Anthropic presentó recientemente de forma confidencial la documentación para una IPO, en un intento de llegar al mercado antes que OpenAI (este verano/otoño). La empresa saldrá a bolsa poco después de que SpaceX se haga pública en las próximas semanas. No sorprende, por tanto, que el entusiasmo alrededor de la inteligencia artificial esté aumentando rápidamente, en preparación para algunas de las mayores IPO de la historia.
Es conocido que SpaceX describió su oportunidad de mercado en IA (Total Addressable Market o TAM) como superior a 26 billones de dólares anuales. Masayoshi Son, CEO de SoftBank y uno de los mayores inversores en OpenAI y otras compañías relacionadas con la IA, fue citado recientemente por CNBC diciendo: “Creo que esto es más de 10 veces, probablemente 50 veces más grande que la burbuja puntocom” y “Esta es la mayor revolución tecnológica y realización que la humanidad haya experimentado jamás; esto es apenas el comienzo de Internet.”
Declaraciones como estas suelen ser interesadas y con frecuencia buscan alimentar el hype antes de una IPO o una gran ronda de financiación. La aceleración de las inversiones en IA ha superado claramente incluso la capacidad de las empresas más rentables del mundo para financiar su crecimiento mediante flujos de caja propios. Como resultado, la emisión de deuda por parte de los grandes hyperscalers (Meta, Amazon, Google, Microsoft, etc.) está aumentando a un ritmo impresionante. Con esto en mente, a continuación se presentan algunas reflexiones sobre el estado actual de la IA y sobre qué es hype y qué es realidad
Mucho se ha escrito, tanto por nosotros como por otros, acerca de las enormes cantidades de dinero que se están destinando a la construcción de centros de datos. El actual ciclo de entusiasmo por la IA está empezando a centrarse cada vez más en el crecimiento extremo de ingresos necesario para justificar el inmenso gasto de las empresas de IA. Dependiendo del horizonte temporal del inversor, es fundamental determinar si este gasto gigantesco generará un retorno sobre la inversión razonable. Las estimaciones sobre el tamaño potencial del mercado varían enormemente. Al evaluar estas proyecciones, es importante considerar la fuente y las hipótesis de crecimiento subyacentes.
Por ejemplo, los consultores y bancos de inversión tienden a ser excesivamente optimistas, ya que sus negocios suelen depender de las empresas involucradas (los hyperscalers necesitarán recaudar billones de dólares para financiar sus infraestructuras y requerirán mercados e inversores receptivos).
Al analizar las hipótesis que sustentan las operaciones de IA, se observa que la rentabilidad de los centros de datos es especialmente sensible a variables como la vida útil de los chips utilizados y el coste por megavatio necesario para construir un centro de datos (los centros de datos generalmente se miden por consumo energético y no por tamaño físico). Utilizando ciertas hipótesis base sobre el capex en IA, Goldman Sachs evaluó recientemente la sensibilidad económica de la IA frente a varios factores clave.
AUno de los principales problemas para los hyperscalers es la estimación de la vida útil de los chips de NVIDIA que utilizan predominantemente en sus sistemas. Se ha escrito mucho sobre el hecho de que muchos hyperscalers han aumentado discretamente las estimaciones de duración de sus chips de 3 años a 5-6 años. Este es un tema crucial, ya que los costes de computación representan más del 60% del gasto total en capex. Como indica la tabla mencionada, la depreciación total registrada en sus estados financieros casi se duplicaría si la vida útil de los chips aumentara de 3 a 7 años.
Goldman Sachs señala: “Un único acelerador comprado por 50.000 dólares y depreciado en cinco años implica un gasto anual de depreciación de 10.000 dólares. Sin embargo, si ese chip se vuelve operativamente obsoleto o económicamente ineficiente antes de que finalice el periodo de depreciación —porque una nueva generación ofrece un rendimiento mucho mejor por dólar invertido— el operador sigue soportando el coste de un activo que ya no genera el valor económico original. Multiplicando esta dinámica por cientos de miles de dispositivos, el riesgo se convierte en una amenaza para la economía fundamental del ecosistema de IA. Los estados contables pueden reflejar una depreciación ordenada, pero la obsolescencia operativa puede imponer una realidad económica muy distinta, y esos cambios pueden llegar abruptamente.”
El argumento a favor de ciclos de depreciación más largos es que NVIDIA continúa lanzando nuevas generaciones de chips cada año con un rendimiento significativamente superior respecto a los modelos anteriores. No es difícil imaginar que, después de 3 años, muchas versiones antiguas puedan considerarse obsoletas e incapaces de generar ingresos económicamente viables. Los costes de construcción de centros de datos son otra variable clave que debe vigilarse. No se trata únicamente de construir instalaciones más grandes. Para maximizar el rendimiento, los modernos centros de IA son cada vez más complejos y requieren mayor densidad, más potencia eléctrica, sistemas avanzados de refrigeración, más memoria, etc.
Actualmente, los costes de construcción rondan los 10 millones de dólares por megavatio (MW). A medida que aumenta la complejidad, se espera que los centros de datos de próxima generación cuesten al menos entre 15 y 20 millones por MW. Como demuestra la tabla mencionada, incluso pequeños aumentos en el coste por MW pueden traducirse en enormes incrementos en los costes totales de construcción
Incluso con los precios actuales, el periodo de recuperación de esta infraestructura es extremadamente sensible a las hipótesis de ingresos y márgenes utilizadas en las estimaciones. Está claro que será necesario un crecimiento extremadamente sólido para que los periodos de recuperación tengan sentido a largo plazo. Los centros de datos cloud tradicionales (no IA) históricamente han tenido periodos de recuperación de entre 3 y 5 años. Los REIT especializados en centros de datos han generado típicamente tasas internas de retorno (IRR) del 15-20%. Por lo tanto, se requieren hipótesis bastante optimistas sobre ingresos futuros para justificar los actuales niveles de gasto.
Conclusiones para los inversores:
En los próximos meses probablemente veremos una avalancha de artículos y noticias sobre la enorme oportunidad que representa la IA para los inversores que desean aumentar su exposición al sector. Esto es una consecuencia natural de la necesidad de colocar cientos de miles de millones de dólares en el mercado para las IPO de SpaceX, Anthropic y OpenAI, además de las emisiones de deuda de los grandes hyperscalers. Google también recaudó recientemente otros 80.000 millones de dólares en capital para ayudar a financiar el crecimiento en IA. La cuestión clave que los inversores deben analizar es si estas propuestas de inversión tienen sentido en la realidad o si simplemente están vendiendo escenarios excesivamente optimistas a valoraciones astronómicas. Es poco probable que alguna de estas compañías pueda considerarse una inversión de valor (“value play”). Esto no significa que los inversores deban evitarlas por completo: la IA probablemente tendrá un impacto enorme en la sociedad. Lo que los inversores deben evitar son situaciones en las que la tecnología sea vital y revolucionaria, pero el rendimiento bursátil de las empresas no lo sea.
Un ejemplo clásico es la industria aérea. Nadie cuestiona la importancia esencial del sector. Sin embargo, no existe una gran ventaja competitiva (“moat”) entre una aerolínea y otra. Como consecuencia, a largo plazo ha resultado ser una inversión desastrosa (26% de retorno desde 1993 frente al 1.421% del S&P 500). Actualmente resulta difícil ver cómo podrían desarrollarse ventajas competitivas duraderas en el espacio de los modelos de lenguaje de gran tamaño (LLM), por lo que cierto nivel de cautela está justificado, especialmente para las empresas con valoraciones extremas. Esto será particularmente cierto si las tasas de crecimiento comienzan a moderarse o si la inflación incrementa los costes de construcción y de servicio de la deuda.
