La trampa contable que sostiene la burbuja de IA
Las grandes tecnológicas deprecian sus GPU de IA durante 5-6 años cuando la vida útil real es de 1-3 años. Este desajuste contable subsidia toda la economía de IA, permitiendo precios insostenibles y métricas de rentabilidad infladas. Cuando la realidad operativa colisione con estas cifras contables, el ajuste será estructural.
Las cinco grandes tecnológicas gastaron 215.000 millones de dólares en IA generativa en 2024. Para 2025, Meta, Microsoft, Amazon y Alphabet planean gastar 325.000 millones más.
Nvidia reportó 57.000 millones de dólares en ingresos el último trimestre. Controla el 90% del mercado de chips de IA. Sus ingresos en centros de datos cuadruplican los de AMD, Intel e IBM combinados.
Existe un problema estructural. Y nadie quiere mirarlo de frente.
¿Cómo funciona el subsidio invisible?
Las GPU tienen una vida útil real de uno a tres años. La obsolescencia tecnológica y el desgaste físico las hacen inviables después de ese periodo. Especialmente funcionando al 60-70% de utilización continua.
Las empresas las deprecian durante cinco o seis años.
Este desajuste contable no es un error. Es el mecanismo que hace parecer viable toda la economía de IA.
Al extender la depreciación, las empresas reducen a la mitad su gasto anual reportado. Esto les permite tres cosas:
• Subsidiar precios en aplicaciones
• Expandir capacidad más rápido de lo que justifica la demanda real
• Reportar métricas de rentabilidad atractivas para el capital
Lo esencial: La depreciación extendida convierte hardware obsoleto en activos contables saludables. Este truco sostiene valoraciones y narrativas de crecimiento.
¿Qué advirtió Nadella sobre este problema?
Satya Nadella lo reconoció públicamente: «Uno de los mayores aprendizajes con Nvidia es que su ritmo aumentó en términos de migraciones. No quería quedarme atrapado con cuatro o cinco años de depreciación en una generación.»
Microsoft entiende la trampa. Compras hardware hoy. Nvidia lanza la siguiente generación en dieciocho meses. Tu inversión de miles de millones se convierte en lastre competitivo.
Pero sigues depreciándola como si tuviese cinco años de vida útil.
La brecha entre vida útil real y vida útil contable crea una distorsión masiva. Las empresas reportan costes operativos bajos mientras acumulan hardware obsoleto en sus balances.
Lo esencial: Los líderes tecnológicos saben que están atrapados entre obsolescencia rápida y contabilidad lenta. La brecha crece cada trimestre.
¿Cómo opera la financiación circular?
Nvidia invierte en proveedores de neocloud como CoreWeave. Estos proveedores usan contratos con Nvidia como garantía para préstamos masivos. Con ese capital compran más GPU de Nvidia.
El ciclo crea apariencia de demanda explosiva. Los ingresos del usuario final permanecen desproporcionadamente bajos.
Las empresas gastaron 37.000 millones en IA generativa en 2025. Crecimiento de 3,2 veces interanual.
Palidece frente a los 325.000 millones en capex.
Lo esencial: El capital circula dentro del ecosistema Nvidia antes de llegar a usuarios finales. La demanda aparente supera por órdenes de magnitud la demanda verificable.
¿Dónde están los ingresos reales?
OpenAI perdió 5.000 millones de dólares en 2024 generando 3.700 millones en ingresos. Los ingresos de Azure AI dependen parcialmente de compromisos de OpenAI.
Cuando preguntas a Meta cómo monetiza la IA, la respuesta es «gastar ahora, preocuparse después».
El 60% del gasto en infraestructura de IA en los próximos cinco años va a hardware con vida útil de uno a tres años. Ese hardware sostiene valoraciones de mercado, proyecciones de crecimiento del PIB y narrativas de transformación industrial.
La depreciación extendida es el subsidio que mantiene girando todo el sistema.
Lo esencial: La brecha entre inversión en infraestructura y monetización real se amplía cada trimestre. Las prácticas contables enmascaran esta divergencia temporalmente.
¿Qué pasa cuando colapse el subsidio contable?
Cuando la depreciación extendida colisione con la realidad operativa, el repricing no será gradual. Será estructural.
Tu próxima decisión de capital debería incorporar esta inevitabilidad ahora. No cuando sea visible para todos.
Preguntas frecuentes
¿Por qué las GPU de IA tienen una vida útil tan corta?
La obsolescencia tecnológica avanza rápido. Nvidia lanza nuevas generaciones cada 18-24 meses con mejoras sustanciales.
El desgaste físico acelera cuando operan al 60-70% de utilización continua. Después de 1-3 años, las GPU anteriores pierden competitividad operativa frente a alternativas más eficientes.
¿Cómo reducen costes las empresas con depreciación extendida?
Al depreciar durante 5-6 años en lugar de 1-3 años, el gasto anual reportado se reduce a la mitad o menos.
Una GPU de 40.000 dólares depreciada en 5 años cuesta 8.000 anuales en libros. Depreciada en 2 años cuesta 20.000 anuales. La diferencia permite reportar mejor rentabilidad operativa.
¿Qué es la financiación circular de Nvidia?
Nvidia invierte en startups de neocloud. Estas startups usan contratos futuros con Nvidia como garantía para préstamos bancarios.
Con esos préstamos compran más GPU de Nvidia. El ciclo crea demanda aparente sin ingresos finales proporcionales.
¿Cuánto gastan las empresas en IA versus cuánto ganan?
Las cinco grandes tecnológicas gastaron 215.000 millones en 2024 y planean 325.000 millones en 2025. Las empresas gastaron 37.000 millones en servicios de IA generativa en 2025.
OpenAI generó 3.700 millones perdiendo 5.000 millones. La brecha entre inversión y monetización es masiva.
¿Por qué Microsoft está preocupada por la depreciación?
Satya Nadella reconoció que quedarse atrapado con 4-5 años de depreciación en hardware obsoleto crea lastre competitivo.
Cuando Nvidia lanza nueva generación, tu infraestructura anterior pierde eficiencia pero sigues arrastrando el coste contable durante años.
¿Qué pasa cuando las empresas deban reconocer el valor real de sus GPU?
Tendrán que realizar amortizaciones masivas. Esto impactará resultados trimestrales, valoraciones de mercado y capacidad de atraer capital.
El repricing será estructural porque afecta a todas las grandes tecnológicas con infraestructura de IA de forma simultánea.
¿Cómo afecta esto a decisiones de capital ahora?
Si estás evaluando inversiones en empresas de infraestructura de IA, debes incorporar el riesgo de amortizaciones futuras.
Si estás planeando capex en IA, necesitas modelar vida útil real (1-3 años) en lugar de contable (5-6 años). La diferencia cambia el retorno esperado de forma radical.
Conclusiones clave
• Las GPU de IA se deprecian contablemente en 5-6 años pero tienen vida útil operativa de 1-3 años. Este desajuste subsidia toda la economía de IA.
• La depreciación extendida reduce a la mitad el gasto anual reportado, permitiendo precios insostenibles y métricas de rentabilidad infladas.
• Nvidia opera un ciclo de financiación circular: invierte en neocloud, los proveedores usan contratos Nvidia como garantía para préstamos, gastan ese dinero en más GPU Nvidia.
• Las empresas gastaron 37.000 millones en IA generativa versus 325.000 millones en capex. La brecha entre inversión y monetización se amplía cada trimestre.
• Cuando las prácticas contables colisionen con realidad operativa, el repricing será estructural y afectará valoraciones, resultados y narrativas de crecimiento.
• Las decisiones de capital actuales deberían incorporar el riesgo de amortizaciones masivas futuras, no esperar a que el problema sea visible para todos.
