IA, Nvidia y la tentación del movimiento perpetuo

“Oh ye seekers after perpetual motion, how many vain chimeras have you pursued? Go and take your place with the alchemists.”

Hace más de cinco siglos, Leonardo da Vinci desconfiaba de quienes perseguían una máquina capaz de producir movimiento indefinidamente sin una fuente externa de energía. La comparación puede parecer exagerada, pero resulta difícil no recordarla al observar algunos de los flujos de capital que se están formando alrededor de la inteligencia artificial.

Y conviene reconocer desde el principio que, por ahora, quienes creen que este ciclo de inversión puede prolongarse todavía mucho tiempo parecen llevar claramente la ventaja. Según Refinitiv, hoy el consenso sobre Nvidia es abrumadoramente favorable: 95% Overweight, 3% Equal-weight y apenas 2% Underweight.

No resulta difícil entender por qué. Nvidia se ha convertido nuevamente en la compañía cotizada de mayor capitalización del mundo, con una capitalización bursátil de aproximadamente 5,24 billones de dólares, y prevé un crecimiento de ventas próximo al 70% el próximo año, todavía condicionado más por restricciones de oferta que por falta de demanda.

Lo que está escaseando es capacidad de compute¹ para producir tokens², las unidades elementales que procesan y generan los modelos de inteligencia artificial. Electricidad, GPUs³, memoria, networking⁴y centros de datos se combinan para transformar energía y capacidad computacional en cada vez más tokens. No en vano Jensen Huang, presidente y consejero delegado de Nvidia, habla ya de “AI factories”.

Difícilmente encaja todo esto con la visión simplista de una burbuja sustentada sobre una tecnología sin utilidad o sin negocio detrás. Pero precisamente la velocidad y magnitud del crecimiento hacen especialmente interesante observar cómo se está financiando y, sobre todo, qué parte de la demanda futura estamos anticipando hoy.

Nvidia ya no se limita a fabricar y vender GPUs. Invierte en compañías que utilizan sus chips, facilita que terceros las financien, respalda determinados préstamos y valores residuales y, en algunos casos, se compromete incluso a adquirir capacidad de computación que sus clientes no logren colocar.

La escala financiera empieza a ser difícil de ignorar. Nvidia anunció recientemente junto con Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs y KKR, entre otros, estructuras destinadas a movilizar más de 500.000 millones de dólares de capital para infraestructura de inteligencia artificial. La idea no es que Nvidia desembolse esa cantidad, sino utilizar su balance, determinadas garantías y mecanismos de apoyo al valor residual para catalizar cantidades mucho mayores de capital de terceros.

Nada de esto es necesariamente problemático. El vendor financing existe desde hace décadas en industrias intensivas en capital. Y la interpretación optimista es poderosa: si existe una escasez real de compute, utilizar el balance de Nvidia para acelerar la aparición de nuevos proveedores puede ser una excelente asignación de capital.

Morgan Stanley, por ejemplo, plantea que los grandes hyperscalers⁵ podrían estar invirtiendo incluso por debajo de lo necesario para acompañar el crecimiento de la demanda de tokens, limitados por flujo de caja libre, disponibilidad de terreno, electricidad e infraestructura física. En esa lectura, las neoclouds⁶ permiten incorporar nuevos inversores y nuevos proveedores de capacidad a un mercado que la necesita.

¿Y si parte de esa financiación no satisface demanda actual, sino que adelanta varios años una demanda que esperamos que aparezca en el futuro?

Construimos hoy los data centers. Compramos hoy las GPUs. Reconocemos hoy las ventas. Financiamos hoy a las neoclouds que ofrecerán esa capacidad. Después necesitamos que los AI labs, las empresas y finalmente los usuarios generen suficiente demanda para ocuparla. Puede ocurrir. Probablemente ocurrirá en gran medida.

Pero si hemos exagerado la velocidad de crecimiento, podemos terminar sobredimensionando la infraestructura de AI antes de que exista suficiente demanda final para utilizarla. Y entonces el problema no sería que la inteligencia artificial haya fracasado, sino que el capital haya llegado demasiado pronto.

Incluso en ese escenario, el ajuste no tendría por qué equivaler necesariamente a destrucción total de valor. Parte de esta infraestructura puede encontrar otros usos o reconvertirse. Ya hemos visto compañías como Nscale, que anteriormente utilizaban energía y capacidad de cómputo para minería de criptomonedas, pivotar hacia AI cuando cambió la oportunidad económica. La capacidad de adaptación de estos activos y operadores será, por tanto, otra variable a seguir, aunque la capacidad de reconversión no será igual para todos los activos ni para todas las estructuras financieras.

Ahí es donde aparece la circularidad: una compañía puede invertir en otra; esta utiliza el capital para comprar sus chips; con esos chips presta servicios que pueden ser contratados por la primera; ese crecimiento de ingresos eleva su valoración; y la revalorización genera, a su vez, una ganancia contable para el inversor inicial.

Cada una de esas transacciones puede ser perfectamente real, lícita y económicamente racional de forma individual. La pregunta relevante es dónde termina el círculo y comienza la demanda externa que finalmente lo sostiene.

SEÑALES QUE MERECE LA PENA SEGUIR

• Extensión de los plazos de cobro a determinados grandes clientes;
• Cuentas a cobrar, que han pasado aproximadamente de 40.700 a 63.100 millones de dólares en un trimestre;
• Utilización creciente de garantías, backstops y mecanismos de apoyo al valor residual;
• Inversiones de equity en clientes, neoclouds y laboratorios de AI;
• Acuerdos en los que Nvidia puede convertirse en comprador de última instancia de capacidad no utilizada;
• Compromisos con proveedores que han aumentado de aproximadamente 119.000 a 279.000 millones de dólares, principalmente vinculados a memoria;
• Presión/normalización del margen bruto, desde aproximadamente el 75% hacia niveles del 71%-73%;
• Ganancias contables relevantes derivadas de participaciones en otras compañías de AI;
• Evolución del flujo de caja libre en un ecosistema sometido simultáneamente a enormes necesidades de inversión y mayores necesidades de circulante.

Individualmente, ninguno de estos fenómenos demuestra una burbuja. Algunos pueden ser incluso consecuencia lógica de gestionar una expansión industrial extraordinaria.

Existe además otro elemento que, paradójicamente, ayuda a entender por qué Nvidia puede querer acelerar ahora la monetización de su posición dominante. Sus mayores clientes están desarrollando alternativas. Amazon trabaja con Trainium, Google con sus TPUs, Microsoft con Maia, mientras AMD y distintos ASICs⁷ aspiran a capturar una parte creciente del mercado.

Nvidia dispone de una defensa formidable: no vende únicamente GPUs. Su ecosistema de software, y especialmente CUDA, constituye uno de los mayores fosos competitivos de la industria.

Pero desde el punto de vista estratégico, la reacción de Nvidia resulta perfectamente comprensible: si existe una ventana de tiempo en la que sus GPUs son el estándar prácticamente inevitable para desplegar nueva capacidad de AI, tiene sentido ayudar a construir y financiar tanta infraestructura Nvidia como sea posible antes de que las alternativas de sus propios clientes alcancen mayor escala.

La amenaza, por tanto, quizá no sea que alguien sustituya mañana a Nvidia. Puede ser simplemente que una parte creciente del crecimiento futuro del compute deje de convertirse automáticamente en crecimiento de GPUs Nvidia.

Desde esa perspectiva, financiar hoy nuevas neoclouds puede ser defensivo además de ofensivo: ampliar ahora la base instalada, el ecosistema CUDA y la dependencia de Nvidia antes de que maduren los productos competidores.

Y, una vez más, el escenario optimista sigue siendo extraordinariamente potente. Morgan Stanley mantiene Nvidia como Top Pick, elevó tras los últimos resultados su precio objetivo de 288 a 300 dólares y considera especialmente significativa la expectativa de crecimiento cercana al 70%, muy por encima de lo que esperaba previamente el mercado.

Por eso creo que conviene separar cuatro debates que con frecuencia se mezclan: la evolución del beneficio operativo, la financiación circular, la generación de flujo de caja libre y el riesgo de demanda final.

Probablemente esta última sea la cuestión fundamental. ¿Crecerá la utilización de inteligencia artificial suficientemente rápido como para absorber todos los data centers, GPUs, redes y capacidad eléctrica que estamos financiando hoy?

El argumento optimista es formidable. La adopción empresarial apenas empieza; la inferencia puede consumir cantidades de compute muy superiores a las actuales; robótica, conducción autónoma, ciencia y nuevas aplicaciones todavía inexistentes pueden multiplicar la generación de tokens; y algunas de las compañías que están realizando estas inversiones se encuentran entre las mejor gestionadas y financieramente más sólidas del mundo.

Pero existe otra posibilidad: que todos tengan razón sobre la tecnología y simplemente estén demasiado adelantados respecto a la demanda.

La historia ofrece precedentes que merece la pena recordar: la enorme construcción de fibra óptica durante la burbuja puntocom y el posterior dark fiber⁸; el vendor financing de Lucent y Nortel; la quiebra de operadores como Global Crossing; o Fab 42 de Intel en Arizona, concebida para una demanda que inicialmente no llegó al ritmo esperado.

Los paralelismos nunca son perfectos. Nvidia tampoco es Lucent, ni una GPU es fibra óptica, ni la inteligencia artificial es Internet en 1999.

Pero sí existe una enseñanza recurrente: una revolución tecnológica puede ser completamente real y, al mismo tiempo, el ciclo de capital que la financia puede adelantarse demasiado a su monetización.

¿Estamos ante una burbuja de infraestructura de inteligencia artificial? Me parece demasiado pronto para afirmarlo. La demanda continúa siendo excepcional, el compute sigue siendo escaso y la contribución tecnológica y empresarial de Nvidia a la revolución de la inteligencia artificial ha sido, hasta la fecha, sencillamente superlativa.

Así que pido de antemano disculpas si estas reflexiones resultan excesivamente provocativas. No pretenden cuestionar lo conseguido, sino formular algunas preguntas sobre lo que podría (o no) suceder después.

Quizá Leonardo nos dejaría una pregunta particularmente apropiada para este momento: cuando una máquina parece capaz de alimentarse a sí misma indefinidamente, conviene preguntarse de dónde procede, en última instancia, la energía externa que la mantiene en movimiento.

Santiago Minguez

Las opiniones expresadas en este artículo son exclusivamente personales y no representan necesariamente las de ninguna de las organizaciones, instituciones o compañías con las que el autor mantiene o haya mantenido una relación profesional.

FUENTES SELECCIONADAS

• Financial Times, agosto de 2026.
• The Wall Street Journal, agosto de 2026.
• NVIDIA, resultados Q2 FY2027 y documentación corporativa, agosto de 2026.
• Refinitiv, recomendaciones y precios objetivo sobre NVIDIA, 31 de agosto de 2026.
• Morgan Stanley, NVIDIA, neoclouds, and rev sharing: the next big debate, 14 de agosto de 2026.
• Morgan Stanley, NVIDIA very positive 2027 commentary, 27 de agosto de 2026.

NOTAS

1. 1Potencia de cálculo disponible para ejecutar modelos de inteligencia artificial.
2. 2Pequeñas unidades de texto o información que los modelos procesan y generan.
3. 3Procesadores especialmente eficaces para realizar en paralelo los enormes cálculos que requiere la inteligencia artificial.
4. 4Conexiones que permiten comunicar entre sí miles de chips y servidores.
5. 5Gigantes tecnológicos como Amazon, Microsoft o Google que operan enormes infraestructuras de cloud y centros de datos.
6. 6Nuevos proveedores especializados en alquilar capacidad de computación para inteligencia artificial.
7. 7Chips diseñados específicamente para una tarea concreta, frente a la mayor versatilidad de las GPUs.
8. 8Redes de fibra óptica ya construidas que quedaron durante años sin utilizar por exceso de capacidad.