#GoldmanSees1.2TAICapex
About GoldmanSees1.2TAICapex
Goldman Sachs expects combined 2027 capital spending by Meta, Microsoft, Alphabet, Amazon and Oracle to reach about $1.2 trillion, up from roughly $800 billion in 2026, largely driven by AI infrastructure. The buildout may support demand for chips, memory, data centers, power and cloud services, but monetization remains the key test. Can AI applications generate enough revenue and cash flow to justify the rising investment?
Populares
Más recientes
GoldmanSees1.2TAICapex Publicaciones populares
El gráfico toma el capex de IA (Amazon, Google, Meta, Microsoft, Oracle + SpaceX, acumulado a lo largo de cada año) como entrada, y luego lo convierte en el ingreso anual perpetuo necesario para un retorno del 10% bajo las suposiciones de cada modelo sobre depreciación, opex y métrica de rendimiento. Los ingresos anuales requeridos están en el eje y; superarán el billón de dólares anuales en 2027.
La narrativa de "¿Es la IA una burbuja?" se ha enfriado un poco en 2026—en parte por el crecimiento de los ingresos por IA en la era de los agentes, y en parte porque el discurso se ha centrado en la seguridad de la IA.
Pero el consenso emergente de que los nuevos ingresos por IA obtenidos por los hiperescaladores tendrán que acercarse a los 3 billones de dólares anuales para finales de la década sigue siendo increíblemente abrumador.
Blockspace
Goldman Sachs: las últimas estimaciones de capital para hiperescaladores muestran 996.000 millones de dólares en 2027
Neocloud y antiguos mineros de Bitcoin han asegurado un capex significativo para hiperescaladores desde 2025
$NBIS: Meta + Microsoft
$CRWV: Google, Meta, Microsoft
$CIFR: AWS + Fluidstack (respaldado por Google)
$IREN: Microsoft
$WULF: Fluidstack (respaldado por Google)
$HUT: Fluidstack (respaldado por Google)
10,3 billones de dólares. Esa es la estimación de Brookings para la inversión en infraestructuras de IA en EE. UU. de 2025 a 2032, destacada por @Axios.
La gente habla mucho sobre si la IA es una burbuja. Este artículo de Brookings plantea una pregunta diferente, aunque relacionada: ¿podría financiar la expansión crear un riesgo sistémico? Una burbuja de IA y un evento de riesgo sistémico no son lo mismo. Una burbuja es cuando los precios de la inversión o de los activos superan los rendimientos. El riesgo sistémico es cuando las pérdidas se extienden más allá de los proyectos que cometieron las malas apuestas y perturban el sistema financiero en general.
¿Qué tendría que ocurrir? El documento apunta a una exposición concentrada entre bancos, aseguradoras y fondos, todos dependiendo de los mismos inquilinos de IA. Si una demanda de IA más débil afecta a la utilización, los valores de centros de datos y GPU, y la refinanciación simultáneamente, las pérdidas podrían extenderse de los proyectos a prestamistas e inversores.
El autor dice que es prematuro concluir que estamos ahí —y estoy de acuerdo. Pero gran parte de esta financiación se asienta en estructuras que dificultan ver quién asume el riesgo final... En cualquier caso, todavía estamos calentando y no va a frenar pronto.
Resumen: Goldman considera que 1,42 billones de dólares en ingresos en 2028-30, o 11,6 mil millones por GW, son compensables (necesarios para un 15% de retorno de la inversión), con un 59% ya en backlogs en la nube y los equipos directivos reclamando devoluciones de entre uno y tres años
Y aquí está el contraargumento: el obstáculo es superable si el cálculo sigue siendo escaso, si los precios de las GPUs y tokens no se desinflan, si una vida útil de 5 años es real, si un puñado de laboratorios de IA sigue pagando sus facturas, y si el iceberg fuera de balance de 3 billones de dólares no necesita un retorno propio.
Me+@econJaredB publican un nuevo artículo que analiza cuántos ingresos se necesitan para justificar el capex de IA de hiperescaladores. Estimamos que los ingresos incrementales de IA están actualmente entre 86 y 188,100 millones de dólares para los hiperescaladores, pero necesitan entre 13,1 y 18,7 millones de dólares *billones* en la próxima década para que eso se calcule.
La semana pasada resalté Meta y la tesis empieza a ponerse más interesante
su gasto en IA empieza a aparecer en todo el negocio, especialmente en anuncios, mientras que el sector consumidor sigue expandiéndose con productos como Meta AI
El mercado ha dedicado mucho tiempo a centrarse en quién posee el mejor modelo
la distribución, la monetización y la capacidad de enviar IA directamente a miles de millones de usuarios importan igual de
Meta es uno de los nombres que estoy siguiendo de cerca aquí
Ansem 🐂🀄️
Desde mi punto de vista, Meta sigue siendo bastante poco comentada en la carrera de la IA
> modelos de código abierto siguen volviéndose más eficientes
> distribución se convierte en una gran ventaja a medida que los modelos mejoran
> Meta ya cuenta con miles de millones de usuarios en sus productos
> mejor IA puede mejorar la personalización + la segmentación de anuncios
Su estrategia de IA de código abierto le da una posición diferente a la de otros grandes laboratorios, una de las grandes empresas de IA a las que presto más atención ahora mismo
🚨 LA IA SE ESTÁ VOLVIENDO MÁS BARATA A UNA VELOCIDAD RIDÍCULA
SEGÚN EPOCH AI, EL MISMO NIVEL DE RENDIMIENTO DE LA IA SE HA VUELTO ~13× MÁS BARATO CADA AÑO DESDE 2023
MÁS RÁPIDO QUE LA ELECTRICIDAD, COMPUTACIÓN, BATERÍAS O SECUENCIACIÓN DE ADN EN ESTE GRÁFICO
PERO EJECUTAR LA IA SIGUE REQUIRIENDO CHIPS, ENERGÍA Y CENTROS DE DATOS
LAS EMPRESAS ESTÁN GASTANDO MILES DE MILLONES EN VENDER ALGO QUE CADA VEZ SE ABARATA
EMPIEZA A PARECER UNA ORGANIZACIÓN BENÉFICA MUY CARA
EXCLUSIVA: Subconscious está abordando uno de los mayores retos a los que se enfrentan los agentes de IA de larga trayectoria: el coste de inferencia.
@subsysdev ha recaudado 5,1 millones de dólares para construir una plataforma de inferencia diseñada específicamente para agentes, utilizando compresión dinámica de contexto y caché para hacer que las cargas de trabajo de larga duración sean más rápidas y baratas. La empresa afirma que su tecnología puede reducir los costes de inferencia hasta en un 80%, mientras extiende las ventanas de contexto efectivas más allá de 5 millones de tokens. Para las empresas que escalan IA agente, eso podría hacer más práctico ejecutar agentes durante períodos más largos en tareas cada vez más complejas.
@deantak habló con @thejackobrien, CEO de Subconscious, sobre la tecnología de la empresa, su enfoque en agentes de larga duración y la economía de impulsar la próxima generación de aplicaciones de IA.
"La mayoría de las empresas de inferencia construyen sistemas universales para chats, solicitudes puntuales y agentes por igual. Pero los agentes son mucho más difíciles de atender bien. Construimos toda nuestra pila alrededor de agentes de larga duración, y nuestra tecnología principal proviene de investigaciones novedosas del MIT, que nos da una ventaja de más de un año", dijo O'Brien.
Lee la historia completa en @GamesBeat:
#AI #AgenticAI #Technology
