“El dinero estará en lo que hacen los chips, no en dónde están”: la advertencia de Chanos
- Jim Chanos redobla su visión bajista: los centros de datos podrían ser el punto débil del relato de inversión en IA.
- Su tesis: el dinero estará en lo que los chips producen (software/modelos), no en dónde se alojan (infraestructura).
- Riesgos principales: negocio comoditizado, baja rentabilidad y depreciación rápida de GPUs.
Según explica Bárbara Kollmeyer en el medio original, las dudas sobre si el boom de inversión en inteligencia artificial acabará generando beneficios reales siguen creciendo a medida que se acerca el cierre del año. Entre quienes mantienen una postura más contundente está Jim Chanos, uno de los vendedores en corto más conocidos de Wall Street, recordado por apuestas bajistas históricas como Enron y Tesla.
En una entrevista en el podcast Monetary Matters con Jack Farley, Chanos defendió que el mercado podría estar caminando hacia un escenario que recuerda a una segunda burbuja puntocom. Y, en ese contexto, explicó por qué está reforzando su apuesta contra el negocio de los centros de datos.
La tesis: el “cuello de botella” puede estar en la infraestructura
Chanos ya había tomado posiciones bajistas en 2022 contra los centros de datos tradicionales, describiendo ese negocio como uno de baja rentabilidad sobre el capital y altísima intensidad de inversión. Pero ahora dice estar todavía menos convencido de la versión “moderna”: centros que alojan GPUs o alquilan potencia de procesamiento a compañías de IA.
Su crítica es directa: alojar capacidad de cómputo tiende a convertirse en un producto básico porque “todo el mundo lo construye”. En otras palabras, la competencia empuja los márgenes a la baja y reduce el poder de fijación de precios. Para Chanos, la magia —y el dinero— no estará en el edificio ni en la ubicación, sino en lo que el chip permite hacer.
Idea central: la mayor captura de valor podría ir a modelos, software y aplicaciones, no a los “caseros” de la infraestructura.
Dónde ve el riesgo: “neoclouds” y reconversiones desde minería cripto
Chanos señala que, si alguien quiere “apostar por IA”, tendría más sentido enfocarse en los grandes actores del ecosistema (modelos y/o hiperescaladores) que en compañías que simplemente poseen centros de datos o intentan reposicionarse como “infraestructura para IA”. En el texto original se mencionan casos como CoreWeave, y también mineras de bitcoin reconvertidas hacia centros de datos como Iren y Cipher Mining.
Para él, el problema es doble: (1) márgenes y retornos bajos, y (2) una apuesta implícita contra la depreciación del hardware. Si un centro compra GPUs, está asumiendo que podrá amortizarlas y rentabilizarlas durante suficiente tiempo.
El punto más sensible: la depreciación acelerada de las GPUs
Chanos estima que muchas GPUs podrían quedarse obsoletas —o insuficientes— en unos cinco años. Otros inversores conocidos también han advertido sobre este riesgo: cuando el avance tecnológico es tan rápido, el equipo puede perder valor más deprisa de lo que algunos modelos financieros asumen.
Si esa depreciación se acelera, el negocio se complica: el operador necesita reinvertir antes de lo previsto, justo cuando los márgenes ya son estrechos. Es una combinación peligrosa en un sector intensivo en capital.
Hiperescaladores: quién puede pagarlo y quién necesitará financiación
En cuanto a los gigantes que están construyendo su propia infraestructura —como Microsoft, Meta, Oracle y Amazon— Chanos sugiere que algunos podrán financiarlo con su generación de caja, mientras que otros podrían depender más de financiación externa.
Su lectura es que el mercado está comprando una gran narrativa: que la IA alcanzará un punto de inflexión en 2027–2028 y los beneficios “aparecerán”. El riesgo, según advierte, es que el gasto en infraestructura se adelante demasiado a la monetización real.
El paralelismo con 1999-2000: sobrecapacidad y ajuste rápido si cambia el crédito
Chanos cree que el universo de centros de datos terminará “reduciéndose”: no todos serán necesarios, y en algún punto habrá exceso de capacidad. En su opinión, una crisis crediticia o simplemente un giro en la confianza podría provocar un recorte rápido del gasto, como ocurrió tras la burbuja tecnológica de principios de los 2000.
Además, apunta un riesgo estructural: una parte relevante de quienes compran potencia de cálculo —por ejemplo, algunos grandes desarrolladores de modelos— no son rentables hoy. Si esos clientes reducen gasto o se quedan sin financiación, la cadena de ingresos de los centros de datos puede tensionarse.
Conclusión: para Chanos, la inversión en IA puede seguir, pero el eslabón más vulnerable sería la infraestructura “comoditizada”. Si la monetización se retrasa o el crédito se endurece, los centros de datos podrían pasar de motor del relato a foco de corrección.