En medio de la inquietud de algunos analistas e inversionistas por una posible burbuja en el sector de la inteligencia artificial, Julius Baer sostuvo que el ciclo de inversión en IA no perdiendo fuerza sino que acelerándose.

El banco privado suizo llegó a esta conclusión tras los últimos resultados trimestrales de Nvidia que superaron las proyecciones del mercado.

En su informe semanal CIO Weekly, la entidad afirmó que “la conclusión es inequívoca: la carrera armamentista de capex en IA se está acelerando, no estancando”, según la traducción del informe, que fue publicado en inglés.

La compañía más valiosa del mundo entregó una proyección de crecimiento de ingresos de más de 70% para el próximo año.

El informe firmado por el Group Chief Investment Officer de Julius Baer, Yves Bonzon, dijo que Nvidia señaló que sin las actuales restricciones de suministro que enfrenta, que van desde memoria, manufactura, empaquetado y energía hasta capacidad de centros de datos, la demanda subyacente de sus clientes permitiría una proyección cercana a 100%.

“En otras palabras, el factor limitante es que el mundo no puede construir infraestructura de IA con la rapidez suficiente, y la disposición a gastar de los clientes no es un problema”, planteó Julius Baer.

Como resultado, Nvidia elevó sus compromisos futuros de compra con proveedores desde US$ 119.000 millones a US$ 279.000 millones en un solo trimestre. Para el banco, “se trata de un salto enorme, que refleja la convicción de la compañía de que la demanda de IA seguirá siendo extraordinariamente fuerte en el futuro previsible”.

Una cartera de contratos de US$ 2 billones

El informe apuntó que el director financiero de Nvidia indicó que el backlog de la industria cloud supera los US$ 2 billones, mientras que el gasto de capital de los cinco mayores hyperscalers de Estados Unidos se proyecta en cerca de US$ 800.000 millones en 2026 y US$ 1,3 billones en 2027.

Los hyperscalers, o hiperescaladores, son las grandes compañías tecnológicas que operan redes masivas de centros de datos y le arriendan a terceros capacidad de cómputo y almacenamiento a gran escala. El backlog, o cartera de pedidos, corresponde a contratos ya firmados por los clientes que esas empresas todavía no registran como ingreso, porque el servicio aún no se presta.

Se trata, explicó Julius Baer, de compromisos para comprar servicios de nube e inteligencia artificial a los hyperscalers, que quedan contractualmente obligados a proveer en el futuro la capacidad de cómputo necesaria. De acuerdo con el gráfico de la semana del informe, elaborado con datos de Bloomberg Finance L.P., Jefferies y del propio banco a agosto de 2026, esa cartera acumulada en Microsoft, Amazon, Alphabet y Oracle se ha disparado en los últimos trimestres.

El banco advirtió que el carácter “liviano en macro y pesado en tecnología” del ciclo de inversión actual obliga a los inversionistas acostumbrados a leer indicadores macroeconómicos a complementar sus análisis con variables tecnológicas.

Quién está detrás de la demanda

Una de las preguntas centrales que plantea el informe es quién sostiene ese crecimiento. Aunque la información pública es limitada, Julius Baer estimó que una parte significativa de esa cartera de contratos está vinculada a los principales laboratorios de frontera en IA, concretamente OpenAI y Anthropic.

Eso, señaló, ha alimentado inquietudes tanto por el riesgo de concentración de clientes como por dinámicas de financiamiento circular, dado que algunos hyperscalers y grandes proveedores cloud son a la vez inversionistas y socios estratégicos de esas compañías.

Sobre si esos clientes pueden generar ingresos suficientes para sostener sus compromisos de gasto, la respuesta del banco fue que, hasta ahora, sí. Tanto OpenAI como Anthropic muestran un fuerte crecimiento de ingresos en un contexto de rápida expansión del uso de IA, medido en volúmenes totales de tokens, mientras el costo promedio de operar los modelos continúa cayendo.

Ese comportamiento, sostuvo Julius Baer, responde a la paradoja de Jevons: costos más bajos impulsan un mayor consumo agregado de inferencia de IA.