La deuda entra al juego de chips: el boom de IA empieza a apalancarse

Hace tres años, la carrera de infraestructura de IA se financiaba con equity — rondas de venture capital que apostaban a que los modelos mejorarían y el mercado los adoptaría. En agosto de 2026, la ecuación cambió de forma acumulativa y silenciosa: la deuda privada entró al juego de chips, y lo hizo en escala suficiente para redefinir quién sobrevive al próximo ciclo de demanda. Lo que parecía financiamiento puntual resultó ser un patrón que se consolidó en 72 horas.

La acumulación en semanas

El patrón se volvió visible en los últimos días de agosto. El 26, Anthropic comprometió $45.000 millones en un acuerdo de compute a largo plazo con Nscale — el mayor contrato de infraestructura que un lab de IA haya firmado hasta la fecha. El mismo día, Amazon anunció que triplicó su pedido de chips Nvidia, agregando 2 millones de GPUs a sus centros de datos durante los próximos dos años. El 28, Lambda, un neocloud, confirmó que tomó $1.000 millones en deuda privada para comprar chips Nvidia y arrendárselos a Microsoft. Tres movimientos en 72 horas, tres actores distintos — lab, hyperscaler, neocloud — todos apostando que la demanda de compute no va a ceder.

La diferencia con las rondas de equity anteriores es estructural: el capital de deuda tiene vencimiento. No espera a que el mercado madure; exige flujo de caja desde el primer año para servir los intereses.

La lógica del arrendamiento: rentable mientras dure

El modelo de Lambda es el más revelador del patrón. Compra chips con deuda, los arrienda a Microsoft, y espera que la diferencia entre el costo del préstamo y el precio del contrato sea positiva durante el tiempo suficiente como para repagar el principal y generar margen. Es el modelo clásico de los data centers, pero con una variable nueva: los ciclos de depreciación de los GPUs son de 3-5 años, los contratos de arrendamiento suelen ser más cortos, y los precios del mercado pueden caer si el siguiente modelo es significativamente más eficiente.

Nvidia proyecta cientos de miles de millones en ventas acumuladas a medida que la demanda se expande. La empresa tiene incentivos claros para que el mercado siga creyendo que los chips actuales son el activo crítico — una lógica que ya analizamos cuando cerró su cadena vertical desde los chips hasta la plataforma. Pero su ventaja está evolucionando más allá del GPU: los nuevos sistemas de data center mejoran eficiencia con control inteligente del tráfico, lo que acelera la obsolescencia relativa del hardware anterior. El activo que Lambda compró hoy puede valer menos — como garantía y como generador de ingresos — antes de que llegue el vencimiento de la deuda.

El riesgo sistémico que el mercado no contabiliza

El problema no es que un actor tome deuda — es que todos están tomando deuda al mismo tiempo, con la misma apuesta subyacente: que la demanda de compute va a mantenerse alta el tiempo suficiente para que el modelo sea rentable. Cuando muchos actores están correlacionados en la misma posición, un shock de demanda afecta a todos a la vez.

Amazon, Microsoft y Google tienen balance sheets que absorben ese escenario. Un neocloud como Lambda no tiene ese colchón. Y si Lambda entra en dificultades mientras tiene chips arrendados a Microsoft, el riesgo de continuidad del servicio pasa a ser problema de Microsoft — que a su vez se convierte en problema de sus clientes enterprise.

Aquí está la consecuencia no buscada: los hyperscalers tercerizan la exposición financiera a neoclouds, pero no tercerizan el riesgo operativo. Si el intermediario falla, el hyperscaler absorbe la disrupción de servicio de todos modos. El ahorro en balance sheet puede costar más caro en reputación y continuidad. Este nivel de exposición es precisamente lo que Wall Street empezó a poner precio como categoría financiera separada.

La diferencia entre equity y deuda en una apuesta de infraestructura: con equity perdés la inversión si la apuesta sale mal. Con deuda tenés que devolver el principal aunque el mercado te haya dado la razón solo a medias.

Lo que hay que mirar y por qué importa ahora

La tesis falsable: el primer indicador de estrés en el modelo de deuda para chips llega antes del fin de 2027, en forma de renegociación de contratos de arrendamiento de neoclouds o de una caída sostenida del precio spot de GPU que comprima los márgenes. Si los precios spot de H100/H200 se mantienen estables o suben, el modelo es sólido. Si caen más de un 30% desde los picos de 2025, los neoclouds con deuda elevada empiezan a tener problemas y el contagio llega a los hyperscalers que dependen de ellos.

Qué mirar: precio spot de GPU en mercados secundarios, resultados trimestrales de Lambda y otros neoclouds comparables, y cualquier anuncio de renegociación de contratos de arrendamiento con Microsoft o Amazon.

Para un decisor LATAM/España: si tu stack de IA depende de proveedores de compute basados en el modelo neocloud — ya sea directamente o vía tu cloud provider — la solidez financiera de esa cadena es un riesgo operativo real. Revisá si tus contratos tienen cláusulas de continuidad de servicio en caso de insolvencia del proveedor intermedio. Es el tipo de riesgo que aparece en los contratos solo después de que alguien lo aprendió por las malas.