¿Ecos de las puntocom? El dilema del negocio actual de la inteligencia artificial

La discusión se concentra hoy en la brecha entre hyperscalers y semiconductores.

La adopción de estas tecnologías en tareas laborales y personales ya es masiva, con aplicaciones como ChatGPT, Claude, Gemini o DeepSeek a la cabeza.

El miércoles, tras el cierre del mercado, Alphabet (GOOG) publicó su balance y uno de los datos que llamó la atención fue el free cash flow, que se ubicó en terreno negativo por primera vez desde su salida a bolsa en 2004. El número puntual abre un debate más amplio sobre la sostenibilidad del rally vinculado a la inteligencia artificial.

La adopción de estas tecnologías en tareas laborales y personales ya es masiva, con aplicaciones como ChatGPT, Claude, Gemini o DeepSeek a la cabeza. Esa es la demanda final, la que genera los ingresos genuinos del sector. El problema es que esos ingresos todavía no alcanzan para financiar todos los eslabones de la cadena. La diferencia la cubren los hyperscalers con su propio flujo operativo y, de manera creciente, con emisión de deuda.

El capex no golpea el estado de resultados, pero sí el flujo de caja. Alphabet sigue siendo enormemente rentable, aunque el esfuerzo de inversión ya consume la totalidad de la caja que genera. De ahí las rotaciones que se vienen observando dentro del sector, con los inversores alejándose de las compañías comprometidas con los mayores planes de inversión. El temor de fondo es que el retorno sobre ese capital termine siendo insuficiente frente a su costo, lo que forzaría un recorte de las órdenes futuras y arrastraría al resto de la industria.

Trazar paralelismos con las puntocom es un lugar común, pero resulta difícil no remontarse a aquella época. Entre 1999 y 2000, las telefónicas que vendían al cliente final (Verizon, AT&T, WorldCom, BellSouth, GTE, Sprint) empezaron a ceder mientras las proveedoras de equipamiento (Cisco, Nokia, Nortel, Qualcomm, Motorola) seguían subiendo. El desacople terminó resolviéndose por el lado más débil, con varios trimestres de rezago. El riesgo hoy es análogo. Si los hyperscalers enfrentan dificultades, el golpe llegaría con lag a los semiconductores, que por ahora no tienen problemas de caja y muestran una performance destacada.

Los distintos actores de la industria

En la base están los proveedores de equipamiento. ASML fabrica las máquinas de litografía EUV, las únicas capaces de imprimir los circuitos más chicos, y junto a Applied Materials, Lam Research y Tokyo Electron le venden a las fundiciones. TSMC es la principal de ellas y produce físicamente los chips que otros diseñan, con un dominio casi monopólico en el nodo de punta que Samsung e Intel buscan disputar. Nvidia y AMD diseñan las GPU pero tercerizan la manufactura, mientras Broadcom y Marvell desarrollan los chips a medida de cada cliente, como el TPU de Google, el Trainium de Amazon o el desarrollo propio de Meta. Micron, SK Hynix y Samsung aportan la memoria HBM, un cuello de botella tan relevante como el procesador mismo. Un escalón más arriba aparece el armado físico. Dell, Super Micro, Foxconn y Quanta ensamblan los racks, Vertiv y Eaton proveen refrigeración líquida y distribución eléctrica, Arista y Coherent el networking y la óptica que conecta miles de placas entre sí, y en la base de toda la generación eléctrica, con Constellation, Vistra y GE Vernova como nombres de referencia.

Todo eso se lo venden a los hyperscalers. Microsoft (Azure), Amazon (AWS), Google (GCP), Meta y Oracle, a los que se suman CoreWeave y Nebius como puros arrendadores de capacidad, compran esa infraestructura, la montan en centros de datos propios y comercializan cómputo en la nube.

Por encima operan los laboratorios de modelos. OpenAI, Anthropic, Mistral y xAI en general no son dueños del hardware sino que lo alquilan. OpenAI corre principalmente sobre Azure, con acuerdos adicionales con Oracle y CoreWeave, mientras Anthropic lo hace sobre AWS y Google Cloud, firmas que son a la vez proveedoras e inversoras. El laboratorio le paga al hyperscaler, que le pagó a Nvidia, que le pagó a TSMC, que le pagó a ASML. Google y Meta constituyen un caso particular porque ocupan ambos escalones de manera simultánea, ya que son su propio proveedor de nube y su propio laboratorio, con Gemini y Llama respectivamente. Al final de la cadena está la demanda final, que es la única instancia donde ingresa dinero externo al circuito.

Buena parte de los laboratorios todavía cotiza en el mercado privado, algo que agrega dos focos de riesgo. El primero es competitivo, ya que la aparición de modelos considerablemente más baratos, como ocurrió con DeepSeek, presiona los márgenes de los jugadores establecidos. El segundo es de liquidez. Cuando estas compañías salgan a bolsa, el mercado podría necesitar vender otros activos para absorber esas colocaciones, un temor que ya asomó en su momento con el IPO de SpaceX.

Retomando el eje principal, la discusión se concentra hoy en la brecha entre hyperscalers y semiconductores. Los primeros caen 6,3% en lo que va del año mientras los segundos acumulan una suba de 126%, y la pregunta es si ese desacople anticipa un contagio o si se trata de un desfasaje transitorio hasta que las inversiones empiecen a dar frutos. Un matiz que conviene tener presente es que, a diferencia de las telefónicas apalancadas de los noventa, los compradores de chips de hoy son un puñado de compañías con los balances más sólidos del mercado, capaces de sostener el esfuerzo de inversión durante bastante tiempo. Eso no invalida el paralelo, pero probablemente estire los plazos sí que algo de todo esto se materializa.

Analista de PPI.