Los pequeños modelos “roban” la demanda de poder de cómputo en la nube, poniendo a prueba el gasto de capital de los centros de datos valorado en billones de dólares

Las aplicaciones de IA siguen expandiéndose, pero la inversión en centros de datos a gran escala que respalda esta ola de auge enfrenta nuevos desafíos desde el lado de la demanda.

Un informe de Jefferies señala que, a medida que los modelos de lenguaje pequeño mejoran su rendimiento y reducen costes, las implementaciones empresariales de IA podrían pasar de estar centralizadas en la nube a localizarse, lo que ejercerá presión tanto sobre la demanda de capacidad de cómputo en la nube como sobre los enormes gastos de capital en centros de datos.

Uno de los fundamentos clave de esta conclusión es la observación reciente sobre el uso real de los servidores de IA. En septiembre de 2026, Swerve Research Technologies construyó un "índice de congestión" rastreando el tiempo de espera en las colas de solicitudes de servidores de Anthropic, descubriendo que la utilización de estos servidores cayó un 26% desde el pico alcanzado entre enero y febrero de 2026. Este indicador no corresponde directamente a los ingresos de las empresas, pero si la tasa de utilización sigue disminuyendo, podría significar que parte de la oferta de capacidad informática empieza a quedar ociosa.

Al mismo tiempo, las inversiones en infraestructura de IA continúan expandiéndose rápidamente. El mercado actualmente estima que Meta, Alphabet, Amazon y Microsoft, las cuatro grandes tecnológicas estadounidenses, podrían alcanzar un gasto de capital conjunto de hasta 990 mil millones de dólares en 2027. El informe considera que, si el crecimiento de la demanda de capacidad de IA finalmente no logra igualar este volumen de inversión tan enorme, algunos centros de datos podrían enfrentarse a retornos insuficientes o incluso correr el riesgo de convertirse en "activos varados".

La utilización de servidores disminuye, la oferta de capacidad de IA puesta a prueba

El producto personal de IA Muse de Meta, lanzado el 8 de septiembre, impulsó el precio de las acciones de Meta en un 21% en pocas semanas, convirtiéndose en un punto destacado entre las recientes aplicaciones de consumo de IA. Pero el informe considera que el éxito de una aplicación individual no basta para demostrar que todo el ciclo de inversiones en infraestructura de IA pueda continuar.

Aún más relevante es que las propias empresas de IA han emitido señales diferentes a las optimistas expectativas del mercado. El CEO de Anthropic, el CEO de OpenAI Sam Altman y Elon Musk han hablado recientemente en público sobre la necesidad de ralentizar el desarrollo de IA; el plan original de salida a bolsa de Anthropic se ha pospuesto hasta noviembre.

Al mismo tiempo, Anthropic ya ha firmado previamente un contrato de capacidad informática valorado en 45 mil millones de dólares y a tres años con SpaceX, y acuerdos de cooperación de varios miles de millones de dólares en capacidad de computación con Amazon y Google Cloud. Si el crecimiento de los ingresos de IA se ralentiza mientras los contratos a gran escala previamente firmados aún deben cumplirse, la presión de costos para las empresas podría aumentar aún más.

Según los informes, Meta también negoció con Anthropic en julio con la intención de alquilarle hasta 10 mil millones de dólares en capacidad de centro de datos durante dos años. El informe considera que el hecho de que las grandes tecnológicas comiencen activamente a buscar clientes externos que absorban su capacidad informática también refleja que, ante la rápida expansión de la oferta de infraestructura, cómo mejorar la utilización de activos se está convirtiendo en un nuevo problema.

Los modelos pequeños alcanzan rendimiento, el despliegue local podría desviar demanda de la nube

En comparación con los cambios a corto plazo en la utilización de servidores, el informe presta mayor atención a los cambios que están ocurriendo en la arquitectura de los modelos de IA.

La investigación "Intelligence per Watt" publicada conjuntamente por la Universidad de Stanford y Together AI indica que, el rendimiento de los modelos de lenguaje pequeño está alcanzando rápidamente al de los grandes, mientras que el consumo energético y el coste de computación son entre un 50% y un 85% más bajos. Si esta tendencia continúa, la escala y los costes computacionales para implementar IA podrían cambiar en consecuencia.

Anteriormente, las empresas dependían más de modelos grandes centralizados en la nube para completar tareas de IA; con la mejora de las capacidades de los modelos pequeños, en algunos casos podría optarse por implementaciones locales. Sectores como banca, que exigen altos niveles de seguridad de los datos, ya tienen una fuerte demanda de despliegue local; si los modelos pequeños reducen aún más los costes de implementación, este enfoque podría aplicarse aún en más campos.

Esto significa que el crecimiento de las aplicaciones de IA no necesariamente lleva a que la demanda de capacidad de computación en la nube aumente en la misma proporción. Las empresas podrían expandir el uso de IA mientras reducen su dependencia de APIs de modelos a gran escala y capacidad de cómputo centralizada en la nube.

Esta es también una de las razones clave por las que el informe cuestiona el gasto de capital cercano al billón de dólares: si en el futuro más aplicaciones de IA son soportadas por modelos pequeños, de bajo coste y locales, el actual volumen de inversiones alrededor de centros de datos a ultra gran escala podría no coincidir con la demanda real de capacidad de computación.

En este escenario, lo que realmente debe reevaluarse no es si existe demanda de IA, sino cuánta capacidad centralizada requiere dicha demanda y si estos centros de datos podrán obtener retornos acordes al tamaño de la inversión.