Los gastos de capital en IA se están distribuyendo: la segunda reconfiguración de la infraestructura tecnológica está ocurriendo.

2026年，全球AI基础设施投资正站在一个关键的结构性拐点上。

过去三年，AI算力竞赛的核心叙事高度单一：超大规模云服务商（Hyperscaler）以近乎不计成本的方式扩建数据中心、采购GPU，将资本开支推向历史极值。2026年，四大云厂商——Amazon、Microsoft、Google（Alphabet）和Meta——的资本开支合计预计达到7,250亿美元，较2025年的4,100亿美元同比增长77%。若将英伟达、苹果、特斯拉等纳入Magnificent Seven范畴，这一数字更逼近7,542亿美元。Gartner则预测2026年全球AI总支出将达到2.59万亿美元，同比增长47%。

然而，规模本身正在失去作为唯一关注焦点的地位。一个更深层的变化正在发生：AI资本开支正在从高度集中走向分布化。DIGITIMES将2026年的科技关键词定义为“散”——象征AI市场与供应链正在迎来“分散化”的双重变革。这不仅是地理意义上的分散，更是投资主体、技术架构与产业结构的全面重构。

集中的尽头：7,250亿美元的“账单”与回报焦虑

理解分布化的起点，必须先看清集中化的顶峰。

2026年，四大超大规模云服务商的资本开支总额预计在6,500亿至7,000亿美元之间，约占罗素1000指数资本支出总量的40%，较2024年水平翻倍。各家的具体数字如下：Amazon锁定约2,000亿美元，Microsoft维持1,900亿美元预期，Alphabet上调至1,750亿至1,850亿美元，Meta则为1,250亿至1,450亿美元。

这一数字调整的速度本身就是一个重要信号。仅过去约六个月，市场对2026年云厂商资本开支的预期就提高了近80%。巴克莱预计，主要云厂商的资本开支将在2027年达到9,190亿美元，2028年进一步升至约1.16万亿美元。CreditSights估计，2026年超大规模云服务商合计资本开支中约75%将投向AI相关基础设施，即约4,500亿美元的AI专项支出。

但集中化的规模扩张正在遭遇回报率的拷问。2026年6月（北京时间），微软股价在一个月内下跌近20%，市值在过去8个月里蒸发了近1.3万亿美元。投资者scrutiny的焦点正是Microsoft 2026年约1,900亿美元的资本开支——其中约三分之二投向GPU和CPU等短周期资产，折旧更快且直接绑定短期收入。Microsoft Cloud毛利率已指引至64%，同比下降4个百分点。高盛在6月发布的研报中指出，美国科技投资占GDP的比重已升至约4.9%，超过2000年前后互联网泡沫时期的高点。

集中化投资的边际回报正在递减，这为分布化提供了最直接的驱动力。

推理拐点：为什么算力必须走向分布

AI资本开支分布化的底层逻辑，首先是算力需求结构本身的变化。

英伟达CEO黄仁勋在GTC 2026大会上明确提出，AI推理负载规模将达到训练的十亿倍，推理时代全面到来。IDC预测，至2027年推理任务将占据智能算力总需求的七成以上。TrendForce的数据更为具体：2026年AI推理算力年增率高达122%，远超AI训练算力的56%增长幅度。

训练与推理对基础设施的要求截然不同。训练是集中式、高密度、长时间的计算任务，天然适合部署在超大规模数据中心。推理则是分布式、低延迟、高并发的实时响应任务——当一个AI智能体需要在数十毫秒内完成一次推理并返回结果时，数据从边缘端传输到集中式数据中心再返回的物理时延本身就成为不可逾越的瓶颈。

Akamai的架构师指出，游戏场景需要首Token时延控制在15毫秒以内，电商推荐约20毫秒，而传统集中式数据中心与终端用户之间动辄数十毫秒的网络时延，已经成为实时交互场景无法突破的瓶颈。集中式部署下1GW算力需75 Tbit/s出口带宽（Blackwell），下一代Vera Rubin更达135 Tbit/s；而分布至20个节点后，单点仅需3.75 Tbit/s。这是一道由物理定律决定的算术题，而非商业策略的选择。

与此同时，多模态交互带来海量出方向流量，公有云居高不下的带宽成本正在成为AI业务盈利的“隐形杀手”。叠加欧盟GDPR、东南亚、中东等地区不断收紧的数据本地化法规，集中式部署逐渐陷入体验、成本、合规三者难以兼顾的困境。AI算力不再只集中于核心云，而是开始向“核心—区域—边缘”三级分布式架构演进。

从四巨头到全产业链：资本开支的参与者在扩张

分布化的第二个维度，是投资主体的扩散。

过去三年，AI基础设施投资几乎由四大云厂商和英伟达主导。但2026年，这一格局正在发生变化。中泰证券的测算显示，2026年MAG7合计AI资本开支约7,542亿美元，而中国本土AI资本开支合计约8,058亿元（约1,100亿美元）。两条路径合计，2026年中美AI资本开支对中国GDP的贡献约10,076亿元，占GDP比重0.68%，对GDP增速的边际贡献约0.33个百分点。AI上下游已经超过城投链，成为GDP增速的边际增量。

企业端的参与正在加速。RBC最新调查显示，企业正加速导入AI，多数企业已从试验转向正式生产。日本国内企业AI活用调查显示，AI活用水平达到本番稼働（正式投产）阶段的企业已占47.8%，大企业正式投产率达62.7%。尽管中小企业导入率仍有限（日本中小企业约12%），但大企业64.7%的导入率表明，企业AI部署已经从概念验证进入规模化阶段。

主权国家的参与同样不可忽视。黄仁勋在2026年6月（北京时间）的股东大会上透露，近40个国家和地区、合计代表50万亿美元GDP，正在建设由英伟达基础设施驱动的AI工厂。AI基础设施投资正在从“科技公司的内部事务”演变为“国家层面的战略竞争”。

资本开支的分布化还体现在融资结构上。中泰证券指出，美国AI巨头的资本开支已进入债务融资驱动阶段。超大规模云服务商的资本开支不再完全依赖自由现金流，而是通过债务融资放大杠杆。这种融资模式的转变意味着资本开支的可持续性不再仅仅取决于单家公司的现金流状况，而是与更广泛的信贷市场环境相关联。

边缘即前线：分布式AI基础设施的落地

分布化趋势最具体的体现，在边缘计算领域。

2026年，边缘AI正从概念走向大规模部署。Akamai与英伟达联合打造的“AI网格”已落地，将遍布全球超过4,400个边缘节点的网络改造为分布式AI推理平台。Akamai正在从全球领先的云分发服务商向全球最大的分布式AI推理平台转型，目前已在全球大规模部署NVIDIA Blackwell RTX 6000 PRO GPU。

这一转型并非孤例。2026年6月（北京时间），边缘智算企业云天畅想完成超10亿元人民币E轮融资，中国互联网投资基金领投。公司同步宣布从“边缘智算服务商”全面升维，开启面向AGI时代的“实时智算织网”战略布局。Antimatter则获3亿欧元资金，用于在2026年部署首批100个Policloud分布式微型数据中心。NXP通过收购Kinara强化边缘AI产品组合，新增独立式NPU。

IDC预测，到2027年超过80%的企业将部署分布式边缘基础设施。边缘基础设施建设增速将超越核心数据中心。这意味着边缘不再是云计算的补充，而是正在成为AI基础设施的核心组成部分。

边缘AI的商业逻辑是清晰的：推理任务对延迟的敏感度远高于训练任务，而边缘节点天然靠近数据源和用户。对于企业而言，边缘部署还能解决数据合规（数据不出境）、带宽成本（减少云端传输）和可靠性（本地容灾）等多重问题。这些问题在集中式架构下难以同时解决，但在分布式架构中找到了可操作的方案。

多层基础设施时代：投资逻辑的结构性转变

AI基础设施正在从“单一集中式”走向“多层分布式”结构。这一转变对投资逻辑的影响是深远的。

首先，芯片需求结构在发生变化。训练侧仍以英伟达GPU为主导——2026财年英伟达数据中心收入达1,937亿美元，同比增长68%。但推理侧的多样化需求正在为ASIC和边缘芯片创造增量市场。机构预计2026年ASIC芯片出货量约770万片，份额达45%，并将在2027年超过GPU份额达到58%。博通到2027年有望占据AI服务器算力ASIC市场约60%的份额。

其次，基础设施投资的地理分布在发生变化。超大规模数据中心仍在扩张——全球数据中心累计投资额预计到2030年将达到1.6万亿美元——但边缘节点的建设正在以更快的速度增长。AI算力不再只集中于核心云，而是向“核心—区域—边缘”三级架构扩散。

第三，投资回报的评估周期在发生变化。集中式数据中心投资回报周期长、资本密集度高，需要数年才能收回成本。而边缘AI部署通常规模更小、周期更短、更贴近具体业务场景，回报评估的颗粒度更细。这种差异正在改变资本市场对AI投资的估值逻辑——从“谁花钱最多”转向“谁花钱最有效率”。

Research and Markets的数据显示，全球人工智能基础设施市场规模将从2025年的718.8亿美元增长至2026年的909.1亿美元。但这一数字仅涵盖狭义的基础设施硬件市场。若将企业AI部署、边缘计算、行业解决方案等纳入考量，AI资本开支的分布化规模远超这一数字。

风险与约束：分布化并非坦途

AI资本开支的分布化趋势清晰，但并非没有约束。

供给端的瓶颈仍然突出。英伟达Blackwell系列产品供应处于紧张状态，供不应求将持续数个季度。HBM等关键组件的产能已被大型客户提前锁定至2026甚至2027年。伯恩斯坦研究指出，仅HBM价格上涨就可能令超大规模云厂商的AI资本开支总体增加约30%。

电力基础设施是另一重约束。AI数据中心的电力需求正在逼近现有电网的承载极限。集中式1GW算力集群的电力接入本身就是一项历时数年的工程。分布式架构虽然降低了单点的电力需求，但对电网的分布式接入能力提出了新要求。

地缘政治风险同样不可忽视。美国对先进AI芯片的出口限制持续影响全球供应链。英伟达在2027财年第一季度财报中明确排除了中国数据中心业务收入的影响。中美AI资本开支的相互映射虽然紧密，但政策不确定性正在增加供应链的摩擦成本。

最后，资本市场对AI投资回报的耐心正在收窄。高盛明确指出，AI行情的核心矛盾正在加剧——基本面依然强劲，但市场已经提前计入了过多未来收益。自2022年11月以来AI相关公司市值暴增27万亿美元，远超宏观基准测算的9万亿美元。如果分布化的投资不能更快地转化为收入和利润，资本市场的态度可能从“质疑规模”转向“质疑逻辑”。

结语

AI资本开支的分布化不是对集中化的否定，而是对集中化的补充和延伸。

训练仍需要超大规模数据中心，推理正在走向边缘；巨头仍在加码，企业和主权国家正在入场；GPU仍是训练的主力，ASIC和边缘芯片正在开辟新战场。这是一个多层基础设施时代——不同层级承担不同功能，不同参与者占据不同生态位。

2026年是这一结构性转变的关键节点。DIGITIMES预测全球AI市场资本支出增长将从2025年的66%放缓至2026年的31%，但放缓不代表停滞。恰恰相反，增速的放缓往往意味着行业从“粗放扩张”进入“精细化建设”阶段。AI基础设施正在从一个“赢家通吃”的集中市场，演变为一个“分层协作”的生态系统。

对于投资者而言，理解这一结构变化的意义可能比追踪下一季度的资本开支数字更为重要。AI资本开支的分布化正在重塑云计算、芯片设计、企业IT架构乃至国家产业政策的长期投资逻辑。这一变化的终点尚不可知，但其方向已经足够清晰。

FAQ

Q1：AI资本开支分布化的核心驱动力是什么？

推理需求的爆发式增长是核心驱动力。2026年AI推理算力年增率达122%，远超训练的56%。推理任务对低延迟、高并发的需求使集中式数据中心面临物理瓶颈，分布式边缘节点成为必然选择。同时，数据合规、带宽成本等因素也在推动算力下沉。

Q2：四大云厂商2026年的资本开支具体是多少？

Amazon约2,000亿美元，Microsoft约1,900亿美元，Alphabet约1,750亿至1,850亿美元，Meta约1,250亿至1,450亿美元。合计约7,250亿美元，较2025年增长77%。其中约75%投向AI相关基础设施。

Q3：边缘AI与云计算是什么关系？

两者是互补而非替代关系。核心云负责大模型训练和复杂推理，边缘节点负责低延迟实时响应、数据预处理和合规本地化处理。AI算力正在向“核心—区域—边缘”三级分布式架构演进，形成分层协作的生态系统。

Q4：AI资本开支分布化对芯片行业有何影响？

训练侧仍以英伟达GPU为主导——2026财年数据中心收入达1,937亿美元。但推理侧需求正在为ASIC和边缘芯片创造增量市场，预计2026年ASIC出货量约770万片，2027年份额有望超过GPU。芯片需求正从“单一龙头”走向“多元并存”。

Q5：AI基础设施投资的高增长能持续多久？

巴克莱预计主要云厂商资本开支2027年达9,190亿美元，2028年升至约1.16万亿美元。英伟达管理层将2030年年度AI行业开支规模上限上调至4万亿美元。但增速本身正在放缓——从2025年的66%降至2026年的31%——行业正从“粗放扩张”进入“精细化建设”阶段。En 2026, la inversión global en infraestructura de IA se encuentra en un punto de inflexión estructural clave.

En los últimos tres años, la narrativa central de la carrera de computación de IA ha sido extremadamente única: los hiperescaladores han expandido centros de datos y adquirido GPU casi sin importar el costo, llevando el gasto de capital a máximos históricos. En 2026, se espera que el gasto de capital combinado de los cuatro grandes proveedores de nube (Amazon, Microsoft, Google (Alphabet) y Meta) alcance los 725 mil millones de dólares, un aumento interanual del 77% respecto a los 410 mil millones de 2025. Si se incluye a NVIDIA, Apple, Tesla, etc., en el grupo de las Siete Magníficas, esta cifra se acerca a los 754.2 mil millones de dólares. Gartner, por su parte, predice que el gasto global total en IA alcanzará los 2.59 billones de dólares en 2026, un aumento interanual del 47%.

Sin embargo, la escala en sí misma está perdiendo su posición como el único foco de atención. Un cambio más profundo está ocurriendo: el gasto de capital en IA está pasando de estar altamente concentrado a estar distribuido. DIGITIMES define la palabra clave tecnológica para 2026 como "dispersión", simbolizando la doble transformación de "descentralización" que el mercado de IA y la cadena de suministro están a punto de experimentar. Esto no es solo una dispersión geográfica, sino una reestructuración integral de los sujetos de inversión, la arquitectura tecnológica y la estructura industrial.

El fin de la concentración: la "factura" de 725 mil millones de dólares y la ansiedad por el retorno

Para entender el punto de partida de la distribución, primero hay que ver claramente el pico de la concentración.

En 2026, se espera que el gasto de capital total de los cuatro grandes hiperescaladores esté entre 650 mil millones y 700 mil millones de dólares, lo que representa aproximadamente el 40% del gasto de capital total del índice Russell 1000, duplicando el nivel de 2024. Las cifras específicas de cada uno son las siguientes: Amazon tiene garantizados aproximadamente 200 mil millones de dólares, Microsoft mantiene una expectativa de 190 mil millones, Alphabet lo ha elevado a entre 175 mil millones y 185 mil millones, y Meta se sitúa entre 125 mil millones y 145 mil millones de dólares.

La velocidad de este ajuste numérico es en sí misma una señal importante. En solo unos seis meses, las expectativas del mercado para el gasto de capital de los proveedores de nube en 2026 han aumentado casi un 80%. Barclays espera que el gasto de capital de los principales proveedores de nube alcance los 919 mil millones de dólares en 2027 y aumente aún más a aproximadamente 1.16 billones de dólares en 2028. CreditSights estima que alrededor del 75% del gasto de capital combinado de los hiperescaladores en 2026 se destinará a infraestructura relacionada con IA, es decir, aproximadamente 450 mil millones de dólares en gasto específico para IA.

Pero la expansión de escala concentrada se enfrenta a un interrogante sobre la tasa de retorno. En junio de 2026 (hora de Beijing), las acciones de Microsoft cayeron casi un 20% en un mes, y su valor de mercado se evaporó en casi 1.3 billones de dólares en los últimos 8 meses. El foco del escrutinio de los inversores es precisamente el gasto de capital de Microsoft de aproximadamente 190 mil millones de dólares para 2026, de los cuales alrededor de dos tercios se destinan a activos de ciclo corto como GPU y CPU, que se deprecian más rápido y están directamente vinculados a los ingresos a corto plazo. El margen bruto de Microsoft Cloud ya se ha guiado al 64%, una disminución de 4 puntos porcentuales interanual. En un informe de investigación publicado en junio, Goldman Sachs señaló que la inversión tecnológica de Estados Unidos como porcentaje del PIB ha aumentado a aproximadamente el 4.9%, superando el máximo alcanzado durante la burbuja de Internet alrededor del año 2000.

El retorno marginal de la inversión concentrada está disminuyendo, lo que proporciona la fuerza motriz más directa para la distribución.

El punto de inflexión de la inferencia: por qué la potencia de cómputo debe distribuirse

La lógica subyacente de la distribución del gasto de capital en IA es, en primer lugar, el cambio en la estructura de la demanda de potencia de cómputo en sí misma.

El CEO de NVIDIA, Jensen Huang, afirmó claramente en la conferencia GTC 2026 que la escala de la carga de trabajo de inferencia de IA alcanzará mil millones de veces la del entrenamiento, y que la era de la inferencia ha llegado por completo. IDC predice que para 2027, las tareas de inferencia representarán más del 70% de la demanda total de potencia de cómputo inteligente. Los datos de TrendForce son más específicos: la tasa de crecimiento interanual de la potencia de cómputo para inferencia de IA en 2026 alcanza el 122%, superando con creces el crecimiento del 56% de la potencia de cómputo para entrenamiento de IA.

El entrenamiento y la inferencia tienen requisitos fundamentalmente diferentes para la infraestructura. El entrenamiento es una tarea informática centralizada, de alta densidad y larga duración, naturalmente adecuada para implementarse en centros de datos a hiperescala. La inferencia, en cambio, es una tarea de respuesta en tiempo real distribuida, de baja latencia y alta concurrencia. Cuando un agente de IA necesita completar una inferencia y devolver el resultado en decenas de milisegundos, la latencia física de transmitir datos desde el extremo hasta un centro de datos centralizado y viceversa se convierte en un cuello de botella insalvable.

Los arquitectos de Akamai señalan que los escenarios de juegos requieren que la latencia del primer token se controle dentro de los 15 milisegundos, las recomendaciones de comercio electrónico alrededor de 20 milisegundos, mientras que la latencia de red de decenas de milisegundos entre los centros de datos centralizados tradicionales y los usuarios finales se ha convertido en un cuello de botella insuperable para los escenarios de interacción en tiempo real. En una implementación centralizada, 1 GW de potencia de cómputo requiere un ancho de banda de salida de 75 Tbit/s (Blackwell), y la próxima generación Vera Rubin alcanzará los 135 Tbit/s; sin embargo, después de distribuirse a 20 nodos, cada punto solo necesita 3.75 Tbit/s. Este es un problema aritmético determinado por las leyes de la física, no una opción de estrategia comercial.

Al mismo tiempo, la interacción multimodal genera un tráfico masivo de salida, y el alto costo del ancho de banda en la nube pública se está convirtiendo en un "asesino invisible" de la rentabilidad del negocio de IA. Sumado a las regulaciones cada vez más estrictas de localización de datos en regiones como el GDPR de la UE, el Sudeste Asiático y Medio Oriente, la implementación centralizada está cayendo gradualmente en un dilema donde es difícil equilibrar la experiencia, el costo y el cumplimiento normativo. La potencia de cómputo de IA ya no se concentra solo en la nube central, sino que comienza a evolucionar hacia una arquitectura distribuida de tres niveles: "núcleo – región – borde".

De los cuatro gigantes a toda la cadena industrial: los participantes en el gasto de capital se están expandiendo

La segunda dimensión de la distribución es la difusión de los sujetos de inversión.

En los últimos tres años, la inversión en infraestructura de IA ha estado dominada casi exclusivamente por los cuatro grandes proveedores de nube y NVIDIA. Pero en 2026, este panorama está cambiando. Los cálculos de Zhongtai Securities muestran que el gasto de capital combinado en IA de las Siete Magníficas en 2026 es de aproximadamente 754.2 mil millones de dólares, mientras que el gasto de capital en IA de China continental asciende a aproximadamente 805.8 mil millones de yuanes (alrededor de 110 mil millones de dólares). Sumando ambas vías, la contribución del gasto de capital en IA de China y EE. UU. al PIB de China en 2026 es de aproximadamente 1,007.6 mil millones de yuanes, lo que representa el 0.68% del PIB y una contribución marginal a la tasa de crecimiento del PIB de aproximadamente 0.33 puntos porcentuales. Los sectores upstream y downstream de la IA han superado a la cadena de inversión en infraestructura urbana, convirtiéndose en el incremento marginal de la tasa de crecimiento del PIB.

La participación empresarial se está acelerando. Una encuesta reciente de RBC muestra que las empresas están acelerando la adopción de IA, y la mayoría ha pasado de la experimentación a la producción formal. Una encuesta sobre el uso de IA en empresas japonesas muestra que el 47.8% de las empresas han alcanzado la etapa de "producción completa" (正式投产, honban kadō), y la tasa de producción completa en las grandes empresas alcanza el 62.7%. Aunque la tasa de adopción en las PYME sigue siendo limitada (alrededor del 12% en Japón), la tasa de adopción del 64.7% en las grandes empresas indica que la implementación de IA en las empresas ha pasado de la prueba de concepto a la fase de escalamiento.

La participación de los estados-nación también es digna de mención. En la reunión de accionistas de junio de 2026 (hora de Beijing), Jensen Huang reveló que casi 40 países y regiones, que representan conjuntamente 50 billones de dólares en PIB, están construyendo fábricas de IA impulsadas por la infraestructura de NVIDIA. La inversión en infraestructura de IA está pasando de ser un "asunto interno de las empresas tecnológicas" a una "competencia estratégica a nivel nacional".

La distribución del gasto de capital también se refleja en la estructura de financiación. Zhongtai Securities señala que el gasto de capital de los gigantes de la IA en EE. UU. ha entrado en una etapa impulsada por la financiación mediante deuda. El gasto de capital de los hiperescaladores ya no depende completamente del flujo de caja libre, sino que amplifica el apalancamiento a través de la financiación de deuda. Este cambio en el modelo de financiación significa que la sostenibilidad del gasto de capital ya no depende únicamente de la situación del flujo de caja de una sola empresa, sino que está relacionada con el entorno más amplio del mercado de crédito.

El borde es la primera línea: la implementación de la infraestructura de IA distribuida

La manifestación más concreta de la tendencia a la distribución se encuentra en el campo de la computación en el borde.

En 2026, la IA en el borde está pasando del concepto a la implementación a gran escala. La "malla de IA" creada conjuntamente por Akamai y NVIDIA ya se ha implementado, transformando la red de más de 4,400 nodos periféricos en todo el mundo en una plataforma de inferencia de IA distribuida. Akamai se está transformando de un proveedor líder mundial de servicios de distribución en la nube a la plataforma de inferencia de IA distribuida más grande del mundo, y actualmente está implementando GPU NVIDIA Blackwell RTX 6000 PRO a gran escala a nivel mundial.

Esta transformación no es un caso aislado. En junio de 2026 (hora de Beijing), la empresa de computación inteligente en el borde Yuntian Changxiang completó una ronda de financiación Serie E de más de 1.000 millones de yuanes, liderada por el Fondo de Inversión en Internet de China. La compañía también anunció una mejora integral de "proveedor de servicios de computación inteligente en el borde" a una estrategia de "tejido de computación inteligente en tiempo real" orientada a la era de la AGI. Antimatter recibió 300 millones de euros para implementar los primeros 100 microcentros de datos distribuidos Policloud en 2026. NXP reforzó su cartera de productos de IA periférica mediante la adquisición de Kinara, agregando NPU independientes.

IDC predice que para 2027, más del 80% de las empresas implementarán infraestructura de borde distribuida. La tasa de construcción de infraestructura de borde superará la de los centros de datos centrales. Esto significa que el borde ya no es un complemento de la computación en la nube, sino que se está convirtiendo en un componente central de la infraestructura de IA.

La lógica comercial de la IA en el borde es clara: las tareas de inferencia son mucho más sensibles a la latencia que las tareas de entrenamiento, y los nodos periféricos están naturalmente cerca de las fuentes de datos y los usuarios. Para las empresas, la implementación en el borde también puede resolver múltiples problemas como el cumplimiento de datos (datos que no salen del país), los costos de ancho de banda (reducción de la transmisión en la nube) y la confiabilidad (recuperación ante desastres local). Estos problemas son difíciles de resolver simultáneamente en una arquitectura centralizada, pero encuentran soluciones viables en una arquitectura distribuida.

La era de la infraestructura multicapa: un cambio estructural en la lógica de inversión

La infraestructura de IA está pasando de una estructura "única y centralizada" a una "multicapa y distribuida". Este cambio tiene implicaciones profundas para la lógica de inversión.

En primer lugar, la estructura de la demanda de chips está cambiando. El lado del entrenamiento sigue dominado por las GPU de NVIDIA: los ingresos del centro de datos de NVIDIA en el año fiscal 2026 alcanzaron los 193.7 mil millones de dólares, un aumento interanual del 68%. Pero la demanda diversificada del lado de la inferencia está creando un mercado incremental para los ASIC y los chips periféricos. Las instituciones estiman que los envíos de chips ASIC en 2026 serán de aproximadamente 7.7 millones de unidades, con una cuota del 45%, y se espera que superen la cuota de las GPU en 2027, alcanzando el 58%. Se espera que Broadcom capture alrededor del 60% del mercado de ASIC para servidores de IA para 2027.

En segundo lugar, la distribución geográfica de la inversión en infraestructura está cambiando. Los centros de datos a hiperescala siguen expandiéndose (se espera que la inversión acumulada global en centros de datos alcance los 1.6 billones de dólares para 2030), pero la construcción de nodos periféricos está creciendo a un ritmo más rápido. La potencia de cómputo de IA ya no se concentra solo en la nube central, sino que se está extendiendo a una arquitectura de tres niveles: "núcleo – región – borde".

En tercer lugar, el período de evaluación del retorno de la inversión está cambiando. El período de retorno de la inversión para los centros de datos centralizados es largo y de alta intensidad de capital, y se necesitan varios años para recuperar los costos. Por el contrario, las implementaciones de IA en el borde suelen ser de menor escala, ciclo más corto y más cercanas a escenarios comerciales específicos, con una granularidad de evaluación de retorno más fina. Esta diferencia está cambiando la lógica de valoración del mercado de capitales para la inversión en IA: de "quién gasta más" a "quién gasta de manera más eficiente".

Según datos de Research and Markets, el tamaño del mercado global de infraestructura de inteligencia artificial crecerá de 71.88 mil millones de dólares en 2025 a 90.91 mil millones de dólares en 2026. Sin embargo, esta cifra solo cubre el mercado de hardware de infraestructura en sentido estricto. Si se tienen en cuenta las implementaciones de IA empresarial, la computación en el borde, las soluciones industriales, etc., la escala de la distribución del gasto de capital en IA supera con creces esta cifra.

Riesgos y restricciones: la distribución no es un camino llano

La tendencia a la distribución del gasto de capital en IA es clara, pero no está exenta de restricciones.

Los cuellos de botella en el lado de la oferta siguen siendo prominentes. El suministro de la serie Blackwell de NVIDIA está tenso, y la escasez continuará durante varios trimestres. La capacidad de producción de componentes clave como HBM ya ha sido bloqueada por grandes clientes hasta 2026 e incluso 2027. Bernstein Research señala que solo el aumento del precio de HBM podría aumentar el gasto de capital en IA de los hiperescaladores en aproximadamente un 30% en general.

La infraestructura eléctrica es otra restricción. La demanda de electricidad de los centros de datos de IA se está acercando al límite de capacidad de las redes eléctricas existentes. La conexión eléctrica para un clúster de cómputo centralizado de 1 GW es en sí misma un proyecto que lleva varios años. Aunque la arquitectura distribuida reduce la demanda de energía en cada punto, plantea nuevos requisitos para la capacidad de acceso distribuido a la red eléctrica.

Los riesgos geopolíticos tampoco pueden ignorarse. Las restricciones de exportación de EE. UU. a los chips de IA avanzados continúan afectando la cadena de suministro global. NVIDIA excluyó explícitamente el impacto de los ingresos de su negocio de centros de datos en China en su informe financiero del primer trimestre del año fiscal 2027. Aunque el reflejo mutuo del gasto de capital en IA entre China y EE. UU. es estrecho, la incertidumbre política está aumentando los costos de fricción en la cadena de suministro.

Por último, la paciencia del mercado de capitales con el retorno de la inversión en IA se está reduciendo. Goldman Sachs señala claramente que la contradicción central del mercado de IA se está intensificando: los fundamentos siguen siendo sólidos, pero el mercado ya ha descontado demasiados ingresos futuros. Desde noviembre de 2022, el valor de mercado de las empresas relacionadas con la IA ha aumentado en 27 billones de dólares, muy por encima de los 9 billones de dólares estimados según los puntos de referencia macroeconómicos. Si la inversión distribuida no se traduce más rápidamente en ingresos y ganancias, la actitud del mercado de capitales podría pasar de "cuestionar la escala" a "cuestionar la lógica".

Conclusión

La distribución del gasto de capital en IA no es una negación de la concentración, sino un complemento y una extensión de la misma.

El entrenamiento todavía requiere centros de datos a hiperescala; la inferencia se está moviendo hacia el borde. Los gigantes siguen aumentando su apuesta, mientras que las empresas y los estados-nación están entrando en escena. Las GPU siguen siendo la principal fuerza en el entrenamiento, mientras que los ASIC y los chips periféricos están abriendo nuevos frentes de batalla. Esta es una era de infraestructura multicapa, donde diferentes niveles asumen diferentes funciones y diferentes participantes ocupan diferentes nichos ecológicos.

2026 es un punto de inflexión clave en esta transformación estructural. DIGITIMES predice que el crecimiento del gasto de capital en el mercado global de IA se desacelerará del 66% en 2025 al 31% en 2026, pero la desaceleración no significa estancamiento. Por el contrario, la desaceleración del crecimiento a menudo indica que la industria está pasando de una "expansión extensiva" a una "fase de construcción refinada". La infraestructura de IA está evolucionando de un mercado concentrado de "el ganador se lo lleva todo" a un ecosistema de "colaboración estratificada".

Para los inversores, comprender el significado de este cambio estructural puede ser más importante que rastrear las cifras de gasto de capital del próximo trimestre. La distribución del gasto de capital en IA está remodelando la lógica de inversión a largo plazo de la computación en la nube, el diseño de chips, la arquitectura de TI empresarial e incluso las políticas industriales nacionales. El final de este cambio aún se desconoce, pero su dirección ya es suficientemente clara.

FAQ

P1: ¿Cuál es la fuerza motriz central de la distribución del gasto de capital en IA?

El crecimiento explosivo de la demanda de inferencia es la fuerza motriz central. En 2026, la tasa de crecimiento interanual de la potencia de cómputo para inferencia de IA alcanzó el 122%, superando con creces el 56% del entrenamiento. Los requisitos de baja latencia y alta concurrencia de las tareas de inferencia crean un cuello de botella físico en los centros de datos centralizados, haciendo que los nodos periféricos distribuidos sean una opción inevitable. Al mismo tiempo, factores como el cumplimiento de datos y los costos de ancho de banda también están impulsando la potencia de cómputo hacia abajo.

P2: ¿Cuál es exactamente el gasto de capital de los cuatro grandes proveedores de nube en 2026?

Amazon aproximadamente 200 mil millones de dólares, Microsoft aproximadamente 190 mil millones, Alphabet entre 175 mil millones y 185 mil millones, y Meta entre 125 mil millones y 145 mil millones de dólares. Total combinado de aproximadamente 725 mil millones de dólares, un aumento del 77% respecto a 2025. De esto, aproximadamente el 75% se destina a infraestructura relacionada con IA.

P3: ¿Cuál es la relación entre la IA en el borde y la computación en la nube?

Son complementarias, no sustitutivas. La nube central se encarga del entrenamiento de modelos grandes y la inferencia compleja, mientras que los nodos periféricos se encargan de la respuesta en tiempo real de baja latencia, el preprocesamiento de datos y el procesamiento localizado para cumplimiento normativo. La potencia de cómputo de IA está evolucionando hacia una arquitectura distribuida de tres niveles: "núcleo – región – borde", formando un ecosistema de colaboración estratificada.

P4: ¿Qué impacto tiene la distribución del gasto de capital en IA en la industria de los chips?

El lado del entrenamiento sigue dominado por las GPU de NVIDIA (ingresos del centro de datos en el año fiscal 2026: 193.7 mil millones de dólares). Pero la demanda del lado de la inferencia está creando un mercado incremental para los ASIC y los chips periféricos. Se espera que los envíos de ASIC en 2026 sean de aproximadamente 7.7 millones de unidades, y que su cuota supere a la de las GPU en 2027. La demanda de chips está pasando de un "único líder" a una "coexistencia pluralista".

P5: ¿Cuánto tiempo puede durar el alto crecimiento de la inversión en infraestructura de IA?

Barclays espera que el gasto de capital de los principales proveedores de nube alcance los 919 mil millones de dólares en 2027 y aproximadamente 1.16 billones de dólares en 2028. La dirección de NVIDIA ha elevado el límite superior del gasto anual de la industria de IA para 2030 a 4 billones de dólares. Sin embargo, la tasa de crecimiento en sí misma se está desacelerando, pasando del 66% en 2025 al 31% en 2026, lo que indica que la industria está pasando de una "expansión extensiva" a una "fase de construcción refinada".