Ayer fue el día de resultados del complejo de infraestructura de IA. Meta: ingresos arriba 24%, acción arriba 7%. Microsoft: Azure arriba 39%, acción abajo 10% — su peor jornada desde marzo de 2020. ¿La diferencia? Cómo interpreta el mercado 115.000 a 135.000 millones de dólares en gasto planificado frente a 37.500 millones ya ejecutados.
Los Números
La guía de capex de Meta para 2026 — entre 115.000 y 135.000 millones de dólares — resulta difícil de procesar. Es casi el doble de los 72.000 millones que la compañía invirtió en 2025. Supera las estimaciones de los analistas en hasta un 22%. Y la empresa la atribuye, según sus propias palabras, a inversiones en sus "Laboratorios de Superinteligencia" — la división de investigación en IA que Mark Zuckerberg fundó en julio de 2025 contratando investigadores de OpenAI.
El número de Microsoft es menor, pero no menos inquietante: 37.500 millones de dólares en un solo trimestre, un 66% más que el año anterior. Para ponerlo en perspectiva: es más que el capex total de Meta en cualquier año anterior a 2024. Es más que el último capex trimestral reportado por Google. Y superó las estimaciones de los analistas en más de 1.000 millones de dólares.
El mercado premió a Meta y castigó a Microsoft. ¿Por qué?
La Pregunta de los Ingresos
Los de Meta en el cuarto trimestre subieron un 24%; los de Microsoft, un 17%. Pero lo más relevante no es la diferencia porcentual, sino la conexión que Meta pudo demostrar y Microsoft no: el negocio publicitario de Meta —su principal fuente de caja— muestra un vínculo directo entre las mejoras de IA en segmentación y recomendaciones y los ingresos que esas mejoras generan.
El relato de IA de Microsoft es más opaco: Azure creció un 39%, un resultado impresionante por cualquier métrica, pero no fue suficiente para convencer a los inversores de que 150.000 millones anualizados en capex producirán retornos equivalentes. La respuesta de Satya Nadella —que el gasto en IA es "impulsado por la demanda"— no satisfizo a nadie, y la acción cayó un 10%, borrando aproximadamente 300.000 millones de dólares en capitalización de mercado en una sola sesión; más que el valor total de la mayoría de las empresas del Fortune 500, evaporado en un día.
El Cuello de Botella de la Memoria
Mientras tanto, las empresas que abastecen esta infraestructura están prosperando. Samsung reportó un beneficio operativo superior al 200% en el cuarto trimestre, impulsado por la demanda de chips de memoria. SK Hynix superó a Samsung en beneficio anual por primera vez en su historia — 33.000 millones de dólares frente a 30.500 millones — gracias a sus ventas de memoria de alto ancho de banda.
Ejecutivos de ambas compañías advirtieron que la escasez de memoria se extenderá hasta 2027, y TrendForce estima que los centros de datos consumirán más del 70% de toda la producción de memoria de alta gama — una demanda que toda la industria de semiconductores es incapaz de satisfacer a la velocidad que el ciclo de entrenamiento de modelos exige.
Esta es la restricción del lado de la oferta que convierte el gasto en infraestructura en una necesidad competitiva, no en una opción: Microsoft, Meta y Google no están compitiendo por construir centros de datos porque quieran hacerlo, sino porque quien asegure primero la capacidad gana las tandas de entrenamiento que producen la próxima generación de modelos.
Ahora bien, esa necesidad competitiva reposa sobre un supuesto que DeepSeek lleva un año cuestionando.
La Sombra de DeepSeek
¿Y si no hace falta todo esto?
El modelo R1 de DeepSeek, publicado en enero de 2025, demostró que técnicas de entrenamiento eficientes pueden producir modelos competitivos a una fracción del costo. Un análisis publicado un año después concluyó que las empresas tecnológicas estadounidenses siguen en cabeza, pero la trayectoria del gasto no ha cambiado. Demis Hassabis, de Google DeepMind, calificó recientemente la respuesta de la industria a DeepSeek como una "reacción exagerada."
DeepSeek anunció hoy su expansión hacia búsqueda y agentes — ampliando su oferta de IA mientras gasta órdenes de magnitud menos que sus competidores estadounidenses. Y el representante John Moolenaar, presidente del Comité Selecto de la Cámara sobre China, acusó a Nvidia de haber ayudado a DeepSeek a desarrollar modelos que posteriormente utilizó el ejército chino.
Las acusaciones apuntan directamente a la paradoja. Las empresas estadounidenses invierten más de 100.000 millones de dólares anuales en infraestructura de IA. Los competidores chinos producen modelos equiparables con chips de contrabando y algoritmos eficientes. La carrera armamentista de infraestructura puede ser, al mismo tiempo, necesaria e inútil.
El Problema de la Energía
Las restricciones físicas se están volviendo agudas. Los precios de la electricidad en Virginia — donde se concentra el mayor hub de centros de datos del mundo — están disparándose a niveles récord. Documentos internos de Microsoft proyectan que el consumo anual de agua de la compañía alcanzará 28.000 millones de litros. La EPA dictaminó que xAI actuó ilegalmente al usar decenas de turbinas de metano para alimentar su centro de datos en Memphis.
Los operadores de red están respondiendo exigiendo que los centros de datos generen su propia electricidad. BlackRock captó 12.500 millones de dólares específicamente para financiar infraestructura energética de centros de datos. AWS firmó un acuerdo con la mina de cobre de Rio Tinto en Arizona para asegurar materias primas.
El auge de la IA no es solo una historia de semiconductores ni de software. Es una historia de energía, de materiales, de bienes raíces. Cada centro de datos adicional ejerce presión sobre una infraestructura física que tarda años en construirse.
La Pregunta de los Activos Varados
Las reacciones divergentes del mercado ante Meta y Microsoft reflejan una incertidumbre que incomoda: nadie sabe si este gasto es sensato.
Si las capacidades de IA escalan con el cómputo — la "hipótesis de escalado" que ha impulsado la estrategia del sector desde GPT-3 — entonces cada dólar invertido en infraestructura es una apuesta a la capacidad futura. Las empresas que construyan más centros de datos entrenarán los mejores modelos y capturarán más valor.
Si los algoritmos eficientes pueden sustituir al cómputo por fuerza bruta — la hipótesis DeepSeek — entonces este gasto podría generar los mayores activos varados de la historia de la tecnología. Cientos de miles de millones de dólares en centros de datos infrautilizados, porque las mejoras de software los vuelven innecesarios.
La acción de Meta subió porque los inversores pudieron ver dónde aterriza el gasto; la de Microsoft cayó porque esa conexión sigue siendo opaca — y sin embargo ambas empresas están haciendo exactamente la misma apuesta: que la IA requiere infraestructura, que la infraestructura requiere gasto, ahora, antes de que los competidores acaparen la capacidad disponible.
Lo Que Estamos Siguiendo
Los próximos trimestres pondrán a prueba si el gasto en infraestructura se traduce en ventaja competitiva. El proyecto Stargate de OpenAI — la empresa conjunta de más de 100.000 millones de dólares con SoftBank y Oracle — todavía está arrancando. El capex de Google sigue subiendo. Las inversiones en infraestructura de Amazon continúan creciendo.
Al mismo tiempo, los modelos eficientes no dejan de aparecer. Trinity Large de Arcee se lanzó hoy — un modelo de código abierto con 400.000 millones de parámetros que la empresa asegura compite con Llama 4 de Meta en algunos benchmarks. Cada nuevo modelo eficiente reabre la pregunta de si la escala es estrategia o simplemente gasto.
Los resultados de hoy mostraron al mercado luchando por responder esa pregunta. Meta recibió el beneficio de la duda. Microsoft no. Ambas invierten a ritmos que habrían parecido imposibles hace tres años. Y en algún lugar de Hangzhou, DeepSeek está construyendo un motor de búsqueda con una fracción de esos recursos.
La pregunta de los 150.000 millones no es si la IA importa. Es si todo este gasto es el camino hacia la hegemonía en IA — o el error más caro en la historia de la tecnología.