La fiebre del oro de la IA dispara el negocio de chips, nube y equipos

La inteligencia artificial está generando una carrera empresarial de dimensiones difíciles de comparar con cualquier otro ciclo tecnológico reciente. Pero el dinero más visible, el que ya aparece convertido en ventas, márgenes y beneficios, no siempre termina en las compañías que fabrican los modelos más famosos. Buena parte está cayendo unos metros más abajo, en los cimientos: chips, fábricas de semiconductores, máquinas de litografía, centros de datos y servicios en la nube.

La vieja metáfora de la fiebre del oro vuelve a funcionar con una precisión incómoda. Durante la carrera californiana del siglo XIX, miles de personas se lanzaron a buscar pepitas mientras otros construían negocios más previsibles vendiéndoles herramientas, ropa o suministros. Con la IA sucede algo parecido. Nadie sabe todavía qué modelo dominará dentro de cinco años; sí sabemos que todos necesitan capacidad de cálculo. Y esa diferencia importa mucho cuando llega la hora de pasar de la fascinación tecnológica a la cuenta de resultados.

Los números empiezan a dibujar el mapa. Nvidia ingresó 96.200 millones de dólares en su segundo trimestre fiscal de 2027, más del doble que un año antes. De esa cifra, 89.000 millones procedieron del negocio de centros de datos y su margen bruto rondó el 75%. Mientras decenas de compañías compiten por fabricar la inteligencia artificial más potente, Nvidia sigue cobrando por buena parte de la maquinaria necesaria para entrenarla y ejecutarla.

No significa que desarrollar modelos sea necesariamente un mal negocio ni que el vencedor de esta carrera vaya a ser un fabricante de hardware. Significa algo bastante menos espectacular y quizá más importante: vender infraestructura permite cobrar antes de saber quién ganará.

La vieja regla de California reaparece en Silicon Valley

La comparación con los picos y las palas no funciona porque la IA sea una burbuja idéntica a una fiebre minera, sino porque ambas comparten una asimetría económica. El buscador de oro asume el riesgo de no encontrar nada. Quien le vende una pala cobra aunque la veta esté seca.

Un laboratorio de inteligencia artificial tiene que acertar muchas veces. Necesita un modelo competitivo, clientes dispuestos a pagar, precios capaces de cubrir el coste computacional, talento científico y suficiente capital para continuar entrenando sistemas cada vez más caros. También debe sobrevivir a una peculiaridad de este mercado: lo que parece extraordinario puede convertirse rápidamente en una prestación corriente.

El proveedor de infraestructura juega otra partida. Si cinco empresas compiten por construir el mejor modelo, puede vender a cinco empresas. Si aparecen otras veinte, mejor todavía. No necesita adivinar qué chatbot será el vencedor; necesita que continúe la carrera.

Y continúa. Microsoft calculaba para el año natural 2026 alrededor de 190.000 millones de dólares en inversión de capital, mientras reconocía que seguía encontrando restricciones de capacidad pese al despliegue acelerado de GPU, CPU y almacenamiento. En su cuarto trimestre fiscal destinó 41.000 millones a inversiones de capital y aproximadamente dos tercios correspondieron a activos de vida corta, principalmente procesadores y GPU.

Ahí está el mecanismo. Los grandes compradores de IA tienen que gastar cantidades colosales antes de comprobar hasta dónde llegará el retorno económico de cada aplicación. La infraestructura cobra primero; la rentabilidad final del producto puede tardar bastante más.

Nvidia cobra mientras los modelos disputan el escaparate

Nvidia representa la versión más evidente de esta historia. Durante años fue conocida sobre todo por las tarjetas gráficas para videojuegos. La misma arquitectura de procesamiento paralelo terminó resultando especialmente útil para entrenar redes neuronales y la compañía construyó alrededor de sus GPU un ecosistema de software, interconexión y sistemas completos difícil de reproducir.

Ahora una parte enorme de la industria depende de esa capacidad. El dato de los 89.000 millones de dólares trimestrales en centros de datos explica mejor el fenómeno que cualquier metáfora. Los ingresos de esa división crecieron un 117% interanual en el trimestre cerrado a finales de julio.

Nvidia no vende inteligencia artificial terminada al usuario de la misma manera que un laboratorio vende acceso a un asistente. Vende buena parte del músculo computacional que permite que esa inteligencia exista.

Es un negocio formidable mientras dure la escasez, la demanda continúe creciendo y sus productos conserven la ventaja tecnológica. Pero tampoco es magia. Los grandes clientes están desarrollando procesadores propios, AMD compite en aceleradores y numerosos actores buscan reducir su dependencia de un proveedor que se ha convertido, precisamente por su éxito, en uno de los costes centrales de la revolución de la IA.

La pala, por muy buena que sea, también acaba teniendo competidores.

TSMC y ASML: los peajes que aparecen detrás del chip

Un paso más atrás encontramos otro negocio menos conocido por el gran público y todavía más difícil de sustituir. Nvidia diseña sus procesadores, pero alguien debe fabricarlos. Ahí aparece TSMC, la taiwanesa que produce algunos de los semiconductores más avanzados del planeta.

En agosto de 2026, TSMC registró unos ingresos de 514.810 millones de dólares taiwaneses, un 53,3% más que un año antes. Entre enero y agosto, su facturación había aumentado un 39,3%. En el segundo trimestre obtuvo además un margen bruto del 67,7% y un beneficio neto de 706.560 millones de dólares taiwaneses.

TSMC es una especie de fundición del siglo XXI, solo que sus hornos cuestan decenas de miles de millones y trabajan a escalas cercanas al átomo. Su posición demuestra hasta qué punto la cadena de la IA está construida sobre empresas que el consumidor apenas ve.

Y todavía podemos retroceder otro peldaño. Para fabricar los chips más avanzados hacen falta máquinas de una complejidad casi absurda. La neerlandesa ASML domina los sistemas de litografía ultravioleta extrema necesarios para producir buena parte de esos semiconductores.

En el segundo trimestre de 2026, ASML facturó 9.326 millones de euros y obtuvo 2.918 millones de beneficio neto. Después elevó su previsión anual de ventas hasta una horquilla de entre 43.000 y 45.000 millones de euros, mientras la inversión relacionada con la IA seguía impulsando la demanda de chips avanzados de lógica y memoria.

Aquí la imagen de los picos y las palas se vuelve casi literal: ASML vende máquinas a las empresas que fabrican las herramientas que utilizan quienes construyen la inteligencia artificial. Varias capas de profundidad y, en cada una, un peaje.

La nube convierte la fiebre tecnológica en una factura mensual

Después están Amazon, Microsoft y Google. Su posición es más ambigua y precisamente por eso resulta interesante. Son proveedores de infraestructura, pero también desarrolladores de inteligencia artificial. Venden las palas mientras buscan oro por su cuenta.

El negocio de la nube permite alquilar capacidad computacional sin construir un centro de datos propio. Una empresa puede contratar GPU durante unas horas, entrenar un modelo, desplegar una aplicación y pagar por consumo. Parece sencillo desde la pantalla. Detrás hay edificios gigantescos, kilómetros de fibra, redes eléctricas y sistemas de refrigeración.

Microsoft Azure creció un 40% interanual durante su tercer trimestre fiscal de 2026. El avance refleja la fuerte demanda de servicios de la plataforma, aunque mantener semejante ritmo obliga también a invertir grandes cantidades en infraestructura para inteligencia artificial.

La aparente contradicción resume esta fase del sector. La nube está creciendo gracias a la IA, pero ofrecer IA exige gastar muchísimo dinero. Una GPU comprada puede ser una fuente de ingresos durante años, aunque también puede quedar tecnológicamente envejecida con una rapidez feroz. No estamos ante el viejo software, donde copiar una licencia adicional costaba casi nada. La inteligencia artificial vuelve a hacer física una parte de la economía digital.

Hay hormigón. Hay electricidad. Hay refrigeración. Muchísimo cobre. El futuro incorpóreo de los algoritmos resulta, visto desde detrás de la pantalla, sorprendentemente pesado.

La frontera entre buscadores y vendedores se desdibuja

La metáfora tiene un límite. No existen dos bandos perfectamente separados, aventureros por un lado y comerciantes por otro. Microsoft participa en el negocio de los modelos y al mismo tiempo vende Azure. Google desarrolla Gemini, diseña sus propios aceleradores y comercializa Google Cloud. Amazon ofrece infraestructura a laboratorios que pueden competir con compañías en las que la propia Amazon participa.

Nvidia tampoco entrega únicamente chips: vende sistemas, redes y una plataforma de software cada vez más amplia. La cadena se está integrando verticalmente. Todos quieren controlar un tramo más.

Por eso sería demasiado sencillo afirmar que los fabricantes de modelos perderán y los proveedores de hardware ganarán. El argumento más sólido es otro: los ingresos de la infraestructura son por el momento mucho más tangibles que la promesa de beneficios de numerosos laboratorios de inteligencia artificial.

El problema de los modelos: crecer puede salir carísimo

El contraste empieza a verse en las cuentas de algunas compañías dedicadas a desarrollar modelos de frontera. Los datos financieros conocidos de Anthropic ofrecen un ejemplo llamativo: la empresa multiplicó con fuerza sus ingresos hasta alcanzar 4.600 millones de dólares en 2025, pero gastó 7.300 millones únicamente en computación e infraestructura y registró pérdidas operativas de 8.060 millones.

No demuestra que Anthropic vaya a ser un mal negocio. Una compañía tecnológica en expansión puede soportar fuertes pérdidas durante años para conquistar mercado, construir producto y adquirir clientes. Amazon pasó por etapas semejantes; muchas plataformas digitales también.

Pero muestra la peculiar economía de la IA generativa: cada nuevo usuario consume recursos reales. Servir una respuesta requiere procesadores funcionando en algún centro de datos. Cuanto más sofisticado es el modelo, mayor puede ser el coste. Las compañías intentan reducirlo mediante chips mejores, modelos más pequeños, técnicas de inferencia más eficientes y precios escalonados.

La carrera no se disputa únicamente por quién obtiene la respuesta más inteligente, sino por quién logra producirla de forma más barata. Ese detalle, poco vistoso, puede terminar siendo tan decisivo como el rendimiento técnico.

Ahí aparece una ironía magnífica. Los laboratorios trabajan obsesivamente para reducir el coste de la computación que compran a unos proveedores cuya prosperidad depende, precisamente, de que todo el mundo siga necesitando cantidades gigantescas de capacidad de cálculo.

Ni siquiera las palas garantizan una fortuna eterna

La historia de las grandes revoluciones tecnológicas aconseja cierta prudencia. Ser proveedor de infraestructura puede ofrecer una posición privilegiada durante el auge inicial y convertirse después en un negocio mucho más competitivo. Las redes de ferrocarril transformaron el siglo XIX y aun así hubo inversores ferroviarios arruinados. Internet cambió la economía y muchas compañías que construyeron fibra óptica durante la burbuja puntocom desaparecieron.

Tener razón sobre una tecnología no garantiza acertar con su valoración, su calendario ni la empresa concreta que capturará los beneficios. La inteligencia artificial tiene riesgos parecidos.

Si la eficiencia de los modelos aumenta más rápido que la demanda, podría necesitarse menos capacidad computacional de la esperada. Si aparecen arquitecturas distintas, ciertos chips pueden perder valor antes de amortizarse. Si las eléctricas o las redes no consiguen alimentar nuevos centros de datos, la expansión tendrá un cuello de botella bastante menos glamuroso que un algoritmo: una subestación eléctrica.

También está el precio. Cuando toda una industria descubre que vender palas es rentable, comienzan a aparecer fabricantes de palas. Nvidia afronta procesadores alternativos y chips diseñados internamente por sus principales clientes. Las grandes plataformas cloud compiten entre sí, las fundiciones invierten para aumentar capacidad y los diseñadores de modelos intentan reducir el número de operaciones necesarias para cada respuesta.

Una rentabilidad extraordinaria atrae capital precisamente hasta que deja de ser tan extraordinaria. Es una de las leyes menos románticas del capitalismo.

Una revolución digital construida con fábricas y electricidad

La fiebre de la inteligencia artificial suele narrarse a través de modelos que escriben, programan, generan imágenes o resuelven problemas. Es lógico: es la parte que vemos. Sin embargo, debajo de esa superficie se está produciendo otra transformación mucho más material, basada en fábricas, centros de datos, energía y semiconductores.

Nvidia vende los aceleradores. TSMC fabrica buena parte de los chips avanzados. ASML proporciona maquinaria imprescindible para producirlos. Microsoft, Amazon y Google levantan y alquilan enormes infraestructuras informáticas. Alrededor aparecen redes, memoria, refrigeración, energía, diseño electrónico y construcción de centros de datos.

Ese es, de momento, uno de los negocios más sólidos de la era de la IA: cobrar por hacer posible la carrera independientemente de quién termine ganándola.

Quizá dentro de unos años un pequeño grupo de modelos domine el mercado y convierta a sus propietarios en las nuevas plataformas centrales de la economía digital. Puede ocurrir. Pero mientras se decide quién encuentra la gran veta, hay compañías facturando cantidades descomunales por los instrumentos necesarios para cavar.

California ya conocía el truco. Silicon Valley solo lo ha actualizado: la pala lleva millones de transistores, necesita una central eléctrica detrás y cuesta bastante más.