La «fábrica de IA» y la economía mundial: capex récord

Por qué la IA ya no es solo "software": la "fábrica" que cambió la economía mundial

La columna de Luis Larraín en Diario Financiero pone nombre a un fenómeno que cualquier founder con costos de infraestructura ve en su factura: la inteligencia artificial dejó de ser una categoría de software para convertirse en una industria intensiva en capital. Niraj Patel, jefe de estrategia de Itaú, lo bautiza como la "fábrica de inteligencia artificial": un puñado de empresas —Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia, Tesla, más las nuevas SpaceX, Anthropic y OpenAI, y fuera de EE.UU. TSMC y Samsung— que concentran el grueso de la inversión global y mueven, con sus resultados trimestrales, a las bolsas de todo el mundo.

La definición importa porque rompe la imagen mental del sector. "Así un sector, antes ligero y digital, requiere hoy cientos de miles de millones de dólares en capital físico", escribe Larraín. Los data centers ya no son salas refrigeradas con racks: son plantas industriales que reúnen chips, servidores, redes, memoria, refrigeración y software de coordinación para producir respuestas, código, decisiones automatizadas y acciones sobre el mundo físico. La IA usa energía, máquinas y datos como insumos para producir capacidad cognitiva — y ese insumo se paga por adelantado, durante años, en acero, silicio y vatios.

Las cifras que nadie cuestiona: el capex hyperscaler se disparó

El contexto deja de ser abstracto cuando se lo pone en dólares. Según Goldman Sachs, en el tercer trimestre de 2025 los hyperscalers proyectaban gastar US$465.000 millones en data centers durante 2026. Tres meses después la estimación subió a US$527.000 millones. La cifra real prevista hoy supera los US$750.000 millones solo en 2026, y analistas de UBS citados por 24/7 Wall St. proyectan un acumulado de US$4,1 billones entre 2026 y 2028 — más de tres veces los US$1,29 billones que el sector desembolsó en los seis años anteriores.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Para dimensionarlo: Amazon, Alphabet y Microsoft reciclarán en 2026 aproximadamente el 102% de su facturación cloud en capex, según UBS. Es decir, prácticamente todo lo que facturan en nube vuelve a la infraestructura de IA. Alphabet iría a unos US$190.000 millones solo este año, según Goldman Sachs; Meta, Microsoft y Amazon también elevaron sus guías para 2026. Dell'Oro Group, en su informe de julio de 2026, lleva el techo aún más lejos: el capex mundial en data centers superará los US$3 billones acumulados hacia 2030, con los aceleradores de alta gama como la categoría dominante.

Las cinco capas de la carrera: dónde China puede dar el "sorpasso"

Larraín toma de Patel un marco de cinco categorías para comparar a EE.UU. y China — útil para cualquier founder porque define dónde están las oportunidades de inversión, contratación o partnership:

Energía: quién alimenta los data centers. Aquí China tiene una ventaja de base por su matriz eléctrica y la velocidad de despliegue.
Fábricas de IA: data centers, chips, servidores, redes, memoria y refrigeración. EE.UU. lidera en los componentes más sofisticados, pero China acorta distancias.
Datos: la materia prima para entrenar y mejorar modelos. Volumen y diversidad importan más que el volumen absoluto.
Modelos: la capa que transforma cómputo en respuestas. Aquí DeepSeek y otros han demostrado que se puede competir con mucho menos.
Adopción: la velocidad con que la IA llega a empresas, consumidores, fábricas y al Estado.

La conclusión del columnista es que "la situación actual favorece a EE.UU. y sus aliados en los componentes más sofisticados", pero la trayectoria china "muestra una reducción de la distancia en modelos, infraestructura y aplicaciones vinculadas al mundo físico, donde las economías de escala son claves". El "sorpasso" no puede descartarse.

DeepSeek, Z.ai y Moonshot: los tres nombres que reescriben la narrativa

El punto dejó de ser hipótesis. Según un perfil de Channel News Asia, China ya tiene tres laboratorios de frontera con argumentos competitivos serios:

DeepSeek, fundada por Liang Wenfeng en 2023 sobre los profits del hedge fund cuantitativo High-Flyer, sacudió Silicon Valley en 2025 con su modelo R1, presentado como paritario al de sus rivales estadounidenses pero a una fracción del costo. Liang —hoy la persona más rica del mundo creador de modelos de IA, con US$37.900 millones según el Bloomberg Billionaire Index— está intentando ahora diseñar su propio chip de inferencia, reportó Ars Technica citando fuentes de Reuters. El objetivo: reducir la dependencia de Nvidia y de Huawei y sortear las restricciones de exportación de EE.UU.
Z.ai (ex Zhipu AI), fundada en 2019 por el profesor de Tsinghua Tang Jie —el mismo que lideró el desarrollo de Wu Dao, el primer modelo de lenguaje a gran escala chino, en 2021— publicó en julio los modelos open-weight más grandes del mundo, incluyendo GLM-5.2, y envió una nota interna a su plantilla prometiendo "poner todos los recursos centrales" en llegar a la cima de la AGI.
Moonshot AI, fundada en 2023 por Yang Zhilin —PhD de Carnegie Mellon, ex pasante en Meta y Google AI— lanzó en julio Kimi K3, el modelo open-weight más grande del mundo, que tuvo que pausar nuevas suscripciones porque "nuestras GPUs lo están sintiendo", según escribió la propia empresa en X. En mayo levantó más de US$2.000 millones con Meituan, China Mobile y CPE; su ronda total supera los US$5.500 millones y la valuación llegó a US$30.000 millones en junio, según Reuters.

Un detalle de modelo de negocio: la apuesta china combina open weights + precios agresivos + misión de investigación. "Regalar el modelo es la forma más rápida de ganar adopción global de developers", explica Lin William Cong, profesor de Finanzas y Data Science en Nanyang Technological University. Es una inversión para commoditizar la capa donde los laboratorios estadounidenses cobran prima — y para ello no hace falta vencerlos uno a uno.

Qué cambia para una startup hispana cuando la IA es una industria pesada

El mundo que describe Larraín no es el mismo en el que nacieron la mayoría de las startups SaaS hispanohablantes. Tres efectos prácticos:

El costo del "cómputo como insumo" se vuelve una variable macro. Si los hyperscalers reciclan 102% de su cloud revenue en capex, el precio del GPU-hora, la memoria HBM y el tránsito inter-DC tienen un piso que depende de cuánto gaste Amazon este trimestre. Un founder que planifica a 24 meses debe presupuestar infraestructura con escenarios altos y bajos, no con la curva descendente que mostraba la nube entre 2018 y 2023.
La geopolítica redefine tu mapa de proveedores. DeepSeek diseñando su propio chip de inferencia, OpenAI lanzando el chip Jalapeño con Broadcom y Anthropic explorando diseño propio, según Ars Technica, significan que la dependencia de Nvidia empieza a tener fecha de vencimiento por arriba (hiperscalers con chips custom) y por abajo (rival chino con hardware nacional). Para una startup esto importa en Latam tanto como en España: las cadenas de suministro de GPU y memoria se reconfiguran en bloques políticos.
La capa "datos" y la capa "adopción" siguen abiertas. Patel ubica allí parte del terreno donde China puede emparejar. Para founders hispanohablantes el mensaje es directo: si la frontera dura (chips de frontera, aceleradores de punta) está cerrada al capital, las capas blandas (datos sectoriales en español, integración en PYMEs y administración pública, distribución en mercados emergentes) son todavía tierra barata. Ahí es donde la IA deja de ser infraestructura y vuelve a ser producto.

¿Qué significa esto para tu startup?

Modela el capex de cómputo como costo fijo, no como variable que baja. Presupuesta 2026-2028 con tres escenarios (US$0,60 / US$1,20 / US$2 por millón de tokens de inferencia) y verifica trimestralmente con los reportes de hyperscalers; el capex agregado proyectado por UBS (US$4,1 billones entre 2026-2028) sugiere que el precio no caerá al ritmo histórico.
Construye una capa de datos propia y diferenciada. Si la frontera en modelos está concentrada en pocos labs y la frontera en chips aún más, el espacio defendible está en datos propietarios —en español, de tu sector, con actualización continua—. Un dataset que un frontier model no puede replicar en una semana vale más que una fina capa de fine-tuning.
Diseña tu stack para portabilidad entre proveedores. Si hoy corres en un hyperscaler, documenta qué pasa con latencia, costo y disponibilidad si migras 30% del tráfico a un neocloud (CoreWeave, Nebius) o a un proveedor regional. El "102% del cloud revenue en capex" es una señal de que la cadena cambia de manos cada vez más rápido.
Mide la "huella IA" de tu producto. Si vendes a empresas, suma al ROI cuánto consume tu solución por usuario/mes y cómo escala. En 2026, la pregunta del CFO ya no es "¿cuánto cuesta la licencia?" sino "¿cuánto cuesta mi GPU/mes por empleado?" — y ese número es el que se negocia.