La Data Center Land Rush: Lo que realmente se obtiene con $100 mil millones en compromisos de infraestructura de IA
En 2026, las cifras que se manejan en gasto de infraestructura de IA se han vuelto casi cómicamente grandes. Microsoft comprometió 80 mil millones de dólares para el año fiscal 2026. El gasto de capital de Google alcanzó los 75 mil millones entre 2025 y 2026. Amazon espera gastar más de 100 mil millones hasta 2028. SoftBank prometió 100 mil millones para infraestructura de IA en EE. UU. Meta proyectó 65 mil millones en gasto de capital para 2025. Si sumamos todo, estamos hablando de algo superior a medio billón de dólares — todo, en teoría, apuntando al mismo objetivo: construir el sustrato físico para la IA a escala.
La pregunta que vale la pena hacerse no es si estas cifras son reales. En su mayoría lo son. La pregunta es qué compran realmente, quién captura el valor, y si esta ola de gasto está construyendo una ventaja permanente o una carrera por tierra muy cara que eventualmente chocará contra un muro.
En qué se va realmente el dinero
La construcción de centros de datos suena simple: edificios grandes, muchos servidores. La realidad tiene más capas. El costo más grande en un centro de datos moderno de IA no es el edificio — es el cómputo. Una sola GPU Nvidia H200 cuesta aproximadamente entre 30,000 y 40,000 dólares. Un rack NVL72 con 72 de ellas cuesta 3 millones o más. Un hyperscaler que compra 100,000 GPUs (una estimación conservadora para un clúster de entrenamiento grande) está gastando de 3 a 4 mil millones de dólares antes de montar un solo servidor.
La arquitectura GB200 Blackwell de Nvidia, que comenzó a enviarse en volumen a finales de 2025, extendió aún más la prima. Un rack NVL72 Blackwell con 72 GPUs tiene un precio aproximado de 3.5 millones de dólares, y la demanda ha superado a la oferta por márgenes amplios. Esto crea una dinámica inusual: las empresas que más gastan en infraestructura de IA están canalizando gran parte de ese dinero a un solo proveedor. Nvidia capturó alrededor del 92% de los ingresos de GPUs para centros de datos en 2025. La carrera por la infraestructura, en términos financieros, es en gran parte una transferencia de riqueza hacia Nvidia.
Por debajo de la capa de GPU, el dinero se dispersa. La redes (InfiniBand, Ethernet a 400G/800G) son caras. La refrigeración — tradicional CHWS de agua fría y cada vez más refrigeración líquida directa (DLC) para racks de GPU de alta densidad — añade de 1 a 3 millones de dólares por megavatio de capacidad. Los propios edificios en mercados de primer nivel (norte de Virginia, Phoenix, Chicago) se encarecen, con plazos de construcción que se extienden de 18 a 36 meses. Y luego está la electricidad.
La electricidad es el verdadero cuello de botella
Un centro de datos de 100 megavatios — un tamaño significativo pero no excepcional para un clúster de IA — necesita aproximadamente la producción de una pequeña planta eléctrica funcionando de forma continua. A 1 gigavatio, que es la escala que los hyperscalers están buscando ahora para campus individuales, necesitas algo como la presa Hoover funcionando solo para esa instalación. Las empresas de servicios públicos no están preparadas para este tipo de cambio abrupto en la demanda.
La orden de la Comisión Federal Reguladora de Energía de junio de 2026 que exige a los operadores de la red agilizar las interconexiones de grandes cargas (las órdenes "show cause" de FERC a los seis operadores regionales de la red) es una respuesta directa a que los hyperscalers se topan con techos de capacidad eléctrica. En PJM — la red que cubre la mayor parte de la costa este y el medio oeste de EE. UU. — hay un atraso de 400 gigavatios en solicitudes de interconexión. Un centro de datos que califique su sitio hoy podría esperar de cuatro a seis años para una conexión confiable a la red.
Los hyperscalers se están adaptando ubicándose junto a la generación eléctrica directamente. Microsoft ha firmado acuerdos con Constellation Energy y otros operadores nucleares para reiniciar o licenciar capacidad nuclear existente. Google ha contratado con Kairos Power para pequeños reactores modulares (SMRs). Amazon adquirió el campus de centro de datos de Talen Energy adyacente a una planta nuclear de 2.5 GW en Pensilvania. El patrón es inconfundible: la siguiente fase de la infraestructura de IA es también un despliegue de infraestructura energética, con centros de datos compitiendo con ciudades por la escasa capacidad de la red.
Nuevos actores y por qué hyperscale ya no es solo para hyperscalers
Los requisitos de capital de la infraestructura de IA han creado una apertura inusual para compradores financieros. CoreWeave, respaldado por capital de Nvidia y financiamiento de deuda, alcanzó una valoración de 23 mil millones de dólares en 2025 y salió a bolsa a principios de 2026, convirtiéndose en una de las empresas de infraestructura de más rápido crecimiento en la historia. Su modelo — comprar GPUs a escala, alquilarlas a desarrolladores de IA que necesitan capacidad por ráfagas — funciona precisamente porque los hyperscalers han asignado la mayor parte de su propia capacidad de GPU a cargas de trabajo internas.
Adam Selipsky, el ex CEO de AWS, lanzó Helix Digital Infrastructure en junio de 2026 con 10 mil millones de dólares en capital comprometido de KKR, una alianza con Nvidia, y el fondo soberano de Kuwait como inversor ancla. La propuesta es integración vertical: centros de datos, generación eléctrica, transmisión y fibra bajo un mismo techo. Crusoe Energy construyó un modelo integrado similar a partir del gas natural quemado en campos petroleros. La tesis en todos estos casos es que poseer la pila completa — cómputo, energía, conectividad — produce márgenes que no pueden ser erosionados por la competencia.
Quién captura realmente el valor
En cualquier despliegue de infraestructura, los proveedores del despliegue suelen ir mejor que los propios constructores. La era del ferrocarril enriqueció a las empresas siderúrgicas, no solo a los operadores ferroviarios. El despliegue de internet enriqueció a Cisco y a las empresas de cable. La ola de infraestructura de IA sigue un patrón similar:
Nvidia captura el valor más directo, con márgenes brutos superiores al 70% en sus productos para centros de datos. La cartera de pedidos se extiende hasta bien entrado 2027. El MI300X de AMD ha hecho avances, y las TPUs de Google son competitivas internamente, pero el ecosistema CUDA de Nvidia crea costos de cambio que los proveedores de GPUs commoditizados han tenido dificultades para superar.
Las empresas de servicios públicos como Constellation, Vistra y NRG Energy han visto sus precios de acciones aproximadamente duplicarse entre 2024 y 2025 a medida que la señal de demanda de IA llegó a los mercados eléctricos. Los operadores nucleares en particular se están beneficiando, ya que la nuclear proporciona la carga base continua que requieren las cargas de trabajo de entrenamiento de IA.
Los REITs de centros de datos como Equinix y Digital Realty se benefician de la demanda de co-ubicación, aunque los hyperscalers que construyen sus propias instalaciones limitan cuánto capturan los REITs de los despliegues de IA de primera parte.
La captura de valor menos cierta pertenece a los propios hyperscalers. La cuestión de si 500 mil millones de dólares en gasto de infraestructura generan ingresos de aplicaciones de IA acordes no está resuelta. La analogía de la era de la nube es alentadora — AWS, Azure y GCP combinados generan más de 400 mil millones de dólares en ingresos anuales — pero la capa de aplicaciones de IA es más temprana y menos segura. Los hyperscalers apuestan a que las restricciones de capacidad de hoy se convierten en fosos competitivos mañana.
Qué significa esto en la práctica
Para desarrolladores y startups, la carrera por la infraestructura tiene un efecto paradójico: debería abaratar el cómputo con el tiempo (más capacidad, más competencia) pero encarecerlo a corto plazo (la demanda supera la oferta, los precios spot elevados). Las empresas que aseguraron contratos comprometidos para acceso a GPU entre 2024 y 2025 tienen una ventaja significativa. Las que entran al mercado ahora pagan tarifas spot elevadas o se unen a largas listas de espera.
Para empresas que evalúan una estrategia de infraestructura de IA, la idea clave es que construir vs. alquilar es cada vez más una cuestión de cronograma y características de la carga de trabajo. La inferencia de propósito general y la experimentación pertenecen a APIs gestionadas en la nube. Entrenar modelos propietarios grandes, ejecutar inferencia persistente de alto rendimiento a escala, u operar en entornos altamente regulados (donde los datos no pueden salir de tu control) justifica infraestructura propia o dedicada — pero con el entendimiento de que el acceso a la electricidad es ahora una restricción de selección de ubicación tan importante como la conectividad de red lo fue en los 2000.
La carrera por la tierra no durará para siempre. Una vez que se despejen los atrasos de energía y construcción — probablemente entre 2027 y 2028 — la disponibilidad de capacidad de GPU se normalizará. Las empresas que aseguren acceso a electricidad, relaciones con proveedores de chips y un historial de operación a escala durante el período restringido tendrán una ventaja estructural. El resto podrá alquilar lo que necesite. En qué lado de esa línea termine una empresa puede estar determinado por decisiones tomadas en los próximos 18 meses.