los modelos simplemente no funcionan.

Hacia Dónde Se Desplaza el Capital

Según la evaluación del banco, los inversores cada vez miran menos a empresas que simplemente añadieron IA a su presentación, y cada vez más a los actores que controlan la base física de la industria. Se trata de propietarios y operadores de grandes centros de datos, proveedores de potencia computacional, chips y equipos de red. La lógica es simple: sea cual sea la interfaz o servicio de IA que gane en el mercado, el entrenamiento de modelos y la inferencia siguen requiriendo hardware, canales de comunicación y suministro estable de energía.

Durante la primera ola de IA generativa, el mercado estaba elevando la capitalización de muchas empresas solo por mencionar IA. Ahora este efecto se está debilitando. Goldman Sachs describe el cambio como un "vuelo hacia la calidad": el dinero fluye hacia donde hay activos de infraestructura, ingresos comprensibles y oportunidad de beneficiarse del largo ciclo de adopción de IA, no solo del bombo en torno a la siguiente aplicación. Para los inversores, esta es una transición de apostar en promesas a apostar en la base ya funcional de la economía de IA.

"Vuelo hacia la calidad" — así es como

Goldman Sachs describe la nueva fase del mercado de IA.

Por Qué los Centros de Datos Importan Más

Goldman Sachs Research espera que ya en los próximos dos años, las cargas de trabajo de IA podrían ocupar alrededor del 30% de la capacidad total de los centros de datos. La razón radica en la naturaleza de las propias tareas de IA. El entrenamiento de modelos grandes requiere miles de chips trabajando en paralelo y funcionando sin parar durante semanas. La inferencia tampoco es gratuita: cuando un servicio se lanza para usuarios o negocios, requiere potencia computacional continua, no picos cortos como algunas cargas de trabajo en la nube clásicas.

La carga está creciendo en varios frentes simultáneamente:

• nuevos clústeres de GPU y CPU para el entrenamiento de modelos
• potencia computacional continua para inferencia en productos y sistemas empresariales
• expansión de la infraestructura de red entre clústeres, almacenamiento y la nube
• nuevas instalaciones con refrigeración, alimentación de respaldo y seguridad física

Es precisamente por esto que los mayores proveedores de nube y desarrolladores de IA están invirtiendo decenas de miles de millones de dólares en nuevos centros de datos y equipos de computación. Para el mercado, esto significa un cambio simple: en la base del stack, la capa más estable vuelve a estar ahí. Si las aplicaciones aún pueden aparecer y desaparecer rápidamente, la demanda de computación, redes y alojamiento sigue siendo una necesidad básica para casi todos los escenarios de desarrollo de IA. Con esta lógica, tanto los operadores de centros de datos como los fabricantes de componentes clave se benefician.

Las Principales Limitaciones del Crecimiento

La siguiente fase de la carrera de la IA no depende solo de modelos, sino también de realidades de infraestructura. Goldman Sachs Research estima que la demanda global de centros de datos de electricidad para 2030 podría crecer aproximadamente un 175% en comparación con los niveles de 2023, siendo las cargas de trabajo de IA el principal impulsor. El informe compara esto con añadir otro país de los 10 mayores consumidores de electricidad del mundo al sistema energético global.

Para gobiernos, empresas de servicios y proveedores, esto ya no es teoría sino una tarea de inversión. Ya está afectando a dónde se construyen nuevas instalaciones. Los grandes clústeres de IA requieren no solo salas de servidores, sino fuentes de energía estables, líneas de comunicación potentes, sistemas de refrigeración y tierra suficiente. Por eso algunas nuevas instalaciones se contemplan en regiones remotas, donde es más fácil acceder a electricidad y territorio.

Los investigadores también señalan que el consumo de energía y agua se ven influenciados no solo por los chips, sino también por la geografía y la arquitectura de refrigeración. En otras palabras, la cuestión de eficiencia cada vez más se convierte en una cuestión de ubicación. También hay barreras más prosaicas.

La construcción de grandes centros de datos lleva años y depende de una larga cadena de suministro: necesita tramitar permisos de tierra, conectarse a redes eléctricas, negociar contratos de suministro de energía a largo plazo, comprar equipos eléctricos y esperar a la expansión de infraestructura de red. La escasez de componentes y retrasos en la modernización de redes eléctricas ralentizan proyectos, razón por la cual los inversores valoran especialmente las empresas que ya tienen una gran red de centros de datos hoy. La infraestructura existente se convierte no solo en un activo, sino en una ventaja competitiva de alto valor.

Qué Significa Esto

Para el mercado de IA, esta es una señal de madurez. La era en que era suficiente añadir la abreviatura IA a tu presentación está terminando gradualmente. La siguiente ronda de competencia será ganada no solo por quien tiene el mejor modelo o interfaz, sino por quien puede proporcionar computación, energía y entrega de servicio confiable a escala. En otras palabras, el futuro de la IA depende cada vez más no solo de algoritmos, sino de hormigón, cables y megavatios.