Este artículo me ayudó a entender la IA: la capa de aplicación es la más popular, la capa base es la más rentable

Escrito por: DeepThink Circle

La mayoría de las personas piensan que la IA es solo un robot que puede chatear. Abres ChatGPT y le pides que te ayude a corregir un correo, y lo hace, parece magia. Cierras la página satisfecho, creyendo que has entendido qué es la IA. Pero eso es como pagar con tarjeta de crédito en un restaurante y pensar que entiendes cómo gana dinero Visa: usaste el producto, pero no viste el sistema.

El inversor Anish Moonka publicó recientemente un artículo profundo que analiza sistemáticamente la estructura de la cadena de valor de la industria de la IA. Le tomó casi un año entender realmente cómo fluye el dinero en el sector de la IA. Francamente, en el artículo admite que cometió muchos errores, enfocándose en productos visibles como ChatGPT, Claude y Gemini, mientras que en silencio, 700 mil millones de dólares se dirigían hacia infraestructuras que ni siquiera puede nombrar: chips desconocidos, tecnologías de empaquetado que parecen inventadas, sistemas de enfriamiento, plantas de energía. El concreto se está vertiendo en Texas, Iowa y Hyderabad.

Este artículo me ha inspirado mucho. Me hizo dar cuenta de que nuestra comprensión de la IA puede estar equivocada desde el principio. Solo vemos la punta del iceberg, mientras que la verdadera creación de riqueza ocurre silenciosamente bajo la superficie.

Capas del pastel: por qué nadie habla de las cuatro capas inferiores

En el Foro de Davos de enero de 2026, Jensen Huang, CEO de Nvidia, describió la IA como un sistema de cinco capas: energía, chips, computación en la nube, modelos y aplicaciones. Llamó a todo el sistema “la mayor infraestructura de la historia de la humanidad”. Anish Moonka denomina este marco como AI Stack (la pila de tecnología de IA), y señala que cada capa soporta a la superior, con flujos bidireccionales de dinero entre ellas.

Esta estructura de cinco capas es bastante sencilla de entender. La capa de energía suministra electricidad; los centros de datos de IA consumen una cantidad asombrosa de energía, una gran operación de entrenamiento puede consumir tanta electricidad como un pequeño pueblo en un año. La capa de chips proporciona procesadores especializados para cálculos matemáticos masivos, no chips comunes de laptops. La capa de computación en la nube es un enorme almacén lleno de estos chips, conectados por redes ultrarrápidas. La capa de modelos son los programas de IA en sí, los “cerebros” que aprenden patrones a partir de datos. La capa de aplicaciones son los productos que usamos realmente: ChatGPT, Google Search, sistemas de detección de fraude en bancos, etc.

He notado un fenómeno muy interesante: casi todas las discusiones sobre IA se concentran en la quinta capa, la de aplicaciones. Porque es lo que podemos ver, tocar y usar. Pero Anish señala un punto clave: centrarse solo en la quinta capa ignora el 80% del panorama completo. Para inversores, emprendedores o cualquiera que quiera entender hacia dónde va el mundo, lo realmente importante es entender cómo fluye el dinero entre estas capas — se concentra, se reinvierte, se acumula — y ahora mismo, ese flujo se dirige a lugares que la mayoría ni siquiera ha considerado.

Piensa en el significado de “infraestructura”. Carreteras, redes eléctricas, sistemas de agua; son cosas que mantienen en marcha a la civilización, y antes de que fallen, nadie piensa en ellas. La IA está convirtiéndose en ese tipo de infraestructura: invisible, imprescindible, con costos de construcción extremadamente altos. Esto también explica por qué nadie en una fiesta charla sobre sistemas de enfriamiento de centros de datos o capacidad de la red eléctrica, pero esa “falta de discusión” en realidad indica que allí fluye el dinero real.

¿A dónde va el dinero? Una verdad contraintuitiva

Anish revela en su artículo cifras sorprendentes. Para 2026, las cuatro principales empresas de computación en la nube — Amazon, Microsoft, Google y Meta — planean invertir entre 6500 y 7000 millones de dólares en gastos de capital (capex). ¿Qué significa esto? Aproximadamente, la mitad del PIB de Suiza en un año. De ese monto, unos 4500 millones de dólares, el 75%, se destinarán directamente a infraestructura de IA. No a chatbots ni aplicaciones, sino a construcción, chips, cables y sistemas de enfriamiento.

Este número me hizo replantear toda la lógica de la industria de la IA. Antes de que alguien use ChatGPT, alguien tiene que construir un centro de datos del tamaño de un centro comercial, llenarlo con decenas de miles de procesadores especializados, conectarlos con equipos de red cuyo valor supera la valoración total de la mayoría de las empresas, y proveerles electricidad suficiente para abastecer a una pequeña ciudad. Eso es lo que ocurre en las capas uno a tres: las capas invisibles, donde el capital serio se está desplegando a gran escala.

Pero hay una contradicción aún más profunda. Todos piensan que empresas como OpenAI están ganando mucho dinero, y en realidad, así es. OpenAI alcanzó a finales de 2025 unos ingresos recurrentes anuales de 20 mil millones de dólares, subiendo desde 6 mil millones un año antes y 2 mil millones hace dos años. Un crecimiento de diez veces en dos años, sin precedentes en la historia.

Pero Anish revela un hecho clave: en 2025, OpenAI quemó aproximadamente 9 mil millones de dólares en efectivo, y se estima que en 2026 su gasto en efectivo será de 17 mil millones. Sus costos de inferencia (los costos de correr realmente el modelo cuando alguien hace una pregunta) alcanzaron 8.4 mil millones en 2025, y se espera que lleguen a 14.1 mil millones en 2026. Se calcula que solo podrán tener flujo de caja positivo en 2029 o 2030.

¿A dónde fue ese dinero? Anish da la respuesta: fluye hacia abajo en toda la pila tecnológica. Va a Microsoft Azure (que antes de 2032, OpenAI deberá pagarle a Microsoft el 20% de sus ingresos totales), a Nvidia para comprar chips, a empresas que construyen y equipan centros de datos, y a las compañías eléctricas que generan energía. Hay un patrón casi circular: Microsoft invierte en OpenAI, OpenAI gasta en Azure, Azure compra más chips Nvidia, Nvidia reporta ganancias récord, y todos celebran. El dinero fluye constantemente hacia abajo.

Aquí se revela un error de percepción fundamental: la mayoría de los usuarios están en la cima de la pila, la mayor parte de las ganancias están en la base. Esa desconexión es el núcleo de toda la lógica de inversión. Como dice Anish, esta es la primera lección de la cadena de valor de la IA: los ingresos fluyen hacia arriba, el capital hacia abajo. Y como inversores o observadores, nos atrae el crecimiento de los ingresos, pero lo que realmente protege a una empresa es la acumulación de capital en la base.

La historia se repite: la lección de la revolución eléctrica

Anish hace una comparación histórica brillante. Para entender qué está pasando con la IA, hay que estudiar la revolución eléctrica entre 1880 y 1920. Cuando Thomas Edison construyó en 1882 la primera central eléctrica comercial en Pearl Street, Manhattan, la gente pensaba que la electricidad era solo una novedad, una forma elegante de iluminar habitaciones. ¿Para qué se necesitaba eso? ¿No funcionaban bien las lámparas de gas?

Pero en solo 40 años, la electricidad transformó todos los sectores: manufactura, transporte, comunicación, medicina, entretenimiento. Las empresas ganadoras no fueron las que inventaron la bombilla, sino las que construyeron plantas de energía, tendieron cables de cobre y fabricaron generadores: General Electric, Westinghouse, las compañías de servicios públicos, mineras de cobre, constructoras.

El mismo patrón se repite en el campo de la IA, solo que en décadas se ha comprimido en años. Anish llama a esto “la gravedad de la infraestructura” (Infrastructure Gravity). Cada vez que aparece una nueva plataforma de computación, la creación inicial de riqueza ocurre en las herramientas básicas. Las aplicaciones llegan después, acaparan la atención mediática, pero la infraestructura captura toda la ganancia.

Solo con ver los números se entiende el poder de esta lógica. Nvidia en su año fiscal 2026 (hasta enero de 2026) reportó ingresos anuales de 215.900 millones de dólares, un aumento del 65% respecto al año anterior. Solo su división de centros de datos generó 62.300 millones en el último trimestre, un crecimiento del 75%. Esa división representa más del 91% de los ingresos totales de Nvidia. Una sola división genera 6800 millones en un trimestre, casi todo de una línea de negocio.

TSMC, que fabrica chips de Nvidia y casi todos los principales chips del mercado, controló en 2025 cerca del 70% del mercado mundial de fundición de obleas, con ventas de 122.500 millones de dólares. Su competidor más cercano, Samsung, tiene solo el 7.2%. Anish comenta que esta posición dominante haría que incluso las compañías petroleras más grandes se sintieran incómodas.

Estoy especialmente de acuerdo con una idea de Anish: si preguntas a cualquiera qué fue lo más importante de la revolución de internet, dirán Google, Amazon y Facebook. Pero si indagas dónde se ganó realmente dinero en los primeros años, la respuesta es Cisco, Corning y las empresas que tendieron fibra óptica. La historia se repite, solo que en diferentes décadas. La infraestructura siempre gana primero, la cuestión es cuánto dura esa ventana.

El mapa del inversor: desglosando oportunidades por capas

Anish dedica mucho espacio a desglosar las oportunidades de inversión en cada capa. Creo que esta parte es especialmente valiosa porque convierte conceptos abstractos en un marco de inversión práctico.

Primera capa: energía. La demanda de electricidad de los centros de datos de IA será extremadamente alta, y para 2026 se estima que consumirán unos 90 TWh anuales, casi diez veces más que en 2022. Esto crea un argumento directo para invertir: cualquier empresa que genere, transporte o suministre electricidad confiable a los centros de datos se beneficiará. Huang Huang en octubre de 2025 dijo algo muy ilustrativo: “La velocidad con la que los centros de datos generan su propia energía puede ser mucho mayor que la conexión a la red eléctrica”. Esto significa que las empresas tecnológicas están convirtiéndose en sus propias compañías de servicios públicos, saltándose la red tradicional. Esta tendencia hace que las oportunidades en infraestructura energética sean más cercanas a la tecnología de lo que muchos piensan.

Segunda capa: chips. Es la capa más conocida, gracias a Nvidia. Pero Anish señala que la capa de chips es mucho más compleja. Tiene subniveles: diseñadores (Nvidia, AMD, Broadcom), fabricantes (TSMC domina con el 70% del mercado), proveedores de equipos (ASML, único fabricante de máquinas EUV), proveedores de memoria (SK Hynix, Samsung, Micron), y proveedores de tecnologías de empaquetado.

La concentración en esta capa es impresionante. Nvidia controla aproximadamente el 92% del mercado de GPU para centros de datos de IA. TSMC fabrica chips para casi todos los principales diseñadores. ASML es el único proveedor de máquinas de litografía EUV. Una empresa diseña, otra construye, otra fabrica las máquinas. Anish comenta que esta concentración es tanto un argumento de inversión como un riesgo geopolítico. Es un punto muy importante: esta alta concentración implica altos beneficios, pero también riesgos elevados.

Tercera capa: computación en la nube y centros de datos. El mercado está dominado por tres gigantes: Amazon Web Services (31%), Microsoft Azure (24%) y Google Cloud (11%). Pero no son los únicos. Foxconn ensambla alrededor del 40% de los servidores de IA en todo el mundo, Arista Networks y Credo Technology construyen infraestructura de red, Vertiv se encarga del enfriamiento líquido, los REITs de centros de datos poseen terrenos y edificios, e incluso hay que verter concreto.

Un dato que me impactó: según estimaciones de Bank of America, en 2026, el 90% del flujo de caja operativo de estos gigantes de la nube se destinará a capex, frente al 65% en 2025. Morgan Stanley estima que en 2023, estas empresas tomarán préstamos por más de 400 mil millones de dólares para financiar sus construcciones, más del doble de los 165 mil millones en 2025. Solo en un año, emitirán bonos por 400 mil millones, solo para construir almacenes de computadoras. Es una escala sin precedentes.

Cuarta capa: modelos. Es la capa del “cerebro”, incluyendo OpenAI (serie GPT, más de 20 mil millones en ARR), Anthropic (Claude, reportando unos 19 mil millones en ingresos anuales en 2026), Google DeepMind (Gemini), Meta AI (Llama), entre otros. Anish evalúa esta capa con precisión: es la más promocionada y, al mismo tiempo, la menos rentable. El problema del modelo es estructural: cuanto más se gasta en computación, mejor es el modelo, pero ese gasto crece más rápido que los ingresos. Es como administrar un restaurante donde cada plato requiere ingredientes más caros, pero los clientes esperan precios iguales. La rentabilidad se comprime continuamente.

Quinta capa: aplicaciones. Es la capa que vemos todos los días: ChatGPT, Google Search, Microsoft Copilot, etc. Es la capa más amplia y competitiva, que eventualmente representará el mayor mercado total direccionable, pero ahora es la más delgada en márgenes y con mayor incertidumbre. Anish señala que la diferenciación en esta capa radica en los datos. Las empresas con datos exclusivos y propios tendrán ventajas duraderas: Salesforce con datos de CRM empresarial, Bloomberg con datos financieros, Epic con registros médicos.

Estoy especialmente de acuerdo con una opinión de Anish: en los próximos 3 a 5 años, las mejores rentabilidades vendrán de invertir primero en infraestructura, y luego en aplicaciones. Las capitales más inteligentes ya están posicionadas en consecuencia. Las empresas que realmente ganarán en la capa de aplicaciones serán aquellas que posean datos que otros no pueden obtener, y muchas ni siquiera se consideran empresas de IA.

¿Es esto una burbuja? Una duda que hay que afrontar

Anish responde directamente a una duda central: “¿No es esto solo una repetición de la burbuja de internet? Grandes gastos en infraestructura sin beneficios, todos en euforia?” Su respuesta es convincente.

La diferencia está en el momento de la demanda. En la burbuja de internet, las empresas construían infraestructura para una demanda que aún no existía. Se construyeron redes de fibra y servidores, pero los usuarios todavía usaban módems de acceso telefónico. La demanda explotó 5 a 7 años después, y en ese proceso, muchas empresas fueron liquidando sus inversiones.

Pero para 2026, la demanda de IA ya existe y crece rápidamente. Nvidia no puede fabricar chips lo suficientemente rápido, la capacidad avanzada de empaquetado de TSMC está agotada, los precios de alquiler de computación en la nube suben en lugar de bajar, y en 2025, OpenAI aumentó en 4 millones sus usuarios activos semanales solo entre marzo y octubre. Los modelos se usan, el cálculo se consume, los clientes pagan.

Pero Anish también admite tres riesgos principales: una mala asignación de capital — si los ingresos de los servicios de IA no crecen lo suficiente para justificar los gastos de más de 6500 mil millones de dólares, algunas empresas enfrentan una fuerte compresión de beneficios, y hasta Amazon podría tener flujo de caja libre negativo este año; el riesgo de concentración — TSMC produce casi el 70% de los chips del mundo, ASML es el único proveedor de máquinas EUV, Nvidia diseña el 92% de los GPU para centros de datos de IA, cualquier interrupción geopolítica o desastre natural puede afectar toda la cadena; y el problema de DeepSeek — en enero de 2025, DeepSeek, un laboratorio chino de IA, logró un rendimiento cercano a la frontera con una fracción del costo de entrenamiento, desafiando la hipótesis de que “más gasto significa mejor IA”.

La honestidad de Anish sobre estos riesgos hace que su análisis sea más confiable. No los oculta, los presenta claramente. Pero incluso considerando estos riesgos, McKinsey estima que para 2030, la inversión global acumulada en centros de datos podría llegar a 6.7 billones de dólares, y PwC calcula que la IA podría aportar 15.7 billones de dólares al PIB mundial para esa fecha. Incluso si estas cifras están equivocadas en un 50%, estamos hablando de la mayor transformación económica impulsada por tecnología desde internet.

Una frase de Anish que comparto plenamente: “Puedes ser escéptico respecto a los modelos, y respecto a los plazos, pero no seas ignorante respecto a la cadena de suministro. Son cosas diferentes. Una es una postura intelectual saludable, la otra te puede costar dinero.”

Jugar en la capa correcta

Anish usa una metáfora de videojuego para resumir la estrategia de inversión. Imagina la IA como un videojuego con cinco niveles, cada uno con diferentes dificultades y recompensas. La capa de energía es la fase de tutorial, con bajo riesgo y retorno estable. La capa de chips es la batalla contra el jefe final, con mayores beneficios pero más difícil. La capa de computación en la nube es un servidor multijugador, donde los gigantes toman una parte de todo. La capa de modelos es un campo de batalla PvP, con competencia feroz y muchos eliminados. La capa de aplicaciones es un mundo abierto, con posibilidades ilimitadas, pero sin garantías de recompensa.

Su estrategia principal es simple: no necesitas jugar en todos los niveles. La mayoría intenta jugar en el nivel cinco porque es el más evidente, pero el dinero inteligente está en los niveles dos y tres, donde la experiencia es mayor y las oportunidades más claras.

Este marco ayuda a entender que tu posición en la cadena de valor determina qué debes seguir. Para los no técnicos, no necesitas entender cómo funciona una GPU, sino quién la fabrica, quién la aloja y quién la alimenta, y esas empresas son las que cotizan en bolsa. Para los técnicos, ya saben que los modelos avanzan, pero quizás subestiman cómo las restricciones físicas se vuelven cuellos de botella a toda velocidad. Para los inversores, la cadena de valor de la IA son cinco diferentes transacciones, cada una con riesgos y retornos distintos, y tratar la IA como un solo sector es tan ingenuo como en 1998 tratar a la tecnología como un solo sector.

Anish concluye que esta ventaja en infraestructura no durará para siempre. En algún momento, la infraestructura madurará, las aplicaciones se integrarán, y el valor se desplazará hacia la parte superior de la pila, como en internet: Amazon, Google y Facebook capturan más valor que las empresas de fibra o de servidores. Pero todavía no es ese momento; estamos en la fase de infraestructura, en la etapa de las herramientas básicas. Y esas herramientas están generando dinero en grande.

Tras leer este extenso análisis de Anish, mi mayor aprendizaje es entender una verdad simple pero profunda: los consumidores ven productos, los inversores ven la cadena de suministro, y los mejores inversores ven la cadena de suministro antes de que los productos salgan al mercado. En cinco años, el nombre de quienes ganen en este ciclo parecerá obvio, porque siempre es así. La clave está en ver la estructura antes que los demás.

En diez años, entender la pila de tecnología de IA será tan básico como entender un balance. Aprender la cadena, trazar las capas, seguir el capital. Esa es la jugada.