SemiAnalysis: Nvidia respalda infraestructura de IA por $588.000 millones fuera de su balance, y Anthropic ya es rentable en capacidad de cómputo
Dylan Patel y Jordan Nanos en el Big Technology Podcast, 9 de octubre de 2026
Dylan Patel, director ejecutivo (CEO) de SemiAnalysis, y Jordan Nanos, miembro del equipo técnico, argumentaron que el consenso subestima tanto la magnitud de la infraestructura de IA como los ingresos necesarios para sostenerla. Patel señaló que el gráfico ampliamente difundido que sitúa la inversión en IA en el 3,6% del PIB, frente al 2,2% de los ferrocarriles, es demasiado bajo. Estima que el gasto de capital (capex) en EE. UU. alcanzará los $2 billones el próximo año, una vez integrada la cadena de suministro en su conjunto, frente a un PIB de poco más de $30 billones, es decir, "un 5% o 6%, no un 3% o un 2%". Añadió que el gasto estadounidense sobrestima la demanda interna porque Estados Unidos atiende al mundo: "La mayor parte de la inferencia europea para Anthropic se realiza en Estados Unidos, y la mayor parte de la inferencia de OpenAI en Europa se procesa en Estados Unidos".
El universo de respaldos de Nvidia por $588.000 millones
La cifra nueva más llamativa provino de Nanos, quien indicó que SemiAnalysis rastrea actualmente $588.000 millones en respaldos fuera de balance financiados por Nvidia. Esto equivale aproximadamente al 2,5% de la oferta monetaria M2 de EE. UU. Dicho respaldo adopta la forma de suelos de ingresos, garantías para propietarios y contratos de arrendamiento que Nvidia planea transferir a terceros. Estas medidas permiten que los neo-clouds y los laboratorios de IA obtengan financiamiento con grado de inversión sin la intervención de un hiperescalador. Nanos explicó que la exposición se extiende más allá de las GPUs para abarcar costos de construcción, proveedores de memoria, fabricantes de plantas de semiconductores (fabs) y constructores de equipos industriales, a los que calificó como "la pieza clave para ese proyecto específico".
Nanos rechazó el argumento de que esto constituya una demanda circular que sostiene una burbuja. Según su versión, Nvidia firma como comprador final (off-taker) y, cuando los chips llegan, un tercero suele solicitarlos a un precio superior, por lo que Nvidia los revende en lugar de consumirlos en su propia investigación. Señaló que el cómputo que Nvidia retiene para uso interno representa "un porcentaje muy pequeño" de sus ingresos. Enmarcó esta lógica dentro de una postura pragmática: Nvidia busca una base de clientes diversificada y prefiere no depender de tres o cuatro hiperescaladores. No obstante, los respaldos representan una exposición contingente considerable, y la magnitud de la cifra constituye en sí misma un riesgo que vale la pena monitorear.
Anthropic es rentable en cómputo y OpenAI se acerca
Patel afirmó que Anthropic ya es rentable si se comparan los ingresos con el costo total de cómputo, entrenamiento e inferencia combinados. Prevé que OpenAI alcance ese punto "en los próximos dos trimestres, tal vez dos o tres". Indicó que los márgenes brutos de inferencia de Anthropic rondan el 75%, situándose ligeramente por encima en los modelos de frontera, en línea con Salesforce, que tardó mucho más tiempo en llegar a ese nivel. Asimismo, sostuvo que el gasto en investigación y desarrollo (I+D) de Anthropic crece a un ritmo menor que sus ingresos y que su costo de adquisición de clientes es mínimo. Los costos de cambio son significativos, dado que los nuevos modelos de rivales o laboratorios chinos "no alteran realmente la cuota de gasto de los clientes actuales". Su conclusión fue que "se trata, sin duda, de un negocio mejor que el del software".
En cuanto a los ingresos, Patel se muestra mucho más optimista que los análisis de punto de equilibrio publicados por Bain y otras firmas. Proyecta que OpenAI y Anthropic alcancen conjuntamente entre $600.000 millones y $700.000 millones en ingresos para diciembre de 2026, y potencialmente $1,5 billones hacia finales de 2027. El repunte de 2026 sucede a un crecimiento de aproximadamente 10 veces este año, con Anthropic pasando de menos de $10.000 millones a superar los $100.000 millones. Comentó que los requerimientos de ingresos citados por Bain, un profesor de Columbia y otros son "bastante bajos". Los ingresos siempre van a la zaga del capex, apuntó, de modo que una inversión de $1 billón bajo un esquema de depreciación a seis años implica unos $250.000 millones de ingresos anuales sobre una base lineal.
Patel también restó importancia a las preocupaciones de solvencia en torno a Meta, calificándolas de "algo absurdas". Señaló que Meta puede detener las nuevas construcciones a voluntad y que su flujo de caja cubre los compromisos ya firmados. Nanos agregó que el riesgo de cancelación recae sobre los campus de construcción propia. Los contratos con los neo-clouds suelen tener una duración de cinco a seis años, con la capacidad completamente contratada a tarifas fijas.
El debate sobre la OPI de Anthropic
Al ser consultado sobre su publicación en la que afirmaba que no se puede invertir en la oferta pública inicial (OPI) de Anthropic a una valoración de $2 billones porque "podría valer cero o podría valer 20 billones, pero a 20 billones todos estaríamos arruinados", Patel aclaró que es sumamente optimista respecto a la empresa y considera que podría convertirse en la primera compañía de $10 billones. No obstante, una valuación de $10 billones requeriría ingresos cercanos a $1 billón a los múltiplos actuales, lo cual considera plausible para 2028 o 2029. A $20 billones, las implicaciones pasan a ser de índole social. Si la IA genera varios billones en ingresos, las ganancias se concentrarían en un grupo diminuto de accionistas y proveedores, por lo que advirtió sobre posibles disturbios si la distribución es deficiente. Nanos se mostró más optimista y espera que los ingresos provengan de nuevos sectores verticales, como el desarrollo de fármacos, en lugar de comisiones de programación por token. Afirmó que los neo-clouds ocupan "el centro del mundo" en el trayecto desde una OPI de $2 billones hasta una valuación de $20 billones.
Oracle: una buena nube con una cartera de proyectos problemática
Patel trazó una línea divisoria estricta entre ClusterMax 3.0, que califica la usabilidad, confiabilidad y seguridad de la nube de GPUs, y las recomendaciones bursátiles. Señaló que Oracle figura como "uno de los principales neo-clouds en cuanto a calidad de servicio", a pesar de afrontar problemas reales de ejecución y financieros. SemiAnalysis informó a sus clientes en abril que el centro de datos de Oracle en Nuevo México, contratado por OpenAI, sufriría retrasos debido a que las tuberías requeridas no serían construidas. Desde entonces, Oracle ha anunciado una situación de fuerza mayor (force majeure) en el proyecto y sus acciones cayeron. Patel advirtió que las instalaciones podrían retrasarse varios años.
Enumeró tres problemas adicionales. Los contratos de OpenAI con Oracle contemplan márgenes esencialmente fijos, por lo que la compañía no puede capturar el incremento en los precios de alquiler de GPUs. Su emisión de deuda inquietó a los mercados a pesar de encontrarse "completamente solvente". Otras ubicaciones, incluida una en Wisconsin, también registran demoras. Añadió que Nebius, que ostentaba la duración promedio de contrato más corta entre las nubes de primer nivel, ha tenido la capacidad de "elevar fuertemente los precios". Por el contrario, CoreWeave y Oracle se ataron a contratos de largo plazo y capturaron una menor parte del potencial alcista.
La seguridad en los neo-clouds es deficiente
SemiAnalysis publicó un artículo titulado "La mayoría de los neo-clouds apestan en seguridad" (*Most Neo Clouds Suck at Security*), y Ilya Sutskever emitió una advertencia sobre la vulnerabilidad cibernética de los neo-clouds unas ocho horas después. Patel indicó que los modelos chinos de código abierto (open-source), en particular GLM, son capaces de hackear decenas de neo-clouds. Describió un incidente en el cual SemiAnalysis, sin proponérselo, pudo visualizar el almacenamiento y los trabajos de Slurm de otros inquilinos en un clúster. Entre dichos inquilinos figuraban agencias de seguridad gubernamentales de un país con un PIB ubicado en el top 10, y la firma reportó el problema de inmediato. Nanos indicó que el impulso hacia la IA soberana implica que las agencias estatales compartan infraestructura con terceros debido a que quizás exista una sola instalación en todo el país dotada de sistemas GB200 NVL72: "Es un mercado de vendedores".
Nanos explicó que, al contabilizar 323 proveedores rastreados, la larga cola de nubes no calificadas o "no disponibles" refleja un mercado donde la prioridad es captar capital y desplegar chips con rapidez por encima de la calidad del servicio. Calificó el estándar para obtener una recomendación como "bastante bajo".
La asignación de cómputo en Google y los laboratorios de frontera que frenan lanzamientos
Patel afirmó que la proporción del cómputo de Google asignada a DeepMind ha disminuido en los últimos seis meses en comparación con hace dos o tres años, en parte porque Google respalda a Anthropic mediante TPUs. Sostuvo que DeepMind dispondrá del menor volumen de cómputo entre los tres laboratorios líderes hacia finales de año, y bromeó diciendo que "Thomas Kurian ganó y Demis perdió". Visualiza un aumento del riesgo para el próximo año en caso de que OpenAI y Anthropic añadan entre 5 y 10 gigavatios cada una, mientras que Google incorpore únicamente unos pocos. Nanos apuntó que Gemini carece de un nicho claro, ya que se encuentra rezagado frente a los dos o tres primeros en tareas de programación.
Asimismo, Patel indicó que los laboratorios líderes ya están reteniendo sus mejores modelos. Anthropic tenía listo su modelo Mythos en febrero y solo ha lanzado una versión reducida. De igual forma, OpenAI retiene un modelo más reciente. Anticipa que ambos laboratorios presentarán nuevos modelos en las próximas semanas, con Anthropic adelantándose a su OPI. Nanos espera que se lancen "modelos mínimos viables" para mantenerse por delante de los rivales chinos y de código abierto. Por su parte, Patel argumentó que el ritmo real de avance en la frontera tecnológica está limitado, dado que ninguno de los laboratorios puede permitirse frenar debido a la desconfianza mutua y la proximidad de China.