CEO de IBM: "Imposible" que las inversiones en infraestructura de IA de los hiperescaladores sean rentables
10 de diciembre de 2025 Escrito por Blake Crosley
El CEO de IBM, Arvind Krishna, cuestionó públicamente la economía de la infraestructura de IA de los hiperescaladores el 3 de diciembre de 2025, afirmando que incluso un cálculo simple revela que "es imposible" que las masivas inversiones en centros de datos de las empresas tecnológicas tengan sentido.1 "En mi opinión, es imposible que obtengas un retorno de eso, porque $8 billones de capex significa que necesitas aproximadamente $800 mil millones de ganancias solo para pagar los intereses", declaró Krishna.[^2] Krishna argumentó además que la depreciación de GPUs representa el riesgo más subestimado: "Tienes que usarlo todo en cinco años porque en ese momento, tienes que tirarlo y reemplazarlo".[^3]
Los comentarios de Krishna llegan mientras los hiperescaladores comprometen capital sin precedentes en infraestructura de IA. Los Cuatro Grandes colectivamente esperan gastos de capital superiores a $380 mil millones en 2025, con CreditSights proyectando un capex acumulado de $602 mil millones para 2026.[^4]
Compromisos de CapEx de hiperescaladores 2025:
| Empresa | CapEx 2025 | Cambio interanual | Enfoque IA |
|---|---|---|---|
| Amazon (AWS) | $125 mil millones | +35% | Infraestructura IA/cloud |
| Google (Alphabet) | $91-93 mil millones | +40% | Centros de datos, cómputo IA |
| Microsoft | $80-89 mil millones | +25% | Infraestructura Azure AI |
| Meta | $70-72 mil millones | +28% | Clústeres de entrenamiento IA |
| Total | $380+ mil millones | +32% | ~75% relacionado con IA |
Las matemáticas crean una tensión fundamental: los ingresos combinados de cloud IA en 2025 probablemente alcancen $50-60 mil millones mientras el capex supera los $380 mil millones—una proporción inversión-ingreso de 6:1 que requiere años de crecimiento de triple dígito para justificarse.[^5]
El argumento de Krishna
La crítica de Krishna se centra en matemáticas financieras básicas más que en capacidades tecnológicas, concentrándose en tres preocupaciones interconectadas: costos de interés, plazos de depreciación e incertidumbre sobre AGI.
Análisis de costos de interés
La referencia de Krishna a $8 billones en capex acumulado y $800 mil millones en ganancias requeridas destaca la carga de intereses de la inversión en infraestructura. Construir un solo gigavatio de capacidad de centro de datos cuesta aproximadamente $80 mil millones en dólares actuales.[^6] Los compromisos globales totales persiguiendo AGI se aproximan a 100 gigavatios, estableciendo el precio en aproximadamente $8 billones.
A las tasas de interés actuales, $8 billones en capital requieren aproximadamente $800 mil millones en ganancias anuales simplemente para cubrir los costos de financiamiento—antes de generar retornos para los accionistas. Para contextualizar, los ingresos netos combinados de 2024 para Microsoft, Google, Amazon y Meta totalizaron aproximadamente $200 mil millones.[^7] Las matemáticas requieren que la IA genere cuatro veces la rentabilidad total actual solo para cubrir intereses.
La bomba de tiempo de la depreciación
Krishna identificó la depreciación como "la parte del cálculo más subestimada por los inversores".[^3] Los hiperescaladores deprecian la infraestructura de GPUs en cinco a seis años, pero NVIDIA ahora lanza nuevas arquitecturas anualmente versus el ciclo previo de dos años.[^8]
Realidad de la depreciación de GPUs:
| Métrica | Tratamiento contable | Realidad económica |
|---|---|---|
| Vida útil | 5-6 años | 1-3 años |
| Tasa de depreciación | 17-20%/año | 33-100%/año |
| Valor residual | ~0% al final de vida | ~0% al año 3 |
| Ciclo de arquitectura | Asumido estable | Lanzamientos anuales |
Michael Burry ha argumentado que empresas incluyendo Meta, Oracle, Microsoft, Google y Amazon sobreestiman la vida útil de las GPUs y subestiman la depreciación, situando la vida útil real en dos a tres años.[^9] Un arquitecto de Google supuestamente declaró que las GPUs de centros de datos pueden durar solo de uno a tres años dependiendo de la utilización, impulsado por estrés térmico más que por obsolescencia.[^10]
El paralelo con la burbuja de las telecomunicaciones
Las inversiones en infraestructura tecnológica históricamente han producido sobrecapacidad. Durante el auge de la fibra óptica (1995-2000), las empresas gastaron un estimado de $2 billones construyendo 80-90 millones de millas de redes de fibra.[^11] Para 2001, el 95% permanecía como fibra oscura—capacidad sin usar esperando una demanda que nunca se materializó.[^12]
Burbuja de telecomunicaciones vs. Infraestructura de IA:
| Métrica | Telecomunicaciones (1995-2000) | IA (2023-2025) |
|---|---|---|
| Inversión total | ~$2 billones | ~$600 mil millones (2024-2025) |
| Utilización en el pico | 5% | Desconocida |
| Caída de acciones | 98% (Corning, Ciena) | Por determinar |
| Tiempo de recuperación | 5-10 años | Por determinar |
Las acciones de Corning cayeron de $100 a $1 para 2002. Global Crossing, WorldCom y 360networks se declararon en bancarrota. Entre 2000 y 2002, las acciones globales de telecomunicaciones perdieron más de $2 billones en valor de mercado.[^13]
Escepticismo sobre AGI
Krishna cuestionó si las arquitecturas actuales lograrán AGI en absoluto, estimando la probabilidad en "aproximadamente 0-1%" sin un avance fundamental.[^14] Si AGI sigue siendo esquiva, la infraestructura construida para cómputo a escala AGI puede resultar sobredimensionada para las aplicaciones reales.
Contraargumentos
El liderazgo de los hiperescaladores presenta contrapuntos sustanciales a la crítica de Krishna.
La demanda supera la oferta
El CEO de Amazon, Andy Jassy, declaró que la capacidad se consume "tan rápido como la implementamos".[^15] El negocio de IA de AWS opera con crecimiento interanual de "triple dígito", expandiéndose "más de tres veces más rápido en esta etapa de su evolución que el propio AWS".[^16] El crecimiento de ingresos de cloud en Q3 2025 se mantuvo robusto: AWS +20% a $33 mil millones, Azure +40%, Google Cloud +34% a $15.15 mil millones.[^17]
El gasto global en infraestructura cloud alcanzó $95.3 mil millones en Q2 2025, marcando el cuarto trimestre consecutivo superando el 20% de crecimiento.[^18] La demanda parece real más que especulativa.
El argumento de la cascada de valor
Los defensores argumentan que la vida útil de las GPUs se extiende a través de la "cascada de valor"—reutilizando chips de entrenamiento a inferencia a cargas de trabajo utilitarias.[^19] El CEO de CoreWeave señaló que sus chips A100 de 2020 permanecen completamente reservados, con H100s recientemente disponibles reservándose inmediatamente al 95% de los precios originales.[^20]
El entrenamiento requiere las arquitecturas más nuevas, pero las cargas de trabajo de inferencia—de alto volumen y altamente rentables—funcionan eficientemente en chips más antiguos. La progresión de entrenamiento a inferencia a ajuste fino potencialmente extiende la vida económica a cinco años.
Fosos estratégicos
La inversión en infraestructura crea barreras que los entrantes tardíos no pueden replicar. La infraestructura Azure de Microsoft defiende la posición de IA empresarial. El cómputo de Google protege la búsqueda de alternativas de IA. La capacidad de entrenamiento de Meta permite el desarrollo de modelos fundacionales que competidores más pequeños no pueden igualar.
Valor estratégico más allá del ROI:
| Empresa | Imperativo estratégico | Rol de infraestructura |
|---|---|---|
| Microsoft | Liderazgo en IA empresarial | Diferenciación Azure AI |
| Defensa de búsqueda | Capacidad de desarrollo Gemini | |
| Amazon | Dominio del cloud | Expansión de servicios AWS |
| Meta | Funciones de IA social | Entrenamiento de modelos Llama |
Horizontes temporales de largo plazo
El lado positivo de la burbuja de telecomunicaciones resulta instructivo: la fibra sobredimensionada en 2000 habilitó YouTube (2005), streaming de Netflix (2007) y computación en la nube (2006+).[^21] El ancho de banda barato por sobrecapacidad creó modelos de negocio completamente nuevos.
De manera similar, la sobrecapacidad de infraestructura de IA—si se materializa—reduciría los costos de alquiler de GPUs y habilitaría aplicaciones de IA actualmente antieconómicas. La infraestructura puede resultar fundamental incluso si los inversores originales sufren pérdidas.
Marco de decisión para planificación de infraestructura
La crítica de Krishna crea implicaciones accionables para organizaciones evaluando inversiones en infraestructura de IA.
Matriz de estrategia de infraestructura:
| Escenario | Krishna tiene razón | Krishna se equivoca |
|---|---|---|
| Construiste infraestructura propia | Activos varados, ROI pobre | Ventaja competitiva |
| Alquilas de hiperescaladores | Precios caen, flexibilidad preservada | Precios estables, capacidad disponible |
| Esperas | Entras a menores costos | Pierdes ventajas de pionero |
Si Krishna tiene razón
Las organizaciones que alquilan en lugar de construir preservan opcionalidad. La sobrecapacidad impulsaría los precios de H100 por debajo de los actuales $2.85-3.50/hora hacia $1-2/hora.[^22] Los acuerdos de alquiler con cláusulas de flexibilidad superan a los compromisos de largo plazo.
Indicadores a observar: - Tasas de utilización de hiperescaladores cayendo por debajo del 70% - Precios spot de GPUs declinando >20% trimestre a trimestre - Reducciones en guía de capex en llamadas de ganancias - Cancelaciones o retrasos de proyectos importantes
Si Krishna se equivoca
Las organizaciones que aseguraron capacidad temprano se benefician de primas de escasez y precios bloqueados. Las ventajas de pionero en aplicaciones de IA se componen con el tiempo. Las restricciones de infraestructura favorecerían a operadores establecidos.
Indicadores a observar: - Crecimiento sostenido de ingresos de IA de triple dígito hasta 2026 - Estabilización o aumento de precios de GPUs - Aumentos en guía de capex de hiperescaladores - Retrasos en lanzamiento de nuevas arquitecturas
Enfoque de cobertura
La mayoría de las organizaciones deberían cubrirse en lugar de apostar direccionalmente:
- Alquilar 60-70% de necesidades actuales - preservar flexibilidad
- Asegurar capacidad comprometida para 30-40% - garantizar disponibilidad para cargas de trabajo críticas
- Negociar cláusulas de flexibilidad - derechos de escalamiento sin penalidades
- Monitorear trimestralmente - ajustar asignación basado en señales del mercado
Orientación profesional
Las decisiones de infraestructura de esta magnitud e incertidumbre se benefician de perspectiva experimentada.
La red de 550 ingenieros de campo de Introl apoya a organizaciones evaluando la economía de infraestructura de IA a través de estrategias de construcción, alquiler e híbridas.[^23] La empresa se ubicó #14 en el Inc. 5000 de 2025 con 9,594% de crecimiento en tres años, reflejando la demanda de servicios de asesoría en infraestructura.[^24]
La experiencia a través de 257 ubicaciones globales proporciona perspectiva sobre inversión en infraestructura en diversas condiciones de mercado.[^25] Introl gestiona despliegues que alcanzan 100,000 GPUs, proporcionando visión operacional sobre optimización de utilización y gestión de costos.[^26]
Conclusiones clave
Para planificadores de infraestructura: - Modelar escenarios tanto de Krishna-tiene-razón como Krishna-se-equivoca antes de comprometer capital - Preferir alquiler con cláusulas de flexibilidad sobre infraestructura propia a menos que la utilización supere el 80% - Monitorear tasas de utilización y tendencias de precios de hiperescaladores trimestralmente - Incluir cláusulas de salida en compromisos multianuales
Para analistas financieros: - Observar cambios en políticas de depreciación señalando preocupación de la administración - Comparar vidas contables de 5-6 años contra realidades económicas de 1-3 años - Rastrear tasas de crecimiento de ingresos de IA relativas a tasas de crecimiento de capex - Evaluar riesgo de activos varados en carteras intensivas en infraestructura
Para planificadores estratégicos: - Reconocer que la sobrecapacidad beneficia a consumidores incluso si perjudica a inversores - Considerar ventaja de segundo entrante si los costos de infraestructura declinan 30-50% - Evaluar dinámicas competitivas si pares sobreinvierten y enfrentan depreciaciones - Mantener opcionalidad a través de arquitecturas de cloud híbrido
Perspectiva
La crítica de Krishna representa un punto de vista minoritario en medio del entusiasmo de la industria, pero el análisis matemático demanda seria consideración. Los $380 mil millones en capex de 2025 requieren generación de ingresos sin precedentes para justificarse—crecimiento de ingresos que debe sostenerse por años contra cronogramas de depreciación que pueden resultar optimistas.
La resolución del debate importa menos que la respuesta: las organizaciones deberían cubrirse en lugar de apostar. Alquilar flexibilidad, negociar términos, monitorear señales y preservar opcionalidad. Ya sea que Krishna resulte profeta o contrario, las organizaciones preparadas se benefician de decisiones de infraestructura fundamentadas en análisis de escenarios más que en suposiciones de consenso.
Como el propio Krishna señaló a pesar de su escepticismo sobre infraestructura: "Creo que va a desbloquear billones de dólares de productividad en la empresa, solo para ser absolutamente claro".[^27] La pregunta no es si la IA crea valor, sino si los niveles actuales de inversión en infraestructura coinciden con el cronograma y la magnitud de esa creación de valor.
Referencias
[Contenido truncado para traducción]
-
Fortune. "IBM CEO warns there's 'no way' hyperscalers like Google and Amazon will be able to turn a profit at the rate of their data center spending." 3 de diciembre de 2025. ↩
