La previsión de centros de datos de SemiAnalysis supera los 50 GW mientras el cuello de botella se desplaza a los chips
SemiAnalysis afirma que los operadores de centros de datos añadirán más de 50 gigavatios de capacidad durante 2027, aproximadamente igualando la base instalada mundial hasta 2024. La previsión de centros de datos de SemiAnalysis se basa en obras visibles, contratos de arrendamiento firmados y equipos que ya están llegando a grandes campus. Su tesis central no es simplemente que la inteligencia artificial necesita más edificios. Es que los edificios y la energía podrían dejar de ser las restricciones más severas.
Las pruebas que la respaldan son inusualmente físicas para una previsión de infraestructura. SemiAnalysis identificó más de 24 GW en 40 campus en fases avanzadas de construcción, y la mayor parte de la capacidad está prevista para 2027. Según los informes, muchos edificios están terminados en más de la mitad. Los sistemas de refrigeración y los equipos eléctricos ya están instalados en varias ubicaciones.
Esto genera un conflicto más claro que otra ronda de anuncios ambiciosos de proyectos. Los hyperscalers y los desarrolladores de IA se han comprometido con años de capacidad antes de que la demanda, la financiación y el suministro de chips estén plenamente definidos. Si los campus abren según lo previsto, la escasez del sector se desplaza a niveles más profundos de la pila tecnológica. Los aceleradores, la memoria, las redes y las cargas de trabajo de los clientes deben llegar con suficiente rapidez para llenarlos.
El argumento contrario es que la actividad constructora no garantiza capacidad informática productiva. Las conexiones a la red pueden retrasarse, los equipos pueden llegar tarde y los arrendamientos pueden convertirse en cargas financieras. Por tanto, el despliegue de 2027 pone a prueba si los compromisos firmados representan una demanda duradera de IA o una costosa carrera por reservar infraestructura escasa.
Qué cuenta realmente la previsión de centros de datos de SemiAnalysis
La parte más sólida de la previsión es su dependencia del avance de la construcción, en lugar de limitarse a los anuncios.
La previsión de SemiAnalysis se publicó el 19 de octubre de 2026. Los autores Jeremie Eliahou Ontiveros, Reyk Knuhtsen y Dylan Patel sostienen que más de 50 GW entrarán en servicio durante 2027. Un gigavatio equivale a mil millones de vatios de capacidad eléctrica, aunque los operadores no necesariamente utilizan cada vatio disponible de forma continua.
Esta distinción importa porque las previsiones del sector suelen mezclar capacidad prevista de las eléctricas, edificios terminados, capacidad energizada y tecnología de la información desplegada. Estas categorías describen etapas diferentes de un proyecto. Una estructura terminada no puede ejecutar cargas de trabajo de IA sin energía, refrigeración, redes y servidores. Un edificio energizado también aporta poca capacidad de cómputo hasta que se instalan sus racks.
SemiAnalysis intenta reducir esa brecha mediante el seguimiento de campus individuales a través de su modelo de centros de datos. Su informe público destaca más de 24 GW en 40 campus en construcción avanzada. Según la firma, se espera que la mayor parte de esa capacidad llegue en 2027.
El informe afirma que muchos de esos proyectos han superado su punto medio estructural. Los equipos exteriores de refrigeración y eléctricos son visibles en múltiples ubicaciones. Estos indicadores requieren más capital y compromiso operativo que la compra de un terreno o un anuncio preliminar.
Los 40 campus tampoco representan toda la cartera. SemiAnalysis afirma que rastrea varios cientos de emplazamientos en etapas avanzadas de construcción. Los campus seleccionados ilustran por qué la firma cree que el total anual puede superar los 50 GW pese a las restricciones de mano de obra, red eléctrica y cadena de suministro.
Su titular más amplio cita aproximadamente 60 GW en construcción. Sin embargo, esa cifra no debe considerarse idéntica a la previsión de entrega para 2027. Los proyectos pueden abarcar varios años, abrir por fases o sufrir retrasos en la puesta en marcha. La muestra de 24 GW ofrece pruebas más sólidas a corto plazo porque se centra en proyectos avanzados con equipos visibles.
Este enfoque también explica la discrepancia con estimaciones más conservadoras. Los inversores que se centran en las colas de conexión a la red o las fechas de finalización anunciadas suelen descontar ampliamente los proyectos. SemiAnalysis, en cambio, evalúa el avance de la construcción a nivel de campus y ajusta las entregas esperadas cuando determinados emplazamientos se retrasan.
Los autores reconocen esos retrasos. Señalan la escasez de mano de obra, la tardanza de los proveedores, los desafíos de financiación y las restricciones de infraestructura eléctrica. También afirman que su modelo ha modificado anteriormente los plazos agresivos de los desarrolladores cuando se debilitaban las pruebas a nivel de proyecto.
El resultado es una previsión, no una medición concluida. Sin embargo, tiene una base más sólida que sumar cada proyecto anunciado en una hoja de cálculo. El hormigón, los equipos de refrigeración, las subestaciones y los inquilinos con contratos firmados hacen que la cancelación sea cada vez más costosa a medida que avanza la construcción.
Un campus aún puede incumplir su objetivo después de esos compromisos. La puesta en marcha es una secuencia compleja que implica sistemas eléctricos, refrigeración líquida, redes, pruebas de seguridad y aprobación de las eléctricas. Retrasos de varios meses podrían desplazar una capacidad considerable de un año natural a otro sin cancelar el proyecto subyacente.
Esta sensibilidad temporal es crítica. La diferencia entre 43 GW y 50 GW puede reflejar cuándo un proyecto entra en funcionamiento, no si finalmente abre. Los lectores deberían interpretar la previsión como evidencia de aceleración, no como una promesa precisa sobre diciembre de 2027.
Por tanto, el cambio importante es el impulso visible. Una gran parte de la capacidad proyectada ha pasado de la intención corporativa a la ejecución física. Eso hace que la próxima restricción sea más importante que el anuncio inicial.
Los arrendamientos firmados convierten los planes de construcción en presión financiera
Los arrendamientos a largo plazo hacen que el despliegue sea más creíble, pero también trasladan el optimismo de la construcción al riesgo del balance.
SemiAnalysis afirma que durante 2026, hasta la fecha de su informe, se firmaron algo menos de 1 billón de dólares en arrendamientos de centros de datos vinculantes o no cancelables. Su titular hace referencia a una medida más amplia de 1,3 billones de dólares. Estas cifras pueden abarcar poblaciones contractuales diferentes, por lo que no deben tratarse como intercambiables sin el conjunto de datos subyacente.
Las divulgaciones de empresas públicas muestran de forma independiente una enorme cartera de compromisos. Un análisis de arrendamientos de Reuters encontró unos 1,09 billones de dólares en pagos futuros entre Microsoft, Meta, Oracle, Amazon y Alphabet. Estos arrendamientos se habían firmado, pero no habían comenzado a principios de agosto de 2026.
Según Reuters, acuerdos posteriores elevaron el total conocido para esas cinco empresas a unos 1,16 billones de dólares. Microsoft reveló 329.100 millones de dólares en pagos de arrendamiento no iniciados. Meta informó de 278.990 millones de dólares antes de firmar otros 68.000 millones de dólares en arrendamientos de centros de datos durante julio.
Oracle reveló 260.000 millones de dólares en compromisos no iniciados. Alphabet informó de 85.200 millones de dólares, mientras que Amazon reveló 137.210 millones de dólares en una cartera de arrendamientos más amplia. La cifra de Amazon también incluye activos como almacenes, oficinas, aeronaves y vehículos.
Un arrendamiento no iniciado es un acuerdo firmado para un activo que todavía no está disponible para su cliente. Por lo general, la obligación no aparece como un pasivo por arrendamiento reconocido hasta que la instalación entra en servicio. Durante ese período, las empresas revelan los pagos futuros en las notas de los estados financieros.
Ese tratamiento contable no hace que el compromiso esté oculto ni lo equipara a la deuda convencional. Los pagos futuros de arrendamiento pueden extenderse durante muchos años y suelen indicarse sin descuento. Aun así, su escala revela cuánto gasto permanece fuera de las medidas habituales de pasivos que acaparan los titulares.
Los contratos también cambian quién asume el riesgo de ejecución. Los desarrolladores deben financiar y construir instalaciones frente a una demanda prometida. Los inquilinos deben estar preparados para aceptar capacidad cuando esté disponible. Los clientes de la nube y los laboratorios de IA deben generar después suficiente uso para justificar los costes fijos resultantes.
Oracle ilustra el desajuste de duración. La empresa afirmó que sus arrendamientos generalmente comienzan entre los ejercicios fiscales de 2027 y 2029 y duran entre 15 y 19 años. También advirtió que los términos de los arrendamientos podrían no estar alineados con los acuerdos de clientes. Un cliente que no renueve podría dejar a Oracle expuesta a un compromiso de infraestructura más largo.
Ese es el núcleo del argumento contrario en esta historia: construcción contratada frente a demanda informática realizada. Los arrendamientos firmados muestran que las empresas creen que la capacidad seguirá siendo escasa. No demuestran que cada megavatio reservado vaya a generar una rentabilidad atractiva.
La actividad reciente de arrendamiento respalda el argumento de la demanda a corto plazo. Un informe sobre capacidad de IA citó datos de TD Cowen que mostraban más de 7,4 GW arrendados por los principales proveedores de nube durante un trimestre fiscal. Esto superó la cantidad arrendada durante todo el año anterior.
Según los informes, Oracle aseguró la mayor capacidad durante ese período, gran parte de ella para cargas de trabajo de OpenAI. Google ocupó el segundo lugar, seguida de Fluidstack. Meta, Amazon, CoreWeave y Microsoft también participaron activamente.
Las contrapartes no son intercambiables. Microsoft, Amazon y Google pueden situar capacidad detrás de plataformas de nube diversificadas. Meta sostiene principalmente sus propios servicios y modelos de IA. Oracle tiene una exposición concentrada a un número menor de grandes clientes de IA. Los operadores especializados dependen de la financiación, la calidad de los inquilinos y la entrega puntual.
Esta distribución importa si el crecimiento de los ingresos de IA se desacelera. Los proveedores de nube diversificados pueden reutilizar parte de la infraestructura para bases de datos, informática empresarial, almacenamiento y cargas de trabajo convencionales en la nube. Los campus de IA extremadamente densos son menos flexibles porque sus sistemas de refrigeración, redes y energía se orientan a clústeres de aceleradores.
Por tanto, un campus terminado genera presión sobre varios grupos a la vez. Los desarrolladores necesitan que los inquilinos acepten la entrega. Los hyperscalers necesitan equipos y electricidad. Los laboratorios de IA necesitan ingresos o financiación. Los proveedores de chips deben suministrar suficientes aceleradores, memoria y hardware de red para convertir la energía reservada en capacidad de cómputo utilizable.
Los arrendamientos hacen menos probable un abandono generalizado, pero aumentan el coste de equivocarse. Por eso la previsión de SemiAnalysis para 2027 puede ser creíble y financieramente arriesgada al mismo tiempo.
El cuello de botella se desplaza de los edificios al silicio
Si se abren más de 50 GW durante 2027, el recurso limitante pasa a ser el hardware que convierte la electricidad en computación de IA útil.
Un centro de datos es solo la capa exterior de un sistema de IA. En su interior, los aceleradores realizan los cálculos de los modelos, la memoria de gran ancho de banda alimenta esos procesadores y las redes conectan miles de dispositivos. Los equipos de refrigeración eliminan su calor, mientras que las subestaciones y los sistemas de respaldo mantienen un suministro eléctrico fiable.
SemiAnalysis sostiene que las escaseces de chips lógicos y memoria podrían superar a las de edificios y energía durante 2027 y 2028. La afirmación se desprende directamente de su previsión de construcción. Los campus terminados con rapidez competirán por una cadena de suministro de semiconductores que no puede expandirse a la misma velocidad que la construcción de hormigón.
Los aceleradores reciben la mayor atención pública, pero un clúster de IA contiene varios componentes restringidos. La memoria avanzada se sitúa junto a los procesadores y suministra datos a velocidades extremadamente altas. Los conmutadores de red especializados, los enlaces ópticos y los cables coordinan el trabajo entre racks. Los equipos de gestión de energía regulan sistemas cada vez más densos.
Cada capa tiene un calendario de producción diferente. Las plantas de fabricación de semiconductores tardan años en desarrollarse y certificarse. El empaquetado avanzado debe combinar procesadores y memoria. Los proveedores de memoria deben asignar la producción entre generaciones de productos. Los proveedores de redes deben sincronizar las entregas con el ensamblaje de servidores y la puesta en marcha de los campus.
Esto crea un problema de secuenciación. Los operadores pueden reservar energía antes de saber qué generación de chips ocupará un edificio. También pueden recibir servidores antes de que una empresa de servicios públicos complete la interconexión final. Un retraso en cualquiera de los extremos deja activos costosos infrautilizados.
Los diseños de los campus complican aún más la transición. Los nuevos aceleradores pueden consumir más energía por rack que los sistemas anteriores. Pueden requerir refrigeración líquida directa, en la que el refrigerante elimina el calor más cerca de los chips. Las instalaciones diseñadas con supuestos de densidad más antiguos pueden necesitar modernizaciones antes de completar su despliegue inicial.
Por tanto, la expansión no es una simple conversión de gigavatios a rendimiento de modelos. Dos campus con la misma capacidad eléctrica pueden generar una producción informática diferente. La generación de chips, la utilización, la eficiencia de red, la sobrecarga de refrigeración y el software influyen en el trabajo útil entregado por vatio.
Por eso, 50 GW no deben traducirse directamente en una cantidad de aceleradores. Los operadores rara vez divulgan configuraciones completas de hardware, y los planes de despliegue cambian. Parte de la capacidad respaldará almacenamiento, redes, servicios de nube convencionales y gastos generales de las instalaciones, en lugar de procesadores de IA.
Aun así, un gran aumento de capacidad reforzaría la posición negociadora de los proveedores de chips. Los hyperscalers no pueden obtener rentabilidad de estructuras vacías con suministro eléctrico. Necesitan aceleradores con suficiente rapidez para empezar a facturar a los clientes o ejecutar cargas de trabajo internas valiosas.
La presión se extiende más allá de Nvidia. Los proveedores de nube siguen desarrollando sus propios procesadores para controlar costes, mejorar la seguridad del suministro y ajustar el hardware a modelos específicos. Google cuenta con años de experiencia en unidades de procesamiento tensorial. Amazon ofrece Trainium, mientras que Microsoft y Meta han desarrollado programas internos de silicio.
Los chips personalizados no eliminan la cadena de suministro. Siguen requiriendo fabricación, empaquetado, memoria, placas de circuito, redes y ensamblaje de servidores. Pueden diversificar el suministro de aceleradores, pero también crean trabajo adicional de software y despliegue.
La expansión de 2027 pondrá a prueba si esas alternativas pueden alcanzar volumen de producción. Un acelerador personalizado exitoso debe hacer más que ejecutar cargas de trabajo de referencia. Necesita compiladores estables, implementaciones eficientes de modelos, redes fiables y suficiente adopción por parte de los clientes para mantener una alta utilización.
Los desarrolladores también se enfrentan a una elección entre esperar chips más nuevos y desplegar el hardware disponible. Retrasar el despliegue puede mejorar el rendimiento por vatio, pero deja inactiva la capacidad arrendada. Desplegar de inmediato permite iniciar antes el trabajo útil, aunque el equipo podría perder competitividad durante un contrato de arrendamiento largo.
Esa disyuntiva afectará el comportamiento de compra en todo el mercado. Las empresas más grandes pueden dividir la capacidad entre varias generaciones de chips y proveedores. Los proveedores de nube más pequeños pueden aceptar hardware menos eficiente porque no pueden esperar por los sistemas más solicitados.
El cuello de botella de los chips también conecta el gasto en infraestructura con la economía de la IA. Los procesadores más rápidos solo crean valor cuando los clientes pagan por inferencia, entrenamiento o acceso a la nube. Si la eficiencia de los modelos aumenta más rápido que el uso, los operadores podrían satisfacer la demanda con menos hardware. Si el uso se expande mediante agentes, vídeo e inferencia persistente, incluso 50 GW podrían parecer escasos.
SemiAnalysis apuesta, en efecto, por el segundo camino. Su previsión de crecimiento de capacidad de centros de datos supone que la demanda contratada y las evidencias de construcción resistirán las limitaciones inmediatas. La próxima prueba será si la producción de semiconductores y las cargas de trabajo de pago pueden alcanzar a los edificios que llegan detrás.
Lo que la cifra de 50 GW no demuestra
La construcción avanzada reduce el riesgo de cancelación, pero no resuelve las dudas sobre disponibilidad de energía, utilización, rentabilidad o impacto ambiental.
La primera incertidumbre se refiere a la medición. Los participantes de la industria utilizan megavatios y gigavatios para describir el servicio de las empresas eléctricas, la carga crítica de tecnología de la información, los límites de diseño de los campus y la capacidad por fases. Una previsión puede parecer incoherente cuando dos fuentes contabilizan puntos distintos de esa cadena.
SemiAnalysis utiliza un modelo propietario detallado, pero el artículo público expone solo parte de su metodología y de la lista subyacente de campus. Los lectores no pueden reproducir de forma independiente el total completo de 50 GW a partir del material publicado. La muestra visible de 24 GW respalda la dirección de la tendencia, no cada componente de la previsión.
La segunda incertidumbre es el calendario de entrega. Un edificio puede parecer casi terminado mientras espera transformadores, equipos de conmutación, generación de respaldo o aprobación de la empresa eléctrica. Los problemas de puesta en marcha pueden retrasar la apertura después de que termine la construcción principal. Esos retrasos importan cuando la previsión asigna capacidad a un año específico.
La tercera incertidumbre es el suministro energético. La previsión energética de la IEA proyecta que la generación de electricidad para centros de datos aumentará de 460 TWh en 2024 a más de 1.000 TWh en 2030. Las energías renovables proporcionan casi la mitad de la demanda adicional en su escenario base.
Los combustibles fósiles siguen siendo centrales durante el auge a corto plazo. La IEA espera que el gas natural y el carbón cubran más del 40% de la demanda adicional de electricidad de los centros de datos hasta 2030. Las colas para conexión a la red pueden impulsar el crecimiento más rápido hacia generación in situ o capacidad fósil existente.
El desafío se concentra especialmente en Estados Unidos. Una actualización de Berkeley Lab estima que los centros de datos podrían consumir el 11,8% de la electricidad estadounidense en 2030. El intervalo de escenarios va del 9,5% al 15,3%.
Estas cifras nacionales pueden ocultar problemas regionales más difíciles. Los campus de centros de datos se concentran donde ya existen fibra, terreno, incentivos fiscales y regiones de nube. Las empresas eléctricas locales deben atender grandes cargas relativamente continuas incluso cuando la capacidad nacional de generación parece suficiente.
La Administración de Información Energética de Estados Unidos espera que el desarrollo de centros de datos impulse el crecimiento de la electricidad a corto plazo. Su análisis de demanda de red identifica ERCOT y PJM como las regiones de mayor crecimiento hasta 2027. Ambas ya albergan importantes proyectos de infraestructura.
Las limitaciones de la red no invalidan automáticamente la previsión. Los operadores pueden asegurar generación dedicada, construir sistemas detrás del contador o abrir campus por fases. También pueden mover cargas de trabajo entre regiones cuando la latencia y las normas sobre datos lo permitan.
Sin embargo, cada solución alternativa tiene costes. La generación dedicada a gas puede aumentar las emisiones. Las baterías no pueden proporcionar energía continua sin generación. Las nuevas líneas de transmisión afrontan largos procesos de planificación. Mover cargas de trabajo puede introducir retrasos de red o entrar en conflicto con los requisitos de los clientes.
La cuarta incertidumbre es la utilización. Un campus puede abrir, aceptar servidores y aun así operar por debajo de su potencial económico. La utilización mide qué parte de la capacidad informática instalada realiza trabajo facturable o estratégicamente valioso.
La baja utilización puede derivarse de problemas de software, retrasos de clientes, limitaciones de red o una sobreoferta de tipos concretos de aceleradores. Una alta utilización también puede ocultar una economía débil si los proveedores aplican fuertes descuentos al acceso para atraer demanda.
La quinta incertidumbre se refiere a la financiación. Los contratos de arrendamiento a largo plazo hacen más probable la construcción, pero también crean obligaciones fijas. Los desarrolladores de IA deben convertir el uso en ingresos antes de que los compromisos de infraestructura superen su generación de caja.
Las plataformas más grandes pueden absorber la ineficiencia temporal con mayor facilidad que los proveedores especializados. Cuentan con clientes de nube establecidos, negocios publicitarios y productos de consumo. Los operadores más pequeños suelen depender de unos pocos inquilinos, financiación cara y supuestos optimistas sobre futuras tarifas de alquiler.
Una desaceleración no produciría necesariamente filas de campus abandonados. En su lugar, podría manifestarse como menores tarifas de arrendamiento, contratos renegociados, instalaciones de servidores aplazadas o rendimientos más débiles. La capacidad podría seguir abriendo mientras los inversores asumen el ajuste.
La incertidumbre final es la eficiencia tecnológica. Los modelos pueden resultar más baratos de entrenar y operar mediante algoritmos mejorados, cuantización, computación dispersa y una mejor planificación. Estas mejoras pueden reducir el hardware necesario para una carga de trabajo fija.
La eficiencia también puede aumentar la demanda total al hacer asequibles los servicios de IA para más usuarios. Ese efecto rebote ha aparecido repetidamente en los mercados de la informática. Los menores costes unitarios fomentan nuevos productos, mayor uso e inferencia más frecuente.
Ninguna previsión por sí sola puede resolver ese equilibrio. La cifra de 50 GW muestra que las empresas están construyendo en torno a fuertes expectativas de demanda. No demuestra que esas expectativas generarán rendimientos atractivos en todos los campus.
Tres señales que pondrán a prueba la expansión de 2027
La previsión se juzgará por la capacidad energizada, el hardware instalado y la demanda recurrente de IA, no solo por fotografías de construcción.
La primera señal es la conversión de los campus avanzados en capacidad energizada de tecnología de la información. Los operadores deben completar subestaciones, conexiones a la red, sistemas de refrigeración y puesta en marcha antes de que un edificio aporte capacidad informática utilizable.
Las actualizaciones trimestrales de las empresas eléctricas y los desarrolladores deberían revelar si los proyectos abren según sus calendarios revisados. Las divulgaciones más útiles separarán los edificios terminados de la capacidad energizada. También deberían distinguir los límites de diseño de los campus de la capacidad ya disponible para los clientes.
Si la mayor parte de la muestra avanzada de 24 GW entra en servicio durante 2027, la previsión de centros de datos de SemiAnalysis obtendrá un respaldo sustancial. Un desplazamiento generalizado hacia 2028 debilitaría su total para el año natural sin refutar la tendencia de infraestructura a más largo plazo.
El patrón de retrasos importará tanto como su magnitud. Los contratiempos aislados son normales en proyectos de esta escala. La escasez reiterada de transformadores, las retenciones en la red o los fallos de puesta en marcha en varias regiones indicarían una limitación estructural.
La segunda señal es el despliegue de hardware. Los inversores deberían vigilar los envíos de aceleradores, la producción de memoria de alto ancho de banda, la capacidad de empaquetado avanzado, los ingresos de redes y las instalaciones de servidores. Esos indicadores muestran si los operadores pueden equipar los nuevos edificios al ritmo requerido.
La escasez de chips confirmaría el cambio de cuello de botella propuesto por SemiAnalysis. Los edificios llegarían, pero los procesadores y la memoria limitarían la capacidad productiva. Los proveedores de nube podrían prolongar la vida útil del hardware antiguo o acelerar la adopción de chips personalizados.
Un aumento ordenado del despliegue de servidores respaldaría una conclusión diferente. Sugeriría que los proveedores de semiconductores anticiparon la ola de construcción y se expandieron con éxito. La limitación podría desplazarse entonces hacia los precios de la energía, las cargas de trabajo de los clientes o la utilización del software.
La mezcla de hardware ofrecerá otra pista. La rápida adopción de aceleradores diseñados internamente mostraría que los hyperscalers están reduciendo su dependencia de un único proveedor. La concentración continuada en torno a una plataforma de aceleradores mantendría elevado el riesgo de aprovisionamiento.
La tercera señal es la demanda recurrente tras la apertura de la capacidad. Los ingresos de nube, el uso de servicios de IA, las obligaciones de rendimiento restantes y las divulgaciones de arrendamientos deberían mostrar si los clientes absorben la nueva infraestructura.
La demanda debe extenderse más allá de los proyectos de entrenamiento de modelos. El entrenamiento es grande, pero intermitente. La inferencia, en la que los modelos desplegados responden a usuarios y software, puede generar un consumo persistente en aplicaciones empresariales, búsqueda, programación, medios y agentes automatizados.
La adopción empresarial será especialmente importante. Las aplicaciones de consumo pueden generar enormes volúmenes de solicitudes, pero los ingresos pueden ser inciertos. Los clientes empresariales aportan contratos y cargas de trabajo repetibles, aunque exigen fiabilidad, seguridad y retornos medibles.
La contabilidad de arrendamientos dejará al descubierto parte del resultado. A medida que las instalaciones estén disponibles, los compromisos aún no iniciados pasarán a reconocerse como pasivos y gastos. Las empresas tendrán entonces que explicar cómo se comparan los ingresos y la utilización de la capacidad con esos costes.
Preste atención a los cambios en la duración de los contratos, el lenguaje de renovación y la financiación de desarrolladores. Compromisos más cortos podrían indicar que los arrendatarios buscan flexibilidad. Las renegociaciones o una aceptación aplazada debilitarían el argumento de la demanda. Los nuevos acuerdos a largo plazo lo reforzarían.
Estas tres señales crean una prueba práctica para los lectores. Primero, ¿recibieron electricidad los campus? Segundo, ¿instalaron los operadores suficiente hardware de la generación actual? Tercero, ¿generaron los clientes un uso sostenido tras el despliegue?
Una respuesta afirmativa en los tres casos convertiría 2027 en un auténtico punto de inflexión para la oferta de computación. También validaría la idea de que la producción de chips, más que la construcción de centros de datos, se ha convertido en la restricción más severa de la industria.
Los resultados dispares exigirían una interpretación más cuidadosa. Edificios energizados pero vacíos apuntarían a problemas de hardware o financiación. Clústeres ocupados pero infrautilizados indicarían una demanda débil. Una fuerte demanda tras conexiones a la red retrasadas mantendría la electricidad en el centro de la historia.
Para los desarrolladores y compradores empresariales, esta expansión debería acabar afectando al acceso, la disponibilidad regional y los costes de computación. Una mayor oferta puede reducir la escasez, pero solo si la electricidad y los chips llegan a la vez. Los compradores deberían seguir la disponibilidad real del servicio en lugar de basarse en los gigavatios anunciados.
La previsión de SemiAnalysis para 2027 resulta convincente porque gran parte de la construcción ya ha comenzado. Su afirmación más difícil empieza después de que se abran las puertas. La industria debe convertir una capacidad eléctrica sin precedentes en trabajo de computación útil y remunerado.
Durante los próximos trimestres, compare la puesta en marcha de los campus con los envíos de hardware y la demanda recurrente de la nube. Si los tres crecen a la vez, la aceleración es real. Si uno se queda atrás, identificará el nuevo cuello de botella y revelará qué compromisos se asumieron demasiado pronto.
