Los verdaderos ganadores del auge de la IA no son las empresas de IA — es la capa de infraestructura
Toda fiebre del oro convierte en millonarios a los vendedores de palas. El superciclo de IA 2024–2026 sigue el mismo patrón: mientras OpenAI, Anthropic y Google discuten sobre qué modelo es más inteligente, las empresas que venden GPU, redes, energía, refrigeración e infraestructura de nube están registrando ingresos récord con márgenes abultados. Esta es la capa de infraestructura que realmente está imprimiendo dinero.
El dominio sostenido de Nvidia
Los ingresos del centro de datos de Nvidia alcanzaron $35.6B en un solo trimestre (Q1 FY2026) — una cifra que hace cinco años habría parecido ficticia. La transición de H100/H200 a la arquitectura Blackwell está en pleno desarrollo, con los sistemas de rack GB200 NVL72 que se cotizan a más de $3M por rack y siguen teniendo pedidos pendientes de trimestres enteros.
El salto de ingeniería clave en Blackwell es NVLink 5, que entrega un ancho de banda GPU-a-GPU de 1.8 TB/s. Esto permite que un clúster de inferencia de 72 GPU se comporte como un solo acelerador masivo — algo crítico para el serving de modelos grandes donde la latencia de comunicación entre GPU era previamente un muro infranqueable. La demanda sigue superando a la oferta por un amplio margen, lo que le da a Nvidia un poder de fijación de precios extraordinario.
La MI300X de AMD es un competidor genuino — ha superado una tasa de ingresos anuales de más de $5B y está ganando despliegues significativos en hiperescaladores y proveedores de nube. Pero el ecosistema CUDA de Nvidia, construido durante 15 años de herramientas para desarrolladores, integración de frameworks y bibliotecas de software, sigue siendo el foso principal. Cambiar de CUDA a ROCm requiere una inversión real en ingeniería, y la mayoría de los equipos de IA no están haciendo ese intercambio a menos que los ahorros de costos sean abrumadores.
La apuesta por las redes — Ethernet vs InfiniBand
Las redes son el cuello de botella invisible en la construcción de clústeres de IA. InfiniBand, desarrollado originalmente para HPC y ahora controlado por Nvidia (a través de la adquisición de Mellanox en 2020), domina los clústeres de entrenamiento de IA de alto rendimiento. Su red de baja latencia y alto rendimiento está diseñada específicamente para las operaciones all-reduce de las que depende el entrenamiento distribuido.
Pero los hiperescaladores están respondiendo. Google, Microsoft y Meta están construyendo redes de IA basadas en Ethernet usando la especificación del Ultra Ethernet Consortium (UEC) — un esfuerzo colaborativo para llevar el rendimiento de nivel InfiniBand al Ethernet estándar a menor costo y sin dependencia de un solo proveedor. Esto crea una gran oportunidad para Arista Networks (switches de alto radio), Broadcom (ASIC Tomahawk 5, que alcanza 51.2 Tbps por chip) y Cisco.
Broadcom ha proyectado más de $60B en ingresos acumulados de ASIC de redes para IA para 2027 — una cifra que refleja tanto el crecimiento orgánico como la transición de los hiperescaladores hacia Ethernet. El silicio personalizado está acelerando la misma tendencia: las TPU de Google, AWS Trainium 2 y Microsoft Maia 100 están reduciendo la dependencia de Nvidia para las cargas de trabajo de entrenamiento, mientras canalizan el gasto hacia su propio silicio y los proveedores de redes que lo conectan.
Energía y refrigeración — el cuello de botella ignorado
Un solo rack GB200 NVL72 consume 120 kW de energía. Un clúster de 1,000 GPU sostiene 1.67 MW de forma continua — aproximadamente el consumo de 1,400 hogares promedio en EE.UU., funcionando las 24 horas del día, los 7 días de la semana. A esa densidad, la restricción ya no son las GPU. Es la distribución de energía y la gestión térmica.
Los centros de datos refrigerados por aire tradicionales alcanzan un máximo de alrededor de 20-30 kW por rack. Las instalaciones optimizadas para IA necesitan refrigeración líquida directa (DLC) — tuberías de refrigerante que llegan directamente al chasis del servidor, eliminando el calor en la fuente. Vertiv es uno de los principales beneficiarios, suministrando sistemas de refrigeración líquida e infraestructura de refrigeración de precisión a nivel global. Eaton proporciona sistemas de alimentación ininterrumpida (UPS) y unidades de distribución de energía (PDU) a nivel de rack y fila. Las celdas de combustible de Bloom Energy se despliegan cada vez más para complementar la energía de la red en instalaciones a escala de IA.
Los REIT de centros de datos se están beneficiando de la escasez estructural de oferta. Equinix y Digital Realty están construyendo campus optimizados para IA desde cero — diseñados para densidades de 50-100 kW por rack con DLC integrado desde los cimientos. La dinámica clave: un nuevo centro de datos de 100 MW listo para IA tarda entre 18 y 24 meses en permisos, diseño y construcción. Ese atraso crea un poder de fijación de precios significativo para los operadores existentes con capacidad disponible hoy.
El aumento del gasto de capital de los hiperescaladores de la nube
La escala del gasto de los hiperescaladores es difícil de exagerar. Microsoft se ha comprometido a $80B en gastos de capital en 2026, principalmente para infraestructura de IA. Google ha orientado a $75B. La cifra de Amazon es la más grande, con $105B. Estos no son compromisos de marketing — se reflejan en los resultados trimestrales como gasto concreto en construcción y equipamiento.
El dinero fluye hacia un conjunto concentrado de proveedores. TSMC fabrica los chips H20 y B200 y maneja el empaquetado avanzado CoWoS (Chip-on-Wafer-on-Substrate) que apila la memoria HBM directamente sobre el die de la GPU. La capacidad de CoWoS ha sido reportada como un cuello de botella en la producción de GB200 — TSMC ha estado operando a plena capacidad y expandiendo su producción a un ritmo que aún queda por detrás de la demanda.
SK hynix y Samsung suministran HBM3 y HBM3E, la memoria de alto ancho de banda que hace posibles los aceleradores de IA modernos. ASML proporciona las máquinas de litografía EUV sin las cuales no se pueden fabricar chips de vanguardia. Toda la cadena de suministro está operando al máximo — y como cada eslabón tarda años en expandirse, el poder de fijación de precios de los proveedores restringidos persistirá bien entrado 2027.
La capa de startups — palas y picos de infraestructura
Por debajo del nivel de los hiperescaladores, una ola de startups de infraestructura está capturando la demanda que Amazon, Microsoft y Google no pueden o no quieren atender:
- CoreWeave: La startup de nube de GPU más observada. Recaudó $11.9B con una valoración de $23B en 2025, construida sobre una flota de Nvidia H100 alquiladas a empresas de IA a tasas premium. Rentable por GPU y expandiéndose agresivamente hacia hardware Blackwell.
- Lambda Labs: Nube de GPU enfocada en IA con $320M recaudados. Apunta a investigadores y equipos de IA del mercado medio que no pueden obtener cuotas de hiperescaladores — un problema real dadas las listas de espera de AWS y Azure.
- Together AI: Startup de API de inferencia especializada en serving multi-modelo optimizado. Ofrece acceso a modelos de pesos abiertos (Llama, Mistral, etc.) con precios competitivos por token y enfoque en el rendimiento.
- Modal: Computación de GPU sin servidor para desarrolladores. Abstrae la gestión de clústeres — escribes Python, Modal maneja el aprovisionamiento, escalado y facturación por segundo de uso real de GPU.
- Groq: Construyó la LPU (Language Processing Unit), un chip diseñado específicamente para inferencia. Afirma más de 500 tokens/segundo en modelos clase Llama — significativamente más rápido que la inferencia basada en GPU a costo equivalente para ciertas cargas de trabajo.
- Cerebras: Arquitectura de chip a escala de oblea que empaqueta una oblea de silicio completa en un solo procesador. Recientemente solicitó IPO. Fuerte posicionamiento para cargas de trabajo de entrenamiento donde el tamaño del modelo excede los límites de memoria de una sola GPU.
Las matemáticas de la valoración
Las empresas de infraestructura en el ciclo de IA están cotizando a múltiplos de ingresos 2–3 veces más altos que los benchmarks históricos de software — y por razones defendibles. La infraestructura de IA es escasa (restringida por la oferta), intensiva en capital (altas barreras de entrada) y pegajosa (los costos de cambio son reales). Estas son las condiciones que justifican múltiplos premium.
La valoración de $23B de CoreWeave sobre aproximadamente $4B ARR implica un múltiplo de ingresos de 5–6x. Eso suena elevado hasta que lo comparas con AWS, que cotiza a aproximadamente 7x sobre un negocio más diversificado y maduro. La capa de infraestructura puede estar realmente mejor posicionada que la capa de modelos en un horizonte de 3–5 años: los modelos se comoditizan a medida que las alternativas de pesos abiertos cierran la brecha, pero el cómputo no. El costo de una GPU-hora no cae solo porque llegue un nuevo LLM.
Conclusión
El auge de la IA es real, y la ola de gasto de capital apenas comienza — el gasto de los hiperescaladores se está acelerando, no estabilizando. Pero las apuestas más seguras en este ciclo no son sobre qué LLM ganará el próximo benchmark. Son sobre las empresas que cobran sin importar quién gane.
La infraestructura energética, los ASIC de redes para IA, el silicio personalizado, la memoria HBM, la litografía EUV y las nubes de GPU especializadas se benefician de la ola de gasto de capital, ya sea que GPT-5, Claude 4 o Gemini Ultra dominen en 2027. Las empresas de modelos están quemando capital para diferenciarse. La capa de infraestructura está cobrando renta.