650.000 millones en IA: la apuesta de las big tech en 2026

Las grandes tecnológicas están invirtiendo en infraestructura de inteligencia artificial la mayor cantidad de dinero jamás dedicada a una tecnología en tan poco tiempo. Las estimaciones para 2026 van de unos 539.000 millones de dólares según Goldman Sachs a unos 870.000 millones según JPMorgan, con los grandes proveedores de nube aportando la mayor parte.

Que dos bancos de primer nivel difieran en más de 300.000 millones de dólares es, en sí mismo, el dato más honesto de todo este artículo: nadie sabe con precisión cuánto se está gastando. Lo que sí se puede analizar es en qué, por qué y qué está pasando ya con esa apuesta.

Las cifras que importan (y cómo leerlas)

Verás circular muchas cifras por empresa. Conviene tratarlas con cuidado: la inversión anunciada, la comprometida y la efectivamente ejecutada no son lo mismo, y las compañías las presentan de formas que no siempre son comparables entre sí. Lo que sí es verificable y estable es en qué está apostando cada una:

Empresa	Foco principal de la inversión	Chip propio	Apuesta energética
Microsoft	Centros de datos para Azure AI y la alianza con OpenAI	Maia y Cobalt	Acuerdo para reactivar generación nuclear en Pensilvania
Google (Alphabet)	Campus de centros de datos y capacidad para Gemini	TPU, ya en generaciones avanzadas	Renovables a gran escala y reactores modulares
Amazon (AWS)	Centros de datos optimizados para cargas de IA	Trainium (entrenamiento) e Inferentia (inferencia)	Nuclear modular y compra de capacidad
Meta	Instalaciones diseñadas desde cero para entrenar Llama	MTIA	Geotermia y renovables
Apple	Servidores propios para procesar de forma privada y silicio en el dispositivo	Serie M y su chip de servidor	Menor escala: su estrategia descarga el trabajo en el móvil

Esto no es dinero en publicidad. Es infraestructura física: centros de datos, chips, fibra, refrigeración y energía. Cosas que tardan años en construirse y que se amortizan en plazos largos, con una salvedad importante: las GPU se deprecian mucho más rápido que un edificio, y buena parte del gasto está justo en el componente que envejece antes.

Cuando las empresas más valiosas del mundo invierten a la vez cientos de miles de millones en la misma tecnología, eso no demuestra que tengan razón. Demuestra que ninguna se puede permitir no estar.

Qué están construyendo exactamente

Centros de datos masivos

No son los centros de datos de hace diez años. Son instalaciones diseñadas específicamente para IA: refrigeración líquida, redes de altísima velocidad entre GPU y sistemas eléctricos comparables a los de una ciudad mediana. Google construye campus del tamaño de poblaciones pequeñas; Meta levanta instalaciones concebidas desde cero para entrenar modelos enormes; Amazon lidera en número de regiones. La lógica de fondo, si quieres entender qué es todo esto realmente, está en qué es la nube.

Chips propios: la batalla del silicio

Depender de un solo proveedor para tu recurso más estratégico es un riesgo empresarial de primer orden, y por eso las cuatro grandes llevan años desarrollando su propio silicio: TPU en Google, Trainium e Inferentia en Amazon, Maia en Microsoft, MTIA en Meta.

Nvidia sigue dominando con diferencia el mercado de aceleradores de IA, pero ese dominio empezó a cotizarse distinto este verano: en una sola semana de julio de 2026, las veinte mayores compañías de semiconductores del mundo perdieron 1,3 billones de dólares de capitalización. No fue por un cambio en los fundamentales —varias de esas posiciones rebotaron entre un 27 % y un 41 % pocos días después—, sino por una liquidación forzada de fondos apalancados. Lo cuento entero en el desplome de los fondos de IA en Wall Street.

Energía: el cuello de botella ya no es invisible

Aquí está el elefante en la habitación, y ha dejado de ser una nota al pie para convertirse en la restricción principal del sector. Un centro de datos de IA moderno consume tanta electricidad como una población de decenas de miles de habitantes, y los organismos internacionales que siguen el asunto sitúan el consumo de los centros de datos en el entorno de un porcentaje de un solo dígito bajo del consumo eléctrico mundial, con una trayectoria claramente al alza.

Por eso Microsoft firmó el acuerdo para reactivar generación nuclear en la central de Three Mile Island, Google y Amazon invierten en reactores modulares y Meta explora geotermia. La carrera de la IA es, en el fondo, una carrera energética, y ese es el motivo real de que la capacidad no crezca al ritmo que quisieran: conectar un centro de datos a la red lleva años, no meses.

¿Por qué tanto dinero? Las razones estratégicas

1. La IA como infraestructura fundamental

Las grandes tecnológicas no ven la IA como un producto sino como la capa sobre la que se construirán los productos de la próxima década. Invertir ahora es lo que fue invertir en fibra óptica en los noventa: caro, arriesgado, y quien no lo hizo se quedó fuera. Con la misma advertencia histórica: muchos de los que tendieron aquella fibra quebraron, y la fibra siguió ahí.

2. Economías de escala

Entrenar un modelo de frontera cuesta cientos de millones. Solo quien tiene infraestructura propia puede permitírselo de forma sostenida. La inversión reduce el coste marginal de cada modelo nuevo y de cada consulta.

3. Ventaja competitiva difícil de replicar

Un modelo se iguala en meses. Un centro de datos de mil millones tarda años, y ahora además depende de que haya red eléctrica disponible. Es la ventaja más difícil de copiar que existe hoy en el sector.

4. Demanda real, aunque no infinita

La demanda de cómputo sigue creciendo más rápido que la oferta. Lo que ya no se puede afirmar con la ligereza de hace un año es que esa demanda vaya a absorber toda la capacidad que se está construyendo: se está edificando por delante de la demanda comprobada, y ese es exactamente el argumento central de quienes hablan de burbuja.

El efecto dominó: quién más se beneficia

Nvidia y la cadena de chips. Cada dólar invertido en centros de datos acaba en buena parte en el fabricante de los aceleradores, pero también en TSMC, que los fabrica, y en ASML, que fabrica las máquinas que fabrican los chips. Es una cadena con muy pocos eslabones y muy poca redundancia.

Sector energético. Generación nuclear, renovables e infraestructura eléctrica viven una demanda sin precedentes. Es el sector que más se está transformando por rebote.

Construcción y territorio. Terreno, materiales y mano de obra. Las regiones que consiguen atraer centros de datos ven un efecto económico local real, aunque con menos empleo permanente del que suelen prometer los anuncios.

Startups de IA. Más capacidad disponible significa más gente pudiendo experimentar. Con un matiz que ha cambiado este año: la consolidación está llegando a través de acuerdos de contratación y licencia en lugar de compras, que evitan el escrutinio antimonopolio y van más rápido. El ejemplo más claro es la operación de Google con Mechanize: más de 1.500 millones de dólares por una empresa de 35 personas.

¿Es una burbuja? Lo que dijo julio de 2026

Escribí que no era una burbuja en el sentido de las puntocom, pero que habría un ajuste. El ajuste llegó antes de lo que esperaba, y aporta información.

En julio de 2026, el fondo de cobertura más rentable del año —Situational Awareness, que ganaba un 439 % en el primer semestre con una tesis explícitamente construida sobre la infraestructura de IA— recibió peticiones simultáneas de garantías de sus tres brókeres y traspasó toda su cartera cotizada en bloque. Cerró el mes en torno a un −67 %. Varios grandes fondos multiestrategia cerraron julio en negativo tras el mejor semestre del sector desde 2009.

La lección no es sobre inteligencia artificial: es sobre financiación. Aschenbrenner tenía una tesis a diez años financiada con dinero exigible cada día y apalancada cuatro veces. Podía tener razón sobre la IA y quedarse igualmente sin cartera.

Aplicado a las grandes tecnológicas, la diferencia salta a la vista y es el argumento más sólido en contra de la tesis de burbuja: Alphabet, Microsoft, Amazon y Meta financian su gasto con beneficios reales de publicidad, nube y software, no con deuda a corto. Cotizan en torno a 27 veces beneficios frente a las más de 50 de las puntocom. Es caro; no es 2000.

Mi posición actualizada: no es una burbuja de las empresas que invierten, sí lo es de una parte del ecosistema que vive de ellas, y la corrección va a llegar por tramos y no de golpe. El análisis completo, con los dos bandos puestos uno al lado del otro, está en la burbuja de la inteligencia artificial.

El impacto en Europa y España

La concentración geográfica sigue siendo el problema estructural: la gran mayoría de esta inversión se ejecuta en territorio estadounidense, y Europa recibe una fracción. Microsoft y Amazon han anunciado inversiones en centros de datos en España —Aragón es el foco más claro—, Google se expande en los Países Bajos y los países nórdicos, pero la escala no es comparable.

Y en 2026 ha aparecido una dimensión nueva de este problema que nadie tenía en el guion. No es solo que Europa consuma IA construida fuera: es que empieza a haber IA que legalmente no puede consumir. En agosto, MiniMax publicó el mejor modelo de vídeo de pesos abiertos del año con una licencia que define expresamente a la Unión Europea como territorio excluido. Lo analizo en la licencia de MiniMax H3 que deja fuera a la UE. Que el fichero se descargue sin pedirte permiso no lo convierte en legalmente tuyo.

Para España, las oportunidades reales están en tres sitios:

• Atraer centros de datos, donde tenemos una ventaja objetiva: energía renovable abundante y barata, que es justo el cuello de botella del sector.
• Formar talento, que es donde más despacio vamos.
• Aplicar IA en el tejido productivo aunque no la construyamos. Una asesoría, una clínica o una pyme industrial capturan valor usando la tecnología sin necesidad de fabricarla, y ahí sí hay una ventaja alcanzable. Lo desarrollo en cómo implementar IA en una empresa.

¿Qué significa para ti?

Más capacidad, pero no necesariamente más barata. Esta es la predicción que peor ha envejecido de la versión anterior de este artículo. Durante dos años dije, como todo el mundo, que los precios seguirían cayendo. En 2026 la dirección cambió: DeepSeek, el proveedor que marcaba el suelo del mercado, introdujo tarifas por franja horaria en julio y en agosto anunció una subida "significativa" sin dar cifras. La eficiencia de los modelos mejora; el precio de venta depende además de cuánto quiera subvencionar cada proveedor, y esa fase se está agotando.

Mejores modelos. Más inversión en entrenamiento sigue traduciéndose en capacidades mayores, aunque la mejora empieza a notarse más en fiabilidad y en uso de herramientas que en el salto bruto de inteligencia.

Más opciones y más rotación. La competencia da mejores condiciones, y a la vez el sector se consolida: la herramienta que uses hoy puede cambiar de dueño, de precio o desaparecer. Prioriza formatos de salida estándar y exportables.

Empleo y territorio. La construcción y operación crean empleo directo, aunque menos permanente del anunciado, y transforman los demás sectores por la vía del uso.

Sostenibilidad. El consumo energético es un debate legítimo que nos afecta a todos, y la transparencia de las compañías sobre él sigue siendo insuficiente.

Conclusión

Las comparaciones con la revolución industrial no son exageradas por la escala, pero conviene recordar cómo terminaron los precedentes: el ferrocarril británico de 1840 fue una burbuja monumental, arruinó a miles de inversores y transformó el país igualmente. Las dos cosas fueron ciertas a la vez.

Lo que más me preocupa no es la cifra, es la distribución. Si la capacidad de cómputo de la tecnología más transformadora de nuestra generación se concentra en cuatro o cinco compañías del mismo país, el poder sobre ella queda en muy pocas manos. Y este año hemos visto que ese poder también se ejerce por la vía de las licencias, no solo por la del precio.

Por eso importan las alternativas de pesos abiertos, la regulación europea y la inversión pública en capacidad de cómputo. No para competir de tú a tú con las grandes tecnológicas —eso no va a pasar—, sino para que existan opciones.

Preguntas frecuentes

¿Cuánto están invirtiendo las big tech en inteligencia artificial?

Las estimaciones para 2026 van de unos 539.000 millones de dólares según Goldman Sachs a unos 870.000 millones según JPMorgan, con los grandes proveedores de nube aportando la mayor parte. La diferencia entre ambas cifras da la medida de la incertidumbre: no hay un dato consolidado, sino sumas de anuncios corporativos con criterios distintos.

¿En qué se gasta ese dinero exactamente?

En infraestructura física, sobre todo: centros de datos diseñados específicamente para IA, con refrigeración líquida y redes de alta velocidad entre GPU; aceleradores, tanto comprados a Nvidia como de diseño propio (TPU, Trainium, Maia, MTIA); y acuerdos de suministro eléctrico a largo plazo, incluyendo nuclear, renovables y geotermia.

¿Por qué la IA necesita tanta energía?

Porque entrenar un modelo de frontera implica miles de aceleradores funcionando durante semanas, y servirlo a millones de usuarios consume de forma continua. La partida de uso ya pesa más en el total que la de entrenamiento. El límite práctico ha dejado de ser cuántos chips puedes comprar y ha pasado a ser cuánta potencia eléctrica puedes conectar y en qué plazo.

¿Es una burbuja la inversión en IA?

Parcialmente. Hay burbuja en las valoraciones de compañías sin diferenciación y en las expectativas, y no la hay en los balances de quienes lideran la inversión, que financian el gasto con beneficios reales y cotizan a múltiplos altos pero no delirantes. El desplome de julio de 2026 fue una crisis de apalancamiento y concentración, no de negocio: varias posiciones liquidadas rebotaron un 27-41 % en días.

¿Qué pasó en julio de 2026 con las acciones de IA?

Las veinte mayores compañías de semiconductores perdieron 1,3 billones de dólares de capitalización en una semana y el Nasdaq 100 entró en su segunda corrección del año. El detonante fue una liquidación forzada: el fondo más rentable del sector recibió peticiones simultáneas de garantías de sus tres brókeres y tuvo que traspasar toda su cartera en bloque, arrastrando a las posiciones más concurridas del mercado.

¿Cuánto invierte Europa en infraestructura de IA?

Una fracción de lo que invierte Estados Unidos, y esa es la brecha estructural. Hay proyectos relevantes —Microsoft y Amazon con centros de datos en España, Google en los Países Bajos y los países nórdicos—, pero no son comparables en escala. El riesgo no es solo económico: en 2026 ya hay modelos punteros cuya licencia excluye expresamente a la Unión Europea del territorio autorizado.

¿Beneficia a España la inversión en centros de datos?

Tenemos una ventaja objetiva que ahora mismo es la variable más escasa del sector: energía renovable abundante y relativamente barata. El efecto económico local de un centro de datos es real, aunque conviene mirar con lupa las cifras de empleo permanente, que suelen ser bastante menores que las de la fase de construcción. Y hay un debate legítimo sobre consumo de agua y suelo que no se debe despachar.

¿Va a bajar el precio de usar IA gracias a estas inversiones?

Bajó durante dos años y en 2026 la tendencia se ha roto. Los modelos son cada vez más eficientes, pero el precio final depende de cuánto esté dispuesto a subvencionar cada proveedor, y varios han empezado a corregir. DeepSeek, que marcaba el precio suelo, anunció en agosto una subida significativa sin concretar. Planifica tus costes sin dar por hecha una bajada.

¿Qué empresas se benefician además de las big tech?

La cadena de semiconductores completa —fabricantes de chips, fundiciones y fabricantes de equipos de litografía—, el sector energético en todas sus ramas, la construcción industrial en las regiones que atraen centros de datos, y los proveedores de refrigeración y equipamiento eléctrico. Es una cadena con muy pocos eslabones alternativos, lo que la hace muy rentable y muy frágil a la vez.

¿Debería preocuparme como usuario o como pyme?

Preocuparte no, pero sí tomar dos precauciones concretas. Una: mide cuánto consumes en tokens y cuánto te cuesta cada operación, porque el precio ya no solo baja. Y dos: elige herramientas cuyo formato de salida sea estándar y exportable, porque la consolidación del sector hace bastante probable que alguna de las que usas hoy cambie de manos o de condiciones en los próximos dos años.