Modelos
Centros de datos de IA: 3,7 billones de dólares anuales de ingresos en 2032 para rentabilizarlos, según un artículo publicado por Brookings
Un economista de Columbia cifra la inversión estadounidense en IA en 10,3 billones de dólares entre 2025 y 2032, y los ingresos necesarios para rentabilizarla en 3,725 billones al año.
¿Cuánto tiene que ganar la IA para rentabilizar los centros de datos que se están construyendo en Estados Unidos? Un artículo presentado el 25 de septiembre de 2026 en la conferencia de otoño de los Brookings Papers on Economic Activity (BPEA) ofrece un orden de magnitud: unos 3,725 billones de dólares de ingresos anuales en 2032, es decir, el 9,2 % del PIB estadounidense previsto para ese año (artículo, borrador de la conferencia).
Una precisión. No es un estudio institucional de Brookings: es un artículo de investigación de Stijn Van Nieuwerburgh, profesor de inmobiliario en la Columbia Business School, publicado por Brookings en el marco de los BPEA (borrador de la conferencia fechado el 4 de septiembre de 2026). Cada publicación de esta serie refleja únicamente la opinión de sus autores (Brookings).
Las cifras clave
- Inversión: 10,3 billones de dólares entre 2025 y 2032 en edificios, energía, redes, chips y otros equipos, una media del 3,63 % del PIB al año. Es más que los auges del canal, el ferrocarril (2,24 %), la electrificación, las autopistas y las telecomunicaciones (1,10 %).
- Capacidad: 182,8 GW de capacidad adicional que entrarán en servicio entre 2025 y 2032, de un proyecto anunciado de unos 509 GW; el escenario central supone que 117,2 GW llegan después de 2032 y que 226,9 GW no se construyen nunca.
- Coste unitario: unos 8,2 mil millones de dólares por un campus de 200 MW, dos tercios para TI (GPU, redes, almacenamiento) y un tercio para el edificio y la energía.
- Ingresos necesarios: 3,725 billones de dólares al año una vez que toda esta capacidad esté en funcionamiento, frente a un PIB previsto para 2032 de 40,481 billones.
El método: un umbral de equilibrio, no una previsión
La cifra de 3,725 billones de dólares responde a una pregunta concreta: ¿qué ingresos debe generar la capacidad completada entre 2025 y 2032 para dar a los inversores una rentabilidad sin apalancamiento del 10 %, con un margen de flujo de caja operativo del 50 %, una vida económica de seis años para los equipos de TI y de veinte para todo lo demás? El propio autor lo dice en un texto publicado por Columbia: es un cálculo de ingresos necesarios, no una predicción de lo que gastarán los clientes (Columbia Business School).
El resultado es muy sensible a los supuestos (artículo, tabla 7):
- desde 2,29 billones de dólares (5 % de rentabilidad, 67 % de margen) hasta 6,72 billones (15 % de rentabilidad, 33 % de margen);
- si las GPU siguen siendo competitivas solo tres años en lugar de seis, la exigencia sube a unos 6,0 billones, el 14,8 % del PIB de 2032.
Para dar escala: con unos ingresos combinados de OpenAI y Anthropic estimados en unos 100 mil millones de dólares al año, alcanzar ese umbral exigiría un crecimiento de aproximadamente el 80 % anual hasta 2032, según calcula el autor.
Dos versiones en circulación. En su texto del 6 de octubre para Columbia, el autor cita una versión revisada del artículo: casi 9 billones de dólares de inversión, unos 188 GW y 3,55 billones de ingresos necesarios (el 8,8 % del PIB). Las cifras citadas por la prensa, y aquí, son las del borrador de la conferencia publicado por Brookings.
Otras estimaciones comparables
- Bain & Company (septiembre de 2025) estimó que harían falta unos 2 billones de dólares de ingresos anuales en todo el mundo en 2030 para financiar la potencia de cálculo necesaria, y que aun contando los ahorros vinculados a la IA seguirían faltando 800 mil millones (Bain). El alcance (mundial, horizonte 2030) y el método difieren: las dos cifras no se suman.
- El artículo señala que el gasto de capital de Oracle, Microsoft, Amazon, Meta y Alphabet pasó de unos 97 mil millones de dólares en 2020 a más de 400 mil millones en 2025, y se prevé que supere los 800 mil millones en 2026, por encima de su flujo de caja operativo combinado por primera vez. De ahí el recurso creciente a arrendamientos, empresas conjuntas, crédito privado y vehículos fuera de balance, que el autor considera más difíciles de vigilar (Bisnow, pódcast de Brookings).
Qué implica para el precio de las herramientas de programación y las API
El artículo traduce su umbral a precios de alquiler de GPU: unos 5,5 dólares por hora de GPU instalada con utilización plena y 6,9 con una utilización del 80 %, dentro del rango de los precios actuales de cómputo de frontera. Para el autor, la verdadera cuestión es, por tanto, si los proveedores conservarán ese poder de fijación de precios cuando se hayan añadido unos 180 GW. Dos lecturas, que no se excluyen entre sí:
- Mientras la capacidad escasee, los precios se mantienen. Las listas de precios ya lo muestran: en Google, Gemini 4 Argon pasa de 2/10 a 4/20 dólares por millón de tokens el 1 de diciembre, y Gemini 3.8 Flash de 0,75/3,75 a 1,50/7,50 dólares el 1 de enero de 2027, cuando terminan los precios de lanzamiento (Google). Una suscripción o una API de programación «barata» hoy puede volver a subir.
- Si la oferta supera a la demanda, bajan. «Tarde o temprano vamos a tener exceso de oferta, como en todos los ciclos inmobiliarios, y entonces los precios se hundirán», dijo el autor a Bisnow; espera que ese riesgo aparezca solo tras cinco u ocho años de fuerte crecimiento.
En la práctica, para un equipo que presupueste sus agentes de programación: compara el precio por tarea en lugar del precio de lista, comprueba la fecha de fin de los precios de lanzamiento y ten una alternativa más barata o autoalojada. La calculadora de costes y la comparativa de modelos permiten rehacer las cuentas con tus propios volúmenes; consulta también nuestra guía para elegir un agente según el presupuesto.
Fuentes
- Stijn Van Nieuwerburgh: Financing the AI Buildout (BPEA, borrador de la conferencia) (4 sep. 2026), verificado el 2026-10-21
- Brookings: Financing the AI buildout (resumen) (23 sep. 2026), verificado el 2026-10-21
- Brookings: The $10 trillion question (pódcast y transcripción) (8 oct. 2026), verificado el 2026-10-21
- Columbia Business School: The AI Buildout: What Real Estate Investors Need to Underwrite (6 oct. 2026), verificado el 2026-10-21
- Bisnow: Brookings Study Shows AI's $10T Build-Out Cost Will Likely End In Market Correction (23 sep. 2026), verificado el 2026-10-21
- Bain & Company: $2 trillion in new revenue needed to fund AI's scaling trend (23 sep. 2025), verificado el 2026-10-21
- Google: Gemini API pricing, verificado el 2026-10-21
Conclusión clave: 3,725 billones de dólares al año es un umbral de equilibrio calculado bajo ciertos supuestos (10 % de rentabilidad, 50 % de margen, GPU amortizadas en seis años), no una previsión de ingresos.
¿Ha detectado un error en este artículo? Comuníquenoslo · Nuestra política de correcciones
