Argentina, Brasil, España en cancha. Apostá en vivo con crypto y retirá al instante → 1xBit, apuestas en crypto.
Espacio patrocinadoLas cuatro grandes tecnológicas estadounidenses -Microsoft, Alphabet, Amazon y Meta- proyectan invertir alrededor de 725.000 millones de dólares en infraestructura de inteligencia artificial durante 2026, según las guías de capex confirmadas en sus presentaciones de resultados del primer trimestre y compiladas por Financial Times.
La cifra supone un salto del 77% frente a los aproximadamente 410.000 millones desembolsados en 2025. Goldman Sachs estima que el gasto agregado de estos cuatro actores entre 2025 y 2030 alcanzará los 5,3 billones de dólares.
El monto no solo describe una carrera tecnológica: marca un cambio en la geometría del poder económico. La infraestructura necesaria para entrenar y desplegar sistemas de inteligencia artificial a escala se está concentrando en un grupo reducido de compañías capaces de absorber inversiones que comprimen su flujo de caja libre en el corto plazo.
Amazon ya advirtió a la SEC que podría recurrir a emisiones de deuda y capital para sostener el ritmo de su construcción.
Por qué el cómputo es el cuello de botella
La narrativa pública sigue dominada por los avances en modelos -GPT, Gemini, Claude, Llama-, pero el verdadero punto de fricción se desplazó hacia la infraestructura que los hace posibles. La demanda de inferencia para productos ya desplegados supera la capacidad instalada, y los costos de entrenamiento crecen en paralelo a la escala de los modelos frontera. Quien controla los centros de datos, los acuerdos eléctricos a largo plazo y el silicio especializado, controla el ritmo del sector.
Las cifras individuales refuerzan esa lectura. Amazon proyecta cerca de 200.000 millones de dólares en capex para 2026; Microsoft fijó 190.000 millones para su año fiscal; Alphabet apunta a un máximo de 185.000 millones; y Meta elevó su rango a entre 115.000 y 145.000 millones, citando precios al alza de la memoria y costos adicionales de centros de datos.
El gasto combinado en un solo trimestre ya supera los 140.000 millones de dólares, según datos de Epoch AI sobre presentaciones a la SEC.
El contrapeso descentralizado
Frente a esa concentración emerge una narrativa alternativa desde el sector cripto. Las redes DePIN -infraestructura física descentralizada- suman en conjunto una capitalización de mercado cercana a los 14.280 millones de dólares según CoinMarketCap, una fracción del capex anual de un solo hyperscaler.
El dato relevante, sin embargo, no es el tamaño actual sino la transición de modelo: estos protocolos están dejando atrás el crecimiento subsidiado por emisiones de tokens para operar con ingresos reales de clientes empresariales.
Akash Network registró en el primer trimestre de 2026 un récord de 5 millones de dólares en gasto de cómputo, con utilización de GPU por encima del 80% y acceso a tarjetas H100 a entre 1,20 y 1,80 dólares por hora, frente a los 4,50 a 5,50 dólares que cobra AWS por el mismo recurso.
Render Network, especializada en renderizado y cargas de IA generativa, genera aproximadamente 38 millones de dólares mensuales en ingresos. io.net agrupa 139.000 GPUs distribuidas y avanza hacia los 20 millones de dólares en ingresos anualizados.
Bittensor, valorada en torno a 2.270 millones de dólares con un supply circulante de 11,07 millones de tokens sobre un máximo fijo de 21 millones, coordina decenas de subredes dedicadas a tareas específicas de inteligencia artificial. Gestoras como Grayscale y Bitwise mantienen solicitudes pendientes ante la SEC para ETF spot sobre el activo.
Tensión sin resolver
La pregunta abierta es si esta infraestructura descentralizada constituye un contrapeso real o un nicho complementario. El cómputo distribuido funciona bien para cargas paralelizables como renderizado e inferencia, pero el entrenamiento de modelos frontera exige interconexiones de baja latencia entre miles de GPU, un terreno donde los hyperscalers mantienen ventaja estructural.
Las garantías de uptime, los acuerdos de nivel de servicio y el cumplimiento regulatorio que exigen los clientes corporativos siguen siendo el obstáculo más concreto para escalar.
Lo que el contraste numérico revela es que el centro de gravedad de la inteligencia artificial ya no se ubica en quién entrena el mejor modelo, sino en quién posee la infraestructura sobre la que esos modelos se ejecutan. Por ahora, esa balanza se inclina con claridad hacia un puñado de empresas estadounidenses.
La pregunta para los próximos ciclos es si los modelos alternativos logran capturar una porción significativa del mercado o quedan relegados al margen de una economía cuyo eje real es el capital físico desplegado.
