¿Hay una burbuja de IA? La carrera mundial por los centros de datos

En pocos años, la inteligencia artificial ha pasado de ser una función de software a impulsar una carrera por construir edificios, comprar aceleradores y asegurar electricidad. Las grandes tecnológicas anuncian presupuestos que se cuentan en cientos de miles de millones de dólares; alrededor de ellas crecen los centros de datos especializados, las redes, las subestaciones y los proyectos de generación eléctrica.

La escala plantea una pregunta legítima: ¿se está construyendo capacidad demasiado deprisa para los ingresos que la IA puede generar? Pero decir que hay una burbuja como si fuera un hecho requeriría saber qué parte de las instalaciones estará ocupada, qué clientes pagarán por ella y cuánto costará mantenerla durante años. Esos datos no están completos ni se publican de forma comparable. La respuesta honesta sigue abierta.

¿Por qué se habla de una burbuja de IA?

Una burbuja financiera suele asociarse con precios o inversiones que dependen de expectativas cada vez más optimistas, mientras la demanda o los ingresos observables no alcanzan para sostenerlos. En la IA, la conversación gira menos alrededor de una sola valoración y más en torno a una cadena de apuestas conectadas: fabricantes de chips, proveedores cloud, laboratorios de modelos, operadores de centros de datos y empresas que financian la construcción.

El paralelismo no demuestra que el desenlace vaya a ser una caída. Una tecnología puede ser útil y transformar sectores, mientras algunos proyectos, empresas o inversiones concretas fracasan. La cuestión económica es más precisa: ¿cuánta capacidad se necesita, en qué lugares y con qué ingresos recurrentes para pagar el hardware, los edificios, la energía y la financiación?

Cuánto están gastando las grandes tecnológicas

No existe una cifra auditada y comparable de “gasto mundial en IA” que resuma todo el fenómeno. El dato más amplio de la Agencia Internacional de la Energía (IEA) indica que el capex de cinco grandes tecnológicas superó los 400.000 millones de dólares en 2025 y estima que aumentaría otro 75% en 2026. Es inversión de las compañías en conjunto, no una cuenta de gasto exclusivamente en IA; el dato de 2026 es una estimación, no un resultado cerrado. (Fuente: IEA, resumen ejecutivo de *Key Questions on Energy and AI* (abril de 2026).)

• En su llamada de resultados del segundo trimestre de 2026, Amazon elevó a unos 220.000 millones de dólares su previsión anual de cash capex para 2026. Incluye inversión en IA, chips, robótica, satélites y otras áreas; no es una cifra exclusiva de IA ni de centros de datos.
• Alphabet elevó en julio su guía de capex para el año natural 2026 a entre 195.000 y 205.000 millones de dólares. La cifra es de toda la empresa y no separa una cantidad exacta para IA. En el segundo trimestre informó de 44.900 millones de dólares de capex trimestral.
• Meta estimó para 2026 entre 130.000 y 145.000 millones de dólares de capex, incluidos los pagos de principal de arrendamientos financieros. En el segundo trimestre registró 31.080 millones con esa definición. Tampoco es una partida exclusivamente de IA.
• Microsoft comunicó 41.000 millones de dólares de capex en su cuarto trimestre fiscal de 2026; aproximadamente dos tercios correspondieron a activos de vida corta, principalmente CPU y GPU para cargas de IA y no IA. El desembolso en efectivo por propiedad y equipo fue 35.800 millones. Para el año natural 2026, situó la expectativa de capex reportado en unos 175.000 millones tras cambiar parte de sus futuros arrendamientos de centros de datos de financieros a operativos; dijo que la expectativa general de inversión no cambiaba. Es una cifra de toda la empresa, no solo de IA.
• Oracle declaró 28.499 millones de dólares de capex en el primer trimestre de su ejercicio fiscal 2027, que no es un año natural completo. En ese trimestre sus ingresos fueron 19.300 millones y los ingresos de cloud, 11.600 millones. Su RPO de 664.000 millones es el valor de obligaciones de rendimiento aún pendientes bajo contratos: no es dinero cobrado, ingreso del trimestre ni capex.

Estas cifras no se deben sumar sin más: mezclan periodos fiscales y naturales, resultados trimestrales y guías anuales, pagos en efectivo y arrendamientos, y partidas que incluyen negocios ajenos a la IA. Sirven para mostrar la escala y la dirección del gasto, no para afirmar que exista una bolsa única de inversión en IA. La IEA presenta su cifra como capex total de esas compañías, sin desglosar qué parte corresponde a centros de datos o a IA, y las definiciones públicas tampoco permiten separar con precisión todo el gasto de IA.

Por qué la IA necesita tanta infraestructura

Entrenar un modelo avanzado y responder a millones de solicitudes requiere muchos cálculos en paralelo. Las GPU y otros aceleradores ejecutan esos cálculos; un centro de datos las reúne en clusters conectados mediante redes de alta velocidad. También hacen falta memoria para alimentar los procesadores, almacenamiento para datos y modelos, sistemas de respaldo y software para repartir el trabajo.

La instalación física es más que una sala de servidores. Hay que construir o adaptar edificios, llevarles electricidad, instalar transformadores y subestaciones, conectar el recinto a la red y retirar el calor de los equipos. La red interna importa: si los aceleradores no pueden intercambiar datos con suficiente rapidez, parte de la capacidad comprada no se aprovecha bien. Los retrasos de cualquiera de estas piezas pueden dejar caro y ocioso el resto.

Además, la demanda no acaba cuando se entrena un modelo. La inferencia —producir respuestas cada vez que una persona o una aplicación consulta el modelo— se repite en el uso diario. La IEA observa que crece el uso de tareas más intensivas, como vídeo, razonamiento y agentes que encadenan acciones. A la vez, los modelos y el hardware mejoran su eficiencia: según la IEA, la energía por tarea de IA ha caído al menos un orden de magnitud anual en los últimos años. La demanda total depende de cuál de esas tendencias avance más deprisa. (Fuente: IEA, resumen ejecutivo de *Key Questions on Energy and AI* (abril de 2026).)

La electricidad se está convirtiendo en un cuello de botella

La mejor distinción disponible es entre todos los centros de datos y los que se dedican específicamente a IA. La IEA estima que los centros de datos consumieron 485 TWh de electricidad en todo el mundo en 2025. El consumo de los centros enfocados en IA creció un 50% ese año, frente al 17% de crecimiento de todos los centros de datos. Son estimaciones sobre consumo observado en 2025, no cifras de 2026 ni una proporción de toda la electricidad mundial atribuible solo a IA. (Fuente: IEA, resumen ejecutivo de *Key Questions on Energy and AI* (abril de 2026).)

En su escenario central, la IEA proyecta que el consumo eléctrico de todos los centros de datos casi se duplique hasta unos 950 TWh en 2030, cerca del 3% de la demanda eléctrica mundial. También proyecta que el consumo de los centros centrados en IA crecerá mucho más deprisa. Una proyección depende de la construcción, la eficiencia, los usos que se popularicen y las conexiones que se consigan; no es un resultado ya ocurrido. (Fuente: IEA, resumen ejecutivo de *Key Questions on Energy and AI* (abril de 2026).)

El desafío no consiste solo en producir electricidad. En el mundo hay más de 2.500 GW de proyectos en colas de conexión a la red, según la IEA, pero la cifra combina generación renovable, almacenamiento y grandes consumidores, entre ellos centros de datos. La agencia calcula que planificar y construir nuevas redes puede tardar entre 5 y 15 años, frente a 1–3 años para un centro de datos. Subestaciones, transformadores y líneas pueden tardar más que los edificios que esperan conectarse. (Fuente: IEA, *Electricity 2026*, capítulo sobre redes.)

La mezcla energética también cambia por región. Para el crecimiento mundial de la demanda eléctrica entre 2026 y 2030, la IEA espera que renovables, gas y nuclear cubran conjuntamente el incremento total. Es una proyección del sistema eléctrico global, no la receta de cada centro. La solar y la eólica necesitan redes, almacenamiento y generación flexible; algunas empresas estudian contratos nucleares o generación propia, y en zonas de conexión lenta se propone gas local. Ninguna tecnología resuelve por sí sola todos los problemas de coste, disponibilidad, emisiones y plazos. (Fuente: IEA, *Electricity 2026*, resumen ejecutivo.)

La refrigeración es otro componente físico importante, aunque depende del diseño y el clima. No incluimos una cifra global de agua: las fuentes no permiten comparar con rigor todos los emplazamientos. Además, extracción de agua (*withdrawal*) y consumo —la parte que no vuelve a la cuenca en el mismo periodo— no significan lo mismo. Una cifra de una instalación concreta no debe convertirse en una afirmación mundial. Para profundizar en cómo se mide el agua asociada a la infraestructura de IA, consulta nuestro análisis del consumo de agua de la IA.

Cómo esperan recuperar estas inversiones

La infraestructura solo se sostiene si alguien paga por usarla. Los proveedores de nube esperan vender capacidad de entrenamiento e inferencia a empresas y laboratorios; los fabricantes venden aceleradores, sistemas de red y software; las compañías de modelos cobran por suscripciones, API y servicios; y las empresas que los adoptan buscan ahorrar costes o vender más. Los agentes podrían aumentar el uso si se incorporan a procesos de trabajo, pero eso aún debe traducirse en ingresos que duren.

Ya hay señales de demanda comercial, aunque no responden por sí solas a la pregunta de rentabilidad. Alphabet informó que Google Cloud ingresó 24.800 millones de dólares en el segundo trimestre de 2026, un 82% más que un año antes, y atribuyó parte de su crecimiento a infraestructura y soluciones de IA. NVIDIA registró 89.000 millones de dólares de ingresos de centros de datos en su segundo trimestre fiscal de 2027. Son ingresos de segmentos concretos; no revelan cuánto beneficio final obtiene cada cliente de IA ni qué proporción de la nube se debe solo a IA.

El límite de transparencia importa. Amazon, Alphabet, Microsoft y Meta no publican una cuenta completa que aísle los ingresos y beneficios de cada centro de datos de IA. Una empresa puede estar vendiendo capacidad y, aun así, afrontar costes de chips, electricidad, depreciación, personal e intereses que reduzcan su retorno. Por eso, el crecimiento de ventas, un gran contrato o una cartera de pedidos no equivalen automáticamente a una inversión rentable.

Los argumentos de quienes ven riesgo de burbuja

• El gasto anual aumenta con rapidez y se anuncian proyectos de varios años antes de que toda la capacidad esté construida o en servicio. Si la demanda futura se revisa a la baja, parte de los activos podría quedar infrautilizada.
• Las empresas necesitan ingresos recurrentes que compensen electricidad, refrigeración, operación, conectividad y financiación, además de la construcción. La inversión no se justifica solo porque un modelo sea popular o técnicamente potente.
• Los aceleradores son costosos y envejecen antes que los edificios. Microsoft dijo que aproximadamente dos tercios de su capex trimestral citado eran activos de vida corta, sobre todo CPU y GPU. La obsolescencia y depreciación podrían presionar los márgenes si la capacidad no se monetiza a tiempo.
• Parte del crecimiento se apoya en financiación externa y contratos largos. Oracle emitió acciones para financiar su programa de inversión; CoreWeave informó de 35.600 millones de dólares de deuda al 30 de junio de 2026. Esos ejemplos muestran estructuras distintas y no describen por igual a todos los participantes.
• Las cifras de pedidos o compromisos pueden dar una impresión de seguridad mayor de la real. El RPO incluye ingresos contratados para periodos futuros y puede cancelarse o depender de condiciones; la capacidad anunciada necesita energía, permisos, proveedores y clientes para convertirse en servicio.

Estos riesgos son más visibles en operadores jóvenes o muy endeudados, pero no prueban que la inversión de las grandes plataformas vaya a perder dinero. Tampoco basta con que una compañía rentable pueda financiar un proyecto: el capital tiene un coste y debe competir con otros usos.

Los argumentos de quienes creen que la demanda puede justificarla

La demanda actual no es hipotética en todos los segmentos. La IEA estima que la capacidad de las instalaciones dedicadas a IA se multiplicó por más de tres en los 18 meses previos a su informe de abril de 2026; el consumo eléctrico de esos centros subió un 50% en 2025. La agencia también recogió que grandes proveedores de modelos declararon que sus usuarios activos se triplicaron y sus ingresos se quintuplicaron durante el último año, aunque no existe una estadística global completa de uso. (Fuente: IEA, resumen ejecutivo de *Key Questions on Energy and AI* (abril de 2026).)

• El cloud tradicional sigue creciendo junto a la IA. No toda nueva sala de servidores es una “fábrica de IA”, y las cargas de almacenamiento, bases de datos, comercio y software en la nube también sostienen infraestructura.
• Algunas regiones tienen restricciones de potencia y conexiones pendientes. En ellas, la escasez local puede coexistir con exceso de capacidad o proyectos cancelados en otros mercados.
• Entrenar modelos es solo una carga; la inferencia, los agentes, el vídeo y otras tareas pueden mantener uso después de que un sistema se construya. Su rentabilidad dependerá de que clientes acepten el precio y de que el servicio aporte valor medible.
• No todos los componentes quedan obsoletos al mismo tiempo. Un acelerador puede depreciarse rápido, mientras que edificios, subestaciones, redes, refrigeración y conexiones pueden servir a nuevas generaciones de chips o a otras cargas de computación. La reutilización no garantiza recuperar el coste original, pero puede limitar el desperdicio físico.

NVIDIA, por ejemplo, informó de un fuerte crecimiento en ingresos de centros de datos; Oracle dijo que había entregado 850 MW de capacidad adicional y contratado más servicios cloud de IA. Estos datos confirman actividad comercial y capacidad en construcción, no que todos los proyectos futuros vayan a alcanzar su ocupación o retorno objetivo. La misma evidencia puede apoyar una lectura de demanda real y otra de inversión adelantada.

¿Se parece a la burbuja puntocom?

Hay semejanzas: entusiasmo por una tecnología con potencial, grandes expectativas de crecimiento e inversión en infraestructura antes de que todos los usos estén claros. Durante el auge de telecomunicaciones de finales de los noventa se tendieron redes de fibra con capacidad que quedó sin utilizar. Un informe de la FCC de 2000 ya describía cantidades significativas de fibra de alta capacidad oscura. Esa historia recuerda que la demanda puede tardar en alcanzar a la oferta.

La fibra también muestra por qué el resultado financiero y el valor físico pueden divergir: una red construida en exceso puede seguir siendo útil cuando el tráfico aumenta, aunque el operador original o sus inversores hayan quebrado o perdido dinero. No se deduce que toda fibra se recuperara ni que toda instalación de IA vaya a encontrar clientes. Hay una diferencia entre que un activo tenga uso futuro y que quien lo financió obtenga un rendimiento adecuado.

También hay diferencias importantes con 1999. Muchas compañías que financian hoy la infraestructura tienen negocios rentables previos en publicidad, software, comercio y cloud; existen clientes que ya pagan por modelos y capacidad, y los centros físicos pueden albergar equipos distintos con el tiempo. Pero los chips de IA no duran como una zanja de fibra, la escala energética es otra y el coste de operar los servidores continúa después de construirlos. No estamos repitiendo 1999 de forma automática: estamos ante riesgos y fundamentos que deben medirse por separado.

Qué señales deberíamos vigilar

Ningún indicador aislado resuelve el debate. Conviene comparar gasto, capacidad realmente conectada, uso, ingresos y costes a lo largo de varios trimestres, y distinguir una dificultad local de una tendencia global.

• A favor de la tesis de sobreinversión: instalaciones terminadas con baja utilización; proyectos retrasados, cancelados o sin financiación; clientes que no renuevan; crecimiento del gasto que supera persistentemente los ingresos relacionados; presión sobre márgenes por depreciación, electricidad o intereses.
• También sería una señal de alerta que contratos o cartas de intención se presentasen como ingresos ya cobrados, o que empresas dependientes de deuda no pudieran refinanciarse en condiciones asumibles.
• En sentido contrario: utilización sostenida de los clusters; capacidad de IA que entra en servicio y se vende; crecimiento de inferencia y cloud con clientes diversos; y evidencia de que empresas usuarias pagan de forma repetida por funciones que mejoran su trabajo.
• Ayudaría ver contratos plurianuales que se convierten en ingresos y cobros, junto con márgenes que soporten los costes de energía, hardware, refrigeración y financiación. Una cartera de pedidos por sí sola no prueba ese resultado.
• La red eléctrica ofrece otra prueba: conexiones aprobadas y completadas, nueva generación y almacenamiento disponibles, y menos proyectos inmóviles. Una cola de solicitudes grande puede reflejar ambición, no capacidad que vaya a construirse.
• Por último, la reutilización importa: si un centro puede alojar aceleradores de otra generación o cargas cloud convencionales, parte del edificio conserva utilidad. Si el equipo queda obsoleto, la conexión eléctrica no llega o no hay demanda pagadora, la reutilización puede ser limitada.

Entonces, ¿hay una burbuja de IA?

A 15 de octubre de 2026, los datos muestran una expansión real de infraestructura, un aumento excepcional del gasto y cuellos de botella energéticos; también muestran crecimiento en cloud y ventas concretas de servicios y aceleradores. No bastan para afirmar que toda la inversión sea sostenible ni para declarar que el conjunto sea una burbuja. La respuesta puede variar entre regiones, empresas y capas de la cadena: un mercado puede quedarse corto de capacidad mientras otro construye más de la que monetizará.

La pregunta útil para los próximos años no es solo cuántos centros se anuncian, sino cuántos se conectan, cuánto se utilizan y qué ingresos recurrentes sostienen sus costes totales. La inversión adelantada puede dejar infraestructura valiosa; también puede destruir capital si la demanda o la financiación no llegan. De momento, el veredicto permanece abierto.

Preguntas frecuentes

¿Qué tendría que ocurrir para hablar de una burbuja de IA?

No hay un único umbral. La preocupación aumentaría si la capacidad construida quedara infrautilizada y los ingresos no cubrieran de forma persistente los costes de hardware, energía, operación y financiación. El gasto elevado, por sí solo, no demuestra que eso vaya a suceder.

¿Cuánto se invierte en centros de datos de IA en 2026?

No existe una cifra única comparable de gasto de IA. Las guías de Amazon, Alphabet y Meta citadas aquí son capex de toda la compañía; Microsoft publica cifras trimestrales con definiciones específicas y Oracle informa por ejercicio fiscal. La IEA estima que el capex de cinco grandes tecnológicas crecería un 75% en 2026, pero no es un resultado final ni una suma exclusivamente de IA.

¿Todo el crecimiento de los centros de datos se debe a la IA?

No. Los centros de datos también alojan servicios cloud tradicionales, bases de datos, almacenamiento, comercio, vídeo y software empresarial. Cuando una fuente habla de todos los centros de datos, no debe presentarse su consumo o inversión como si correspondiera íntegramente a IA.

¿Es igual que la burbuja puntocom?

Hay paralelismos en expectativas, inversión e infraestructura anticipada, y la fibra de finales de los noventa dejó capacidad sin utilizar. Pero las grandes tecnológicas actuales ya tienen negocios rentables y clientes, y ciertos activos físicos pueden reutilizarse. La comparación ayuda a pensar en exceso de capacidad; no permite predecir el resultado.

¿Qué relación tiene con los modelos de IA que usamos?

La demanda depende del modelo, el tipo y volumen de consultas, y dónde se ejecuta. Si quieres comparar las herramientas que compiten por usuarios y empresas, consulta nuestra comparativa de ChatGPT, Claude y Gemini. Esa comparación no mide por sí sola cuánto retorno obtiene cada proveedor de su infraestructura.