El análisis de Scotiabank sobre centros de datos de IA

# Un nuevo análisis de Scotiabank Global Equity Research concluye que el masivo gasto de capital detrás de los centros de datos de inteligencia artificial enfrenta un obstáculo financiero preciso. Para un campus de 100 megavatios dedicado a ejecutar los racks GB200 NVL72 de Nvidia, el proyecto debe generar aproximadamente $2.91 por GPU-hora para lograr un retorno interno sobre el capital del 15%. Esta cifra, derivada de un costo total del proyecto de $4.03 mil millones, establece un punto de referencia concreto contra el cual se juzgarán los precios actuales y futuros del cómputo de IA. El informe indica que las tarifas de alquiler actuales para la capacidad GB200 superan este obstáculo, pero una amplia dispersión en los costos de tokens de salida introduce un riesgo de mercado significativo.

Contexto — por qué esto importa ahora

El ciclo de inversión en infraestructura de IA a gran escala es sin precedentes, con compromisos que ahora se extienden a billones de dólares. El análisis de Scotiabank coloca la escala de los compromisos fuera de balance para estos proyectos en $2.588 billones, con $779 mil millones adicionales ya en los balances de las empresas. Esta escala invita a una comparación histórica con el auge y caída de la fibra óptica a principios de los 2000, donde más de $90 mil millones en gasto de capital entre 1999 y 2001 llevaron a un exceso masivo de capacidad y quiebras generalizadas cuando el crecimiento de la demanda no cumplió con las proyecciones. El actual contexto macroeconómico de costos de financiamiento elevados, con el modelo de Scotiabank asumiendo un 8% de deuda durante seis años, aumenta la sensibilidad de estos proyectos a los ingresos por unidad.

El catalizador para este intenso escrutinio es la colisión de enormes gastos de capital anunciados con los costos de inferencia de modelos de IA que evolucionan rápidamente, y en algunos casos, están disminuyendo. La viabilidad financiera de estas apuestas multimillonarias depende de la estabilidad de los precios del output computacional que venden. El análisis llega en un momento en que los principales proveedores de nube y operadores especializados están asegurando acuerdos de compra de energía a largo plazo y comenzando la construcción de instalaciones, convirtiendo la matemática del retorno en una preocupación inmediata para inversores de capital y crédito. La pregunta central es si el crecimiento de la demanda puede superar la presión deflacionaria sobre los precios de los tokens.

Datos — lo que muestran los números

El análisis de Scotiabank proporciona un desglose detallado de los costos para un hipotético campus de inferencia de 100 MW. El gasto total del proyecto capex es de $4.03 mil millones, lo que equivale a $40.3 millones por megavatio de carga crítica de TI. Esto se divide en equipos de TI, que comprenden el 64% del costo a $3.0 millones por rack NVL72, y la instalación física, que representa el 36% restante a $14.5 millones por MW. El modelo asume que el 70% del capex está financiado con deuda a una tasa de interés del 8.0% durante un plazo de seis años, y asigna un valor residual del 15% al equipo de TI después de ese período.

El obstáculo derivado de $2.91 por GPU-hora se traduce directamente en un costo por token de salida. A esa tasa, el modelo equivale a $0.81 por millón de tokens de salida. Esto crea una comparación marcada con los precios actuales del mercado. Los costos de API de modelo cerrado para tokens de salida oscilan entre $1.50 para el Gemini 3.1 Flash-Lite de Google hasta $15 para un modelo como el GPT 5.4. Sin embargo, la presión competitiva es evidente en modelos como DeepSeek V4 Flash, cuyo precio oscila entre $0.28 y $0.66 por millón de tokens, y Ox Alpha, que reportedly se acerca a $0.50. El informe también identifica un piso crítico de costo operativo de $0.52 por GPU-hora, por debajo del cual se vuelve económicamente racional apagar servidores.

Métrica	Obstáculo de Scotiabank	Rango del Mercado Actual
Costo por GPU-Hora	$2.91	N/A (Alquiler)
Costo por Millón de Tokens de Salida	$0.81	$0.28 - $15.00
Piso de Costo en Efectivo (por GPU-Hora)	$0.52 (Opex)	N/A

El escenario del caso bajista depende del riesgo del inquilino. El modelo muestra que si un inquilino importante como OpenAI o Anthropic incumpliera, un prestamista podría ejecutar la hipoteca de una instalación y operarla a un costo en efectivo de solo $0.53 por GPU-hora, inundando el mercado spot con cómputo barato. Esta dinámica refleja la crisis de la fibra óptica, donde la demanda contratada se evaporó y el exceso de capacidad aplastó los precios para todos los jugadores restantes.

Análisis — lo que significa para los mercados / sectores / tickers

El principal beneficiario de este ciclo de capital sigue siendo Nvidia (NVDA), que captura una parte significativa del gasto en equipos de TI de $3.0 millones por rack. El análisis refuerza la posición dominante de NVDA en la pila de hardware de entrenamiento e inferencia. Empresas como Google (GOOGL), Microsoft (MSFT) y Amazon (AMZN), que son tanto inquilinos como operadores, enfrentan un cálculo complejo. Sus enormes inversiones deben generar ganancias incrementales genuinas para justificar sus valoraciones; si los proyectos apenas superan los obstáculos de inversión, las ganancias por acción pueden crecer hacia una desvalorización, llevando a precios de acciones estancados durante años, una transición clásica de un negocio de alto retorno a uno intensivo en capital.

Los REITs de centros de datos especializados y los constructores de infraestructura se benefician del gasto de $14.5 millones por MW en instalaciones, pero asumen un riesgo concentrado de inquilinos. Los prestamistas que proporcionan el 70% del financiamiento del proyecto, típicamente grandes bancos de inversión y fondos de crédito privado, están expuestos a un riesgo crediticio correlacionado entre inquilinos, desarrolladores y propietarios de infraestructura. Un argumento clave en contra es que la creciente demanda de inferencia de IA podría absorber toda la nueva capacidad incluso a precios más bajos, manteniendo la economía del proyecto. Sin embargo, la limitación reconocida es la sensibilidad del modelo: Scotia señala que una banda de precios de contrato entre $2.50 y $3.50 por GPU-hora separa el fracaso del éxito del proyecto tanto en pruebas de retorno como de cobertura de deuda.

Los datos de posicionamiento muestran flujos institucionales en gran medida hacia ETFs de semiconductores e infraestructura, mientras que el interés corto está aumentando en algunos nombres de software de IA de pura explotación que se perciben como vulnerables a la compresión de precios. El financiamiento circular destacado—donde los compromisos de hyperscaler apoyan la deuda del proyecto—crea un vínculo sistémico que podría amplificar una recesión si los precios de los tokens debilitan el crédito de los inquilinos.

Perspectivas — qué observar a continuación

Los catalizadores inmediatos incluyen el próximo informe de ganancias de Nvidia, que se espera para finales de agosto de 2026, que proporcionará orientación actualizada sobre los ingresos de los centros de datos y comentarios sobre las líneas de tiempo de ramp-up de GB200. La reunión del FOMC de la Reserva Federal en septiembre de 2026 será crítica para la suposición de costo de financiamiento del 8%; un entorno de tasas sostenidas más altas presiona todos los proyectos apalancados. Los participantes del mercado deben monitorear las llamadas trimestrales de ganancias de los principales proveedores de nube para cualquier cambio en la orientación del gasto de capital o menciones de presiones de precios de cómputo de IA.

Los niveles clave a observar son las tasas spot y de contrato para los alquileres de clústeres GB200. Un precio sostenido por encima del nivel de $3.50 por GPU-hora validaría la actual ola de inversión, mientras que una ruptura por debajo de $2.50 señalaría un estrés emergente. Los observadores también deben rastrear el valor del mercado secundario de clústeres de GPU de generaciones anteriores, como el H100, como un indicador adelantado para los valores residuales del equipo. Los plazos de entrega de transformadores y turbinas eléctricas, que a menudo se extienden de 18 a 24 meses, dictarán si la capacidad anunciada puede entrar en funcionamiento físicamente como se planeó.

Preguntas Frecuentes

¿Qué significa la cifra de $2.91 por GPU-hora para las startups de IA?

Para las startups de IA que dependen de la inferencia alquilada, esta cifra representa el costo de infraestructura subyacente que los proveedores deben cubrir. Si los proveedores logran cobrar tarifas por encima de este obstáculo, las startups enfrentarán facturas de cómputo estables o en aumento. Sin embargo, si la oferta competitiva o en dificultades empuja las tarifas del mercado hacia el piso de costo en efectivo de $0.53, las startups podrían ver costos de insumos drásticamente más bajos. Esto bifurca el riesgo: las startups bien financiadas pueden asegurar contratos a largo plazo, mientras que otras apuestan a la volatilidad del mercado spot. El amplio rango de precios de tokens de $0.28 a $15 crea un campo de juego desigual basado en la eficiencia del modelo y los márgenes del proveedor.