La subvaloración del crédito detrás del auge del poder de computación de IA: cómo los modelos de financiación de infraestructura chocan con activos en depreciación

Los titulares tecnológicos pintan un panorama optimista para principios de 2026: las inversiones en infraestructura de IA continúan acelerándose, la construcción de centros de datos en toda Norteamérica se dispara, y los mineros de criptomonedas celebran su exitosa transición a servicios estables de potencia de cálculo de IA. Pero tras bambalinas, los analistas de crédito de las principales instituciones financieras experimentan un sentimiento muy diferente. En salas de conferencias en Wall Street, el enfoque no está en el rendimiento de los modelos o las especificaciones de GPU—sino en hojas de cálculo que muestran una pesadilla estructural: el mercado está financiando activos con una vida útil de 18 meses usando modelos de hipotecas a 10 años. Esta discrepancia no es teórica. Informes recientes de Reuters y Bloomberg revelan lo que realmente está sucediendo: la infraestructura de IA se ha convertido en un sector intensivo en deuda, y la arquitectura financiera construida bajo el auge de la IA contiene las semillas de una crisis de crédito significativa.

El problema central no es un fallo tecnológico—es un desajuste profundo entre activos de potencia de cálculo que se deprecian rápidamente, colaterales sobreapalancados y deuda de infraestructura inflexible. Cuando estas tres fuerzas convergen, se activa una cadena oculta de transmisión de incumplimientos, y la ilusión de seguridad se desmorona.

La trampa deflacionaria: cuando la Ley de Moore se encuentra con la deuda fija

En la base de cada bono o inversión en deuda se encuentra una suposición fundamental: el Ratio de Cobertura del Servicio de la Deuda (DSCR). Durante los últimos 18 meses, los participantes del mercado han apostado a que los ingresos por alquiler de potencia de cálculo de IA se comportarían como bienes raíces comerciales—estables, predecibles, posiblemente incluso resistentes a la inflación. Sin embargo, los datos cuentan una historia completamente diferente.

Según el seguimiento de SemiAnalysis y Epoch AI publicado en el Q4 2025, el coste de ejecutar cargas de trabajo de inferencia de IA ha colapsado entre un 20 y un 40% año tras año. Esto no es una corrección modesta; es la inexorable marcha de la Ley de Moore encontrándose con la adopción acelerada de técnicas de cuantización, destilación de modelos y circuitos integrados específicos para aplicaciones (ASICs). Cada avance en eficiencia hace que la implementación de GPU costosas de ayer sea sistemáticamente menos valiosa para generar ingresos por alquiler.

Esto crea el primer desajuste crítico de duración: los inversores compraron GPU a valoraciones máximas de 2024, asegurando costes de CapEx mientras bloqueaban una curva de rendimiento por alquiler destinada a declinar en 2025 y más allá. La matemática es sencilla: si debes pagos de servicio de deuda por hardware comprado a $10,000 por GPU, pero la potencia de cálculo que esas GPU generan cae un 30% en valor de alquiler anual, el margen entre ingresos y obligaciones se evapora. Desde la perspectiva de un inversor en acciones, esto es “progreso tecnológico”. Desde la perspectiva de un acreedor, esto es “devaluación del colateral”—la base del riesgo de incumplimiento.

El paradoja se profundiza al considerar el propio modelo de negocio de la potencia de cálculo: a diferencia de los bienes raíces que pueden apreciarse o mantenerse estables, el activo fundamental—la capacidad de potencia de cálculo—es inherentemente deflacionario por diseño. Cada nueva generación de GPU realiza más cálculos por dólar, reduciendo los ingresos por alquiler por unidad de infraestructura desplegada. Esto significa que la deuda emitida hoy contra los ingresos de potencia de cálculo se está pagando con una clase de activo cuyos flujos de caja estructuralmente disminuyen.

La reversión del financiamiento: el riesgo de capital de riesgo disfrazado de seguridad en infraestructura

Frente a retornos menguantes en el lado de los activos, los participantes racionales del mercado deberían endurecer los estándares de préstamo y exigir primas de riesgo más altas. En cambio, lo que ha ocurrido es lo opuesto. La financiación total de deuda para centros de datos de IA y la infraestructura relacionada de potencia de cálculo se proyecta que se dispare un 112% hasta aproximadamente (,000 millones en 2025, según The Economic Times y Reuters.

Esta explosión en deuda no está siendo impulsada por prestamistas conservadores de infraestructura. Más bien, está dominada por vendedores de Neo-Cloud como CoreWeave y Crusoe Energy, junto con mineros de criptomonedas en plena “transformación”, que utilizan préstamos respaldados por activos (ABL) y estructuras de financiamiento de proyectos—modelos diseñados para activos estables y de bajo riesgo como autopistas o plantas hidroeléctricas.

Esto representa un error categórico fundamental en la clasificación del riesgo:

El modelo antiguo (antes de 2024): La IA era un juego de capital de riesgo. Invertías en una empresa, construías tecnología, esperabas éxito. El fracaso significaba pérdida de acciones; los acreedores no participaban.

El modelo nuevo (2025-presente): La IA se ha convertido en un juego de infraestructura. La deuda ahora financia el despliegue de potencia de cálculo. El fracaso implica incumplimiento de bonos y obligaciones estructuradas. El riesgo de pérdida se extiende a acreedores e inversores en renta fija.

Sin embargo, el mercado está valorando esto como si nada fundamental hubiera cambiado. Los prestamistas aplican modelos de riesgo de grado de infraestructura (apalancamiento de utilidad, spreads más bajos, vencimientos más largos) a activos de grado de capital de riesgo (alta depreciación, obsolescencia tecnológica, perfiles binarios de éxito/fracaso). Esto es una mala valoración sistemática del crédito con consecuencias significativas.

La ilusión de desendeudamiento de los mineros: jugando con doble apalancamiento

La posición más precaria la ocupan los mineros de criptomonedas que han pivotado hacia la potencia de cálculo de IA. Las narrativas mediáticas celebran esta transición como una “mitigación de riesgos”—los mineros finalmente escapando de la volatilidad de la minería de cripto para ofrecer servicios de infraestructura estables. Pero al examinar los balances reales, la historia es más oscura.

Datos de VanEck y TheMinerMag revelan que las ratios de deuda neta de las principales empresas mineras cotizadas en 2025 permanecen en gran medida sin cambios respecto al pico de 2021. Algunos actores agresivos incluso han aumentado su deuda en hasta un 500%. ¿Cómo lograron estos mineros ese aparente desendeudamiento sin reducir realmente el apalancamiento?

El mecanismo es engañosamente simple:

• Lado izquierdo del balance (activos): Los mineros siguen manteniendo posiciones volátiles en criptomonedas (BTC/ETH) o registran ingresos futuros por alquiler de potencia de cálculo como colateral implícito.

• Lado derecho del balance (pasivos): Emiten notas convertibles, bonos de alto rendimiento y otros instrumentos denominados en dólares para financiar compras de GPUs H100/H200 y la infraestructura asociada.

Esto no es un desendeudamiento—es un riesgo de rollover combinado con concentración de correlación. Los mineros están jugando a un juego de “doble apalancamiento”: usan la volatilidad de los activos criptográficos como colateral para apostar a los flujos de caja del alquiler de GPU. En entornos de mercado benignos, esto amplifica los retornos. Pero cuando se aprieta la economía macro, ambos componentes fallan simultáneamente. Los precios de las criptomonedas caen mientras las tasas de alquiler de GPU también disminuyen (menos proyectos financiando investigación en IA, menor velocidad de inversión general). En la modelización crediticia, este escenario se llama convergencia de correlaciones—una pesadilla para productos estructurados y un desastre para los acreedores no garantizados.

La suposición de que los ingresos por potencia de cálculo actuarían como un factor estabilizador para los balances de los mineros no se ha materializado. En cambio, los mineros han añadido deuda adicional sobre la volatilidad existente, creando una estructura que amplifica el riesgo a la baja mientras ofrece una limitada protección al alza.

La liquidez que desaparece: cuando el colateral se vuelve teórico

Lo que mantiene despiertos a los gestores de crédito no es el incumplimiento en sí, sino lo que sucede después. En la crisis de las hipotecas subprime de 2008, los acreedores podían subastar propiedades embargadas para recuperar capital. Pero si un operador importante de potencia de cálculo incumple y los acreedores embargan 10,000 tarjetas gráficas H100, ¿qué pasa después? ¿Quién las compra y a qué precio?

Este mercado secundario no existe a escala significativa—un hecho oculto bajo la apariencia de valoraciones de colateral publicadas. La ilusión de seguridad descansa en tres debilidades críticas:

Dependencia de infraestructura física: Las GPUs de alto rendimiento no son dispositivos plug-and-play. Requieren racks de enfriamiento líquido específicos, infraestructura eléctrica (30-50kW por rack) y configuraciones de red especializadas. Una GPU embargada fuera de su infraestructura nativa en centros de datos enfrenta una fricción significativa para encontrar nuevas ubicaciones de despliegue.

Depreciación no lineal por obsolescencia tecnológica: Con NVIDIA lanzando la arquitectura Blackwell a finales de 2024 y planificando Rubin en años posteriores, las generaciones anteriores de GPU no se deprecian de forma lineal. En cambio, enfrentan una depreciación abrupta a medida que nuevos chips más eficientes salen al mercado. Un H100 que valía $40,000 hace meses puede valer entre $8,000 y $12,000 en una venta en dificultades, con una caída del 70-80%.

Ausencia de un proveedor de liquidez: Lo más crítico, no existe un mecanismo de “prestamista de última instancia” en el mercado de hardware de potencia de cálculo usado dispuesto a absorber miles de millones en presión de venta. A diferencia de los mercados de acciones o bonos gubernamentales donde bancos centrales e intermediarios estabilizan los precios durante crisis, los mercados secundarios especializados en GPU carecen de tales estabilizadores. Cuando empieza la venta en dificultades, la descubrimiento de precios se vuelve catastrófico.

Esto representa lo que podría llamarse una “ilusión de colateral”—las ratios LTV (préstamo-valor) en papel parecen prudentes, a menudo entre 50 y 70% según valoraciones de hardware publicadas. Pero estas ratios asumen una liquidación ordenada en mercados secundarios funcionales. El mercado real de GPUs usadas, enfrentadas a riesgos de obsolescencia, es mucho más delgado y desordenado, haciendo que los valores colaterales teóricos sean en gran medida ficticios cuando llega la crisis.

Los ciclos de crédito alcanzan su pico antes que los ciclos tecnológicos: La verdadera línea de riesgo

Para ser claros, este análisis no niega el potencial tecnológico de la IA ni la importancia fundamental de la potencia de cálculo para la infraestructura futura. La tecnología seguirá avanzando, y la demanda de capacidad de IA permanecerá robusta. Lo que se pone en duda es la arquitectura financiera que sustenta la industria—específicamente, cómo se ha malvalorado el financiamiento de la potencia de cálculo.

Los activos deflacionarios impulsados por la Ley de Moore se están valorando como infraestructura de cobertura contra la inflación. Los mineros que no han reducido significativamente su apalancamiento están siendo financiados como si fueran servicios públicos con balances estables. La potencia de cálculo con una relevancia tecnológica de 18-24 meses se financia con estructuras de deuda a 10 años. No son riesgos marginales; son errores de valoración fundamentales incrustados en miles de millones de dólares en deuda pendiente.

El análisis histórico muestra un patrón consistente: los ciclos de crédito alcanzan su pico y colapsan antes de que los ciclos tecnológicos maduren. La gran fiebre del ferrocarril de los años 1880 vio excesos crediticios que alcanzaron su pico antes de que las redes ferroviarias alcanzaran plena utilidad. La era de las punto-com vio financiamiento excesivo en tecnología en 1999-2000, años antes de que la adopción de internet madurara. La crisis subprime alcanzó su pico en 2007-2008, antes de que los precios de las viviendas se estabilizaran.

Para estrategas macro y operadores de crédito, la tarea principal antes de mediados de 2026 no es predecir qué modelo de IA logrará un avance decisivo—sino reexaminar los verdaderos spreads de crédito y las probabilidades de incumplimiento incorporadas en esas combinaciones de “Infraestructura de IA + Minero de Criptomonedas”. El mercado puede haber malvalorado sustancialmente el riesgo financiero. Y cuando esa reevaluación ocurra, afectará no solo a los inversores en acciones, sino también a los mercados de renta fija que ahora soportan la mayor parte de este apalancamiento.

El auge de la potencia de cálculo es real. Lo cuestionable es si los mercados de crédito que lo respaldan han valorado correctamente el riesgo de esa realidad.