La AI se convierte en industria pesada

La AI aparece en una pantalla como texto, imagen, voz o código. Su forma física es mucho menos etérea.

Está compuesta por centros de datos, procesadores, memoria de gran ancho de banda, placas de circuito, fuentes de alimentación, fibra, refrigeración, agua, transformadores y centrales eléctricas. Necesita fábricas, minas, obras, permisos y capital. Un centro de datos es una fábrica que se llama a sí misma nube.

Esta fábrica transforma electricidad en capacidad de cómputo; la capacidad de cómputo, en modelos; y los modelos, quizá, en decisiones económicamente valiosas:

Electricidad → cómputo → capacidad del modelo → aplicación → posible valor

La palabra «posible» sigue siendo esencial. La capacidad de cómputo no es ingreso, un modelo no es un modelo de negocio y una respuesta generada aún no es una ganancia de productividad.

Pero la expansión física es real. En su escenario base, la IEA espera que el consumo eléctrico mundial de los centros de datos se duplique con creces: de unos 415 teravatios-hora en 2024 a aproximadamente 945 teravatios-hora en 2030. La AI es el mayor impulsor, pero no el único. Se espera que China y Estados Unidos representen casi cuatro quintas partes del crecimiento.^[6] Las previsiones en este ámbito son inciertas porque la eficiencia de los chips, el diseño de los modelos, la utilización y la demanda cambian con rapidez. Su escala, sin embargo, deja algo claro: la AI se ha convertido en una cuestión de planificación energética.

Una antigua verdad industrial regresa a la economía digital: la ubicación importa.

Un modelo puede ofrecerse en todo el mundo, pero su entrenamiento y operación ocurren en lugares físicos. Estos necesitan capacidad de red, potencia firme, refrigeración, conexiones de datos, estabilidad política y, con frecuencia, agua. Un proyecto puede disponer de suficientes chips y capital y, aun así, fracasar por falta de transformador, acuerdo de conexión o consentimiento local.

La atención va hacia donde fluye la energía.

La frase describe más que una tendencia de inversión. Allí donde existen grandes cantidades de electricidad fiable, comienzan a agruparse centros de datos, proyectos de transmisión, centrales de gas, generación renovable, contratos nucleares y proveedores industriales. La AI vuelve a atraer capital hacia el mundo físico.

También cambia el carácter político de la electricidad. Hogares, industria y servicios públicos llevan mucho tiempo compitiendo por el precio y la seguridad del suministro. Ahora se suma un consumidor cuya demanda puede ser enorme, concentrada y respaldada por un capital profundo. Un centro de datos puede financiar nueva generación y acelerar la modernización de la red. También puede ocupar una capacidad de conexión escasa, trasladar costes a los usuarios locales o absorber potencia firme necesaria en otros lugares.

La pregunta no es simplemente cuánta electricidad consume la AI. Es quién paga el coste adicional y quién recibe el beneficio.

Si un hiperescalador hace posible una central o un activo de almacenamiento mediante un contrato a largo plazo, la región puede beneficiarse. Si el público paga el refuerzo de la red mientras la mayor parte del valor llega a una plataforma mundial, la distribución es distinta. Un kilovatio-hora puede ser físicamente neutral. Su contrato no lo es.

La AI también cambia el valor asignado a las tecnologías de generación. Las renovables pueden añadir energía con rapidez, pero necesitan complementos temporales. El gas aporta potencia flexible, aunque vincula la AI al riesgo del combustible y su precio. La energía nuclear promete electricidad continua con bajas emisiones de carbono, pero exige horizontes largos de planificación, una inversión inicial elevada y competencia institucional. La escala de la demanda hace improbable un sistema ideológicamente puro. El resultado será probablemente una mezcla pragmática.

La apuesta financiera es todavía mayor. Las empresas comprometen sumas enormes antes de saber con claridad qué aplicaciones pagarán de forma fiable. Los vendedores de chips, equipos de red, refrigeración y energía pueden obtener flujos de caja pronto. Los propietarios de infraestructuras asumen el riesgo de que los ingresos posteriores justifiquen el capital empleado.

Esto crea una asimetría conocida:

A los vendedores de capex se les paga por construir. A quienes cargan con el capex solo se les paga si el uso acaba siendo rentable.

Esta asimetría no ha desaparecido. Pero está adquiriendo una nueva arquitectura financiera.

El 10 de agosto de 2026, NVIDIA anunció seis plataformas independientes de financiación junto con Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs y KKR. Su objetivo es movilizar con el tiempo más de 500.000 millones de dólares de capital de terceros para infraestructura de AI. Los socios han firmado inicialmente memorandos de entendimiento; aún faltan los acuerdos definitivos, las condiciones y los calendarios de despliegue.^[29]

El alcance es notable. El plan no consiste solo en financiar la compra de chips, sino toda la cadena de energía, terreno, conexión a la red, edificio y cómputo. Jensen Huang estimó el coste de un gigavatio de infraestructura de AI en unos 50.000 a 60.000 millones de dólares. Goldman Sachs quiere crear un mercado de crédito respaldado por cómputo de NVIDIA. BlackRock pretende movilizar capital privado y público, además de fondos de pensiones. KKR describe la cadena de valor como el trayecto «de la molécula al token».

Por tanto, la AI no solo está adquiriendo fábricas. Está adquiriendo un mercado de capitales propio.

La división temporal del trabajo es la clave. El capital privado puede sostener los primeros años, cuando el proyecto aún no produce un rendimiento estable. Tras la construcción, la puesta en marcha y la utilización, los flujos de caja pueden convertirse en productos de crédito e inversión a largo plazo. El objetivo es transformar una apuesta individual difícil de financiar en un activo de infraestructura estandarizable.

Esta es una fortaleza particular del sistema estadounidense. Puede crear paciencia estratégica no solo mediante presupuestos públicos, sino mediante ingeniería financiera: los riesgos se estructuran, agrupan, valoran y distribuyen entre reservas de capital mayores.

Sin embargo, financiación sigue sin equivaler a viabilidad. Los 500.000 millones de dólares anunciados no forman un fondo común ya dotado; NVIDIA afirma que no respalda estas plataformas con su propio balance, y cada proveedor de capital debe evaluar los proyectos individualmente. David Solomon espera de forma explícita ganadores y perdedores; Jim Zelter devuelve el argumento a los ingresos y el flujo de caja.

El valor del cómputo como garantía también es un supuesto. Depende de que los sistemas mantengan su utilización, CUDA conserve su posición, el hardware antiguo siga siendo rentable y la caída del precio por unidad de cómputo no supere el crecimiento de la demanda.

El cuello de botella se desplaza. El riesgo de financiación insuficiente se convierte en riesgo de financiarización a gran escala. Si los supuestos se cumplen, los mercados de capitales aceleran una infraestructura productiva. Si fallan, las pérdidas dejan de limitarse a hiperescaladores y operadores: se extienden al crédito privado, las aseguradoras, los fondos de pensiones y los mercados públicos de deuda.

Una depuración futura no refutaría la AI. Los ferrocarriles, las redes de fibra y otras infraestructuras transformaron la sociedad aunque muchos de sus primeros propietarios perdieran dinero. La utilidad tecnológica y el rendimiento de una inversión son preguntas distintas.

La cuestión humana es más profunda. La AI puede hacer accesible el conocimiento, aumentar la productividad de las pequeñas empresas y acelerar la investigación. También puede erosionar capacidades cuando las personas delegan juicio, memoria y responsabilidad en un sistema cuya elocuencia confunden con certeza.

Una relación sana entre personas y AI requiere, por tanto, una división clara del trabajo. La AI puede buscar, comparar, simular, traducir y descubrir contradicciones. Las personas deben definir objetivos, límites, riesgo aceptable y responsabilidad. Cuanto mayores sean las consecuencias, menos puede reducirse la supervisión humana a un clic ceremonial.

La AI no es un martillo neutral ni un nuevo soberano. Es un amplificador. Amplifica conocimiento y error, productividad y despilfarro, libertad y control.

Su mayor cuestión energética no es, por tanto, cuántos teravatios-hora consume.

Es qué capacidades humanas queremos amplificar con esos teravatios-hora.

Fuentes y notas

1. International Energy Agency, Energy and AI — Energy Demand from AI: https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai
2. NVIDIA, NVIDIA Partners With Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs and KKR to Establish AI Compute Infrastructure Financing Platforms to Mobilize Over $500 Billion of Third-Party Capital, 10 de agosto de 2026: https://nvidianews.nvidia.com/news/nvidia-partners-with-apollo-blackrock-blackstone-brookfield-goldman-sachs-and-kkr-to-establish-ai-compute-infrastructure-financing-platforms-to-mobilize-over-500-billion-of-third-party-capital; CNBC, Transcript: Becky Quick Speaks with NVIDIA’s Jensen Huang & Wall Street Leaders on $500B AI Infrastructure Push, 10 de agosto de 2026: https://pressroom.versantmedia.com/cnbc/press-releases/cnbc-exclusive-transcript-cnbcs-becky-quick-speaks-nvidias-jensen-huang-wall