Goldman Sachs empieza a buscar inversores para convertir los centros de datos de Nvidia en una nueva clase de activo financiero

La carrera mundial por la inteligencia artificial está entrando en una fase que puede transformar no solo la industria tecnológica, sino también los mercados financieros. Goldman Sachs ha comenzado a mantener conversaciones con aseguradoras, bancos, fondos de crédito privado y grandes gestores de activos para movilizar capital institucional hacia los centros de datos de inteligencia artificial impulsados por Nvidia, dentro de una iniciativa que aspira a canalizar más de 500.000 millones de dólares de capital de terceros hacia nuevas infraestructuras de computación. La idea representa un cambio profundo: los centros de datos dejan progresivamente de ser considerados simples instalaciones tecnológicas para empezar a estructurarse financieramente como activos de infraestructura capaces de generar flujos de caja durante años, de manera comparable —con importantes diferencias de riesgo— a redes de telecomunicaciones, infraestructuras energéticas o grandes instalaciones industriales. Nvidia ya no quiere limitarse a vender los procesadores que alimentan la revolución de la IA; pretende contribuir a crear el sistema financiero que permita construir a gran escala las instalaciones donde funcionarán esos procesadores.

La iniciativa reúne a algunos de los nombres más poderosos del capital mundial. Nvidia está trabajando con Goldman Sachs, BlackRock, Blackstone, Apollo Global Management, Brookfield Asset Management y KKR, grupos que conjuntamente administran billones de dólares y poseen una enorme experiencia financiando infraestructuras, energía, inmobiliario, telecomunicaciones y crédito privado. Según Reuters, Goldman Sachs ya está buscando inversores potenciales entre compañías aseguradoras, gestores de activos, bancos y fondos especializados. La estructura podría combinar capital, deuda privada y posteriormente financiación procedente de mercados públicos. El objetivo último es crear vehículos capaces de financiar enormes centros de datos sin que todo el coste tenga que permanecer directamente en los balances de las grandes compañías tecnológicas.

Más de 500.000 millones para construir las nuevas fábricas de inteligencia

Nvidia utiliza cada vez con mayor frecuencia una expresión especialmente reveladora para describir estos centros de datos: “AI factories”. La idea es que una instalación dedicada a inteligencia artificial no debe entenderse únicamente como un edificio lleno de servidores. Desde la perspectiva de Jensen Huang, estas instalaciones funcionan como fábricas digitales cuyo producto final son tokens, inferencias, modelos entrenados y capacidad de inteligencia computacional. Igual que una fábrica tradicional transforma materias primas en productos industriales, una AI factory transforma electricidad, datos y capacidad computacional en inteligencia digital que posteriormente puede venderse a empresas, gobiernos y desarrolladores.

El problema es que construir estas fábricas exige cantidades extraordinarias de capital. Un gran centro de datos de IA necesita miles o decenas de miles de GPU, sistemas de almacenamiento, redes de alta velocidad, refrigeración líquida, transformadores eléctricos, subestaciones, fibra óptica, sistemas de respaldo y contratos energéticos de largo plazo. A ello hay que añadir terrenos, edificios, permisos, seguridad y mantenimiento. Cuando se construyen campus capaces de consumir cientos de megavatios o incluso gigavatios, el proyecto empieza a parecerse económicamente mucho más a una infraestructura energética que a una instalación informática convencional.

Goldman Sachs Research calcula que solamente los cuatro mayores hyperscalers podrían invertir más de 5 billones de dólares hasta 2030 en tecnología y centros de datos. La cifra permite comprender por qué el sector necesita nuevas fuentes de financiación. Incluso compañías como Microsoft, Alphabet, Amazon y Meta, que generan decenas de miles de millones de dólares de caja cada trimestre, pueden encontrar poco eficiente financiar íntegramente desde sus balances todos los centros de datos necesarios para mantener la carrera tecnológica.

Nvidia podría respaldar hasta 125.000 millones de dólares

Uno de los elementos más llamativos del proyecto es el papel financiero que puede asumir Nvidia. La compañía podría respaldar hasta aproximadamente una cuarta parte de determinadas operaciones, lo que en un programa de 500.000 millones equivaldría potencialmente a unos 125.000 millones de dólares. Eso no significa necesariamente que Nvidia vaya a desembolsar directamente esa cantidad. Las estructuras pueden incluir inversiones, garantías, compromisos de compra, apoyo financiero u otros mecanismos destinados a reducir el riesgo percibido por los inversores.

La lógica resulta poderosa. Un fondo de pensiones o una aseguradora puede sentirse incómodo financiando un centro de datos extremadamente especializado cuyo éxito depende de la demanda futura de IA. Pero si Nvidia participa en la estructura, proporciona hardware y tiene incentivos directos para que la instalación funcione, el proyecto puede resultar más atractivo para el capital institucional. Nvidia actuaría así como una especie de catalizador que facilita la entrada de inversores que tradicionalmente no habrían financiado directamente infraestructura informática de frontera.

Existe además un extraordinario círculo económico. Nvidia vende GPU a los centros de datos; contribuye a facilitar la financiación necesaria para construir esos centros; los centros utilizan el capital para adquirir grandes cantidades de hardware Nvidia; y el aumento de capacidad informática permite que OpenAI, Anthropic, Microsoft, Meta, xAI y otras compañías entrenen y ejecuten modelos mayores. El crecimiento de la demanda de IA genera nuevas necesidades de infraestructura, que a su vez generan más demanda de chips.

Goldman Sachs quiere llevar la IA a aseguradoras, fondos y mercados de deuda

El papel de Goldman Sachs es precisamente transformar esa necesidad tecnológica en productos financieros que puedan ser comprendidos y financiados por inversores tradicionales. Según las informaciones disponibles, Goldman estudia estructuras en las que su división de gestión de activos podría proporcionar capital subordinado o crédito privado y posteriormente distribuir otras capas de deuda entre bancos, aseguradoras, fondos especializados e incluso mercados públicos.

Esto puede modificar profundamente la forma en la que se financia la expansión de la IA. Hasta ahora, gran parte de la inversión procedía directamente de los balances de las grandes tecnológicas, fondos de capital riesgo o grandes inversores soberanos. La entrada masiva de aseguradoras, fondos de pensiones y gestores de renta fija abre un universo de capital muchísimo mayor. Estos inversores administran billones de dólares y buscan continuamente activos capaces de proporcionar flujos de caja previsibles durante periodos prolongados.

Para que los centros de datos puedan competir por ese capital deberán ofrecer precisamente eso: contratos a largo plazo con clientes solventes, ingresos previsibles, utilización elevada y riesgos tecnológicos controlables. Un campus que tenga contratada durante diez o quince años buena parte de su capacidad con Microsoft, Amazon, Meta, Oracle u OpenAI puede resultar mucho más financiable que un centro construido de forma puramente especulativa.

El compute empieza a comportarse como una nueva infraestructura económica

Esta evolución permite plantear una idea especialmente interesante: la capacidad de computación puede estar convirtiéndose en una nueva clase de activo económico. Durante el siglo XX, el crecimiento industrial exigía carreteras, puertos, aeropuertos, centrales eléctricas y redes de telecomunicaciones. La economía de inteligencia artificial necesita una infraestructura diferente: centros de datos, chips, electricidad, fibra, refrigeración y redes capaces de conectar millones de procesadores.

Los inversores institucionales ya conocen perfectamente el modelo de financiación de infraestructura. Un fondo puede aportar capital para construir una autopista y recuperar la inversión durante décadas mediante peajes. En energía puede financiar una planta solar y obtener ingresos mediante contratos de compra de electricidad. En telecomunicaciones puede financiar torres y cobrar alquiler a los operadores. Los centros de datos de IA podrían desarrollar una lógica parecida: financiar la infraestructura y recuperar el capital mediante contratos de capacidad computacional de largo plazo.

La diferencia fundamental está en el riesgo tecnológico. Una autopista no queda obsoleta porque aparezca una nueva generación de carretera dos años después. Un centro de datos puede necesitar actualizaciones continuas porque las GPU, sistemas de refrigeración y arquitecturas de red evolucionan extremadamente rápido. Ésta será una de las cuestiones que los inversores deberán valorar con especial cuidado.

El verdadero cuello de botella puede no ser Nvidia: puede ser la electricidad

Existe además una limitación que ningún mecanismo financiero puede resolver inmediatamente: la disponibilidad energética. Construir un centro de datos puede ser relativamente rápido en comparación con construir las infraestructuras eléctricas necesarias para alimentarlo. En determinadas regiones estadounidenses, conseguir una nueva conexión de cientos de megavatios a la red puede requerir varios años.

Por eso Nvidia, OpenAI, Microsoft, Amazon, Meta y otros gigantes están prestando cada vez más atención al sector energético. Se están firmando contratos de suministro de largo plazo, estudiando nuevas centrales de gas, reactivando instalaciones nucleares y desarrollando proyectos de generación directamente asociados con centros de datos. La infraestructura de IA está provocando una convergencia entre tecnología y energía que puede generar enormes oportunidades de inversión durante la próxima década.

El coste de la electricidad es igualmente crítico. Cuando una instalación contiene decenas de miles de aceleradores funcionando permanentemente, pequeñas diferencias en eficiencia energética pueden representar cientos de millones de dólares durante la vida útil del proyecto. Por eso la rentabilidad futura de una AI factory dependerá simultáneamente del precio de las GPU, utilización, coste de financiación, electricidad, refrigeración y velocidad con la que quede obsoleto el hardware.

La gran pregunta: ¿quién asume el riesgo si la demanda de IA no cumple las expectativas?

Aquí aparece la parte menos visible del proyecto. La financiación de 500.000 millones puede facilitar extraordinariamente la construcción de infraestructura, pero también traslada una parte del riesgo desde las tecnológicas hacia el sistema financiero. Si aseguradoras, fondos de pensiones, bancos y gestores de crédito privado empiezan a financiar centros de datos de forma masiva, el comportamiento futuro de la demanda de inteligencia artificial tendrá consecuencias mucho más allá de Silicon Valley.

El escenario optimista sostiene que la demanda continuará creciendo durante décadas porque prácticamente todas las empresas incorporarán agentes, modelos generativos, automatización, robots y sistemas inteligentes. En ese escenario, la capacidad construida podría utilizarse intensivamente durante años y producir enormes flujos de caja. El escenario contrario aparece si la eficiencia de los modelos mejora mucho más rápido de lo previsto, si los nuevos chips necesitan menos energía, si aparecen arquitecturas capaces de hacer más con menos computación o si las empresas no consiguen obtener suficiente retorno económico de sus inversiones en IA. En ese caso podría aparecer exceso de capacidad.

La cuestión es particularmente importante porque el hardware tiene ciclos de renovación extremadamente rápidos. Una GPU que hoy representa tecnología de frontera puede quedar superada en pocos años. Un centro de datos diseñado para una determinada arquitectura puede necesitar inversiones adicionales para adaptarse a nuevos sistemas de refrigeración o densidades energéticas. Los inversores tendrán que aprender a valorar conceptos que tradicionalmente no formaban parte del análisis de infraestructuras.

Nvidia está ampliando su modelo de negocio mucho más allá del chip

El movimiento también permite entender la evolución estratégica de Nvidia. La compañía comenzó fundamentalmente como fabricante de procesadores gráficos. Después convirtió CUDA en un estándar para computación acelerada. Posteriormente desarrolló sistemas completos, networking, software empresarial, modelos, robótica y plataformas de simulación. Ahora está entrando indirectamente en financiación de infraestructura.

Esta expansión tiene una lógica muy clara: Nvidia quiere eliminar cualquier obstáculo que pueda limitar la venta de capacidad computacional. Si el problema son los chips, aumenta la producción. Si el problema son las redes, desarrolla networking. Si el problema es el software, ofrece CUDA y plataformas empresariales. Si el problema es construir centros de datos, proporciona arquitecturas completas. Y si el problema es financiar esos centros, trabaja con Goldman Sachs, BlackRock, Blackstone, Apollo, Brookfield y KKR para movilizar capital.

Estamos ante una estrategia de creación de ecosistema extraordinariamente ambiciosa. Nvidia no necesita poseer todos los centros de datos; necesita que existan suficientes centros de datos capaces de comprar y ejecutar sus sistemas.

La IA empieza a parecerse más a una revolución industrial que a una revolución del software

La magnitud de estas cifras obliga a cambiar la perspectiva. Cuando hablamos de 500.000 millones de dólares de financiación, más de 5 billones de inversión potencial hasta 2030 y centros de datos que consumen cantidades de electricidad comparables con ciudades, resulta insuficiente describir la IA como una nueva categoría de software.

Estamos construyendo una nueva infraestructura industrial.

Detrás de cada respuesta generada por un modelo existen fábricas de semiconductores, minas de materias primas, plantas eléctricas, centros de datos, redes de fibra, sistemas de refrigeración, transformadores, compañías constructoras, bancos, fondos de inversión y mercados de deuda. La inteligencia artificial está conectando sectores económicos que anteriormente tenían poca relación entre sí.

Por eso los mayores beneficiarios del boom pueden no encontrarse únicamente entre los desarrolladores de modelos. Fabricantes de equipos eléctricos, proveedores de refrigeración, compañías energéticas, constructoras, operadores de centros de datos, empresas de fibra, fabricantes de memoria y gestores de infraestructura pueden capturar una parte enorme del capital invertido.

Qué significa para los directivos

Para un CEO o un consejo de administración, esta evolución tiene consecuencias mucho más cercanas de lo que podría parecer. La primera es que el coste de utilizar IA dependerá cada vez más de la economía de la infraestructura que existe debajo del modelo. Cuando una empresa paga por utilizar GPT, Claude o Gemini está pagando indirectamente GPU, centros de datos, electricidad, redes, financiación y amortización de hardware.

La segunda es que los contratos empresariales de IA pueden evolucionar hacia compromisos de capacidad mucho más largos. Las grandes organizaciones podrían negociar reservas de compute, precios por volumen o contratos plurianuales de infraestructura de manera parecida a como hoy contratan cloud computing.

La tercera es la necesidad de evitar una dependencia excesiva. Si una compañía construye todos sus procesos alrededor de un único proveedor y ese proveedor aumenta precios debido al coste de infraestructura, cambiar puede resultar extremadamente complejo. Las arquitecturas multimodelo y multicloud pueden convertirse en mecanismos de negociación y resiliencia.

Y la cuarta afecta directamente al retorno. Si detrás de la inteligencia artificial existe una infraestructura que necesita billones de dólares de inversión, las empresas terminarán soportando una parte de ese coste. La época de experimentar indefinidamente con IA sin medir resultados tendrá un límite. Los consejos de administración deberán conocer cuánto cuesta realmente cada agente, automatización o modelo y qué productividad o ingresos genera.

Estamos ante el nacimiento de una nueva clase de activo

Si Goldman Sachs, BlackRock, Blackstone, Apollo, Brookfield y KKR consiguen estructurar este mercado, los centros de datos de IA podrían consolidarse como una nueva categoría dentro de las carteras de inversión institucionales. Fondos de pensiones europeos podrían terminar financiando indirectamente clusters de GPU estadounidenses; aseguradoras podrían adquirir deuda respaldada por contratos de capacidad computacional; fondos de infraestructura podrían poseer campus enteros; y los mercados de bonos podrían financiar nuevas AI factories.

El cambio sería enorme porque permitiría que el boom de inteligencia artificial accediera al gigantesco volumen de capital existente fuera del sector tecnológico. Ya no dependería únicamente del dinero de Microsoft, Amazon, Meta o Google.

Pero también conectaría el riesgo tecnológico con el sistema financiero. Si la demanda continúa creciendo, podría convertirse en una de las mayores oportunidades de infraestructura de las próximas décadas. Si las expectativas resultan excesivas, algunos activos podrían enfrentarse a problemas de utilización, refinanciación u obsolescencia.

Precisamente por eso el movimiento de Goldman Sachs y Nvidia merece mucha más atención que una simple noticia sobre centros de datos. Estamos observando cómo la inteligencia artificial empieza a construir no solo su infraestructura tecnológica, sino también su propia infraestructura financiera.

El directivo necesita entender también la economía que existe detrás de la IA

La inteligencia artificial ya no puede analizarse únicamente desde las capacidades de ChatGPT, Claude o Gemini. Las decisiones empresariales empiezan a depender de infraestructura, energía, proveedores, costes de inferencia, financiación, regulación, seguridad y retorno de la inversión.

El Curso Superior en Inteligencia Artificial para Directivos (CSIAD) de THE INTELLIGENCE Institute está diseñado para que presidentes, CEOs, directores generales y altos ejecutivos comprendan esta transformación desde una perspectiva estratégica y sean capaces de tomar decisiones sobre IA con criterio empresarial, económico y de gobierno.

Descubre el CSIAD – Curso Superior en Inteligencia Artificial para Directivos