La superburbuja de la IA: ¿Será 2029 nuestro 1929?

Cada generación se convence de que su tecnología definitoria rompe las viejas reglas de apalancamiento y valoración. En la década de 1920, fueron el automóvil, la radio y los electrodomésticos. Hoy, la comparación con la burbuja de la IA se establece con la de 1929, y proviene del profesor Steve Keen, el economista de la UCL que advirtió sobre el desplome de 2008 antes de que la mayoría de Wall Street estuviera dispuesta a decirlo en voz alta. Su argumento se basa en tres aspectos que rara vez se discuten juntos: la brecha de valoración entre las empresas de IA estadounidenses y chinas, la deuda que financia silenciosamente el desarrollo estadounidense y la red eléctrica física que lo sustenta todo.

¿Realmente el auge de la IA se dirige hacia un colapso similar al de 1929?

Steve Keen así lo cree, y no se anda con rodeos. En su entrevista con el profesor Steve Keen, titulada "China ha ganado la guerra de la IA" , Andrew Neil predice que la mayoría de las empresas estadounidenses de IA quebrarán, con apenas una de cada diez sobreviviendo, y que China emergerá como la ganadora estructural, no porque sus modelos sean mejores, sino porque su economía se mantiene sólida. Su cronograma es de aproximadamente dos años. Predecir el momento exacto del colapso es notoriamente difícil, y los economistas ya han dado la voz de alarma antes, pero los mecanismos subyacentes que describe son lo suficientemente concretos como para analizarlos en sí mismos, independientemente de si el ajuste de cuentas llega en 2027, 2029 o más tarde.

Keen no es el único que recurre a esta comparación. The New Yorker publicó un artículo en su sección financiera titulado "El auge de la IA y el espectro de 1929". The Economist se preguntó directamente si China podría hacer estallar la burbuja de la IA en Estados Unidos. Bloomberg informó que gestores de fondos de cobertura chinos describieron el repunte como una "superburbuja" cuyo punto de colapso "podría estar cerca".

La apuesta del billón de dólares: ¿Por qué las valoraciones de la IA en Estados Unidos y China han divergido tan drásticamente?

Las cifras que explican la brecha

Se prevé que la inversión estadounidense en IA supere el billón de dólares tan solo en los próximos dos años, y Keen estima que la valoración combinada de las grandes empresas de computación en la nube, los fabricantes de chips y el complejo industrial de la IA en general asciende a unos 20 billones de dólares. OpenAI está valorada en unos 852.000 millones de dólares, y Anthropic en unos 965.000 millones, cifras que parten de la base de que ambas compañías acabarán cobrando precios acordes a esas cifras.

La comparación china

Esa suposición está bajo presión directa. La empresa china Moonshot AI, valorada en unos 31.000 millones de dólares, lanzó Kimi K3, un modelo que sacudió a Wall Street en su lanzamiento. DeepSeek, valorada en aproximadamente 71.000 millones de dólares, cuenta con modelos que, según Keen, alcanzan entre el 80 y el 90 por ciento del rendimiento de los mejores sistemas estadounidenses a quizás una décima parte del coste. En pocas palabras: las empresas estadounidenses cotizan actualmente entre 10 y 25 veces más que sus competidores chinos que ofrecen capacidades similares. Esto no es un error de redondeo en ningún modelo. Es la forma de una burbuja a punto de estallar.

En pocas palabras, una burbuja es simplemente un precio desvinculado de lo que las ganancias subyacentes justifican, sostenido por la creencia de que alguien pagará más mañana. Las burbujas no requieren deshonestidad ni estupidez. Requieren optimismo, crédito barato y una historia tecnológica verdaderamente transformadora, precisamente lo que los ferrocarriles, la radio, internet y ahora la IA han proporcionado. Lo que suele acabar con una burbuja no es que la historia se demuestre falsa —en gran medida era cierta también para los ferrocarriles e internet—, sino el momento en que los costes de financiación se ajustan a un flujo de caja que aún no se ha materializado.

La ventaja que nadie tuvo en cuenta: la red eléctrica de China.

La brecha de transmisión en cifras

China opera su sistema de transmisión de larga distancia a aproximadamente 800 kilovoltios frente a una red troncal estadounidense que aún se basa en gran medida en líneas de 345 a 500 kilovoltios, algunas de las cuales datan de la década de 1970. Actualmente, China opera 45 proyectos de transmisión de ultra alta tensión que abarcan más de 40 000 kilómetros, incluyendo 23 líneas que operan a ±800 kilovoltios CC y la única línea de ±1100 kilovoltios del mundo, según datos de la Administración Nacional de Energía. Solo State Grid ha construido 43 de estos corredores de ultra alta tensión y planea quince más para 2030, lo que le dará a China una capacidad de transmisión interprovincial que supera los 380 millones de kilovatios. Estados Unidos agregó un total de 888 millas de nueva transmisión de 345 kV o superior durante todo 2024, y sus primeros corredores de 765 kV de alta capacidad realmente se están planificando ahora en Texas.

Por qué Voltage lo es todo

La física es simple: duplicar el voltaje en una línea permite transmitir aproximadamente cuatro veces más potencia, con pérdidas proporcionalmente menores a lo largo de la distancia. China construyó esta capacidad de transmisión de ultra alto voltaje para energía hidroeléctrica y renovable mucho antes de la llegada de la IA, razón por la cual, como señala Keen, los empresarios chinos "consideran la energía como algo que estará disponible prácticamente independientemente de su uso". Los desarrolladores de IA estadounidenses, en cambio, deben pensar constantemente en el ahorro de energía porque la red ya está cerca de sus límites. La capacidad de generación de China opera a casi el doble de la demanda máxima, un superávit estratégico deliberado, frente a un margen de reserva estadounidense de aproximadamente el 15 % por encima de la demanda máxima. El aumento anual de la demanda de electricidad de los centros de datos de IA en China supera ahora el consumo eléctrico anual total de Alemania.

La deuda que nadie puede medir con precisión: la exposición oculta del crédito privado a la IA

Si la energía es la limitación física, la financiación es la invisible. Un informe basado en datos de Nikkei reveló que cinco importantes empresas tecnológicas estadounidenses acumulan 1,65 billones de dólares en deuda fuera de balance, gran parte de ella canalizada a través de crédito privado. Se trata de acuerdos que no son ni préstamos bancarios convencionales, ni bonos cotizados en bolsa, ni capital, y que quedan en gran medida fuera del control regulatorio.

A principios de 2025, los préstamos de crédito privado al sector tecnológico estadounidense ascendían a aproximadamente 450.000 millones de dólares, un aumento de 100.000 millones con respecto al año anterior, y Keen cree que probablemente se hayan duplicado desde entonces, a medida que se aceleró el gasto en IA. Algunas estimaciones sitúan la exposición al crédito privado pendiente de las empresas de IA en al menos 600.000 millones de dólares para 2030, frente a un mercado global de crédito privado más amplio que ya se estima en más de 3 billones de dólares. Esto es importante porque el crédito privado creció explícitamente como una forma de eludir la regulación bancaria introducida después de 2008, y porque, como Keen afirma sin rodeos, "nadie sabe con exactitud cuánto crédito privado hay en el auge de la inversión en IA, solo que hay mucho". Si se tienen en cuenta los préstamos bancarios asociados, la exposición real podría ser de tres a cinco veces superior a las cifras oficiales de crédito privado.

Por qué 1929 es una mejor analogía que el estallido de la burbuja de las puntocom.

El estallido de la burbuja puntocom es el precedente más citado para los excesos tecnológicos, pero la mecánica que describe Keen se asemeja más a la de 1929. En septiembre de ese año, la deuda con margen, el dinero prestado para comprar acciones con solo un 10 % de entrada, había alcanzado los 8.500 millones de dólares, aproximadamente entre el 10 y el 12 % de la capitalización bursátil total de Estados Unidos y cerca del tamaño del presupuesto federal. Ese apalancamiento funcionó a la perfección mientras los precios subían. Cuando el flujo de caja de la economía real comenzó a debilitarse ya en 1927, dos años antes del desplome, las llamadas de margen forzaron las ventas, las ventas deprimieron aún más los precios, y toda la estructura se derrumbó en cuestión de semanas en octubre de 1929.

La estructura de financiación de la IA presenta una forma casi idéntica, pero con un diseño moderno. En lugar de préstamos con margen sobre acciones, se trata de crédito privado que financia la construcción de centros de datos. En lugar de un intermediario que exige más garantías, es un prestamista que exige el servicio de la deuda a una empresa cuyos ingresos no han alcanzado su inversión de capital. Vale la pena citar directamente la propia explicación de Keen sobre el mecanismo desencadenante: cuando se construyen centros de datos y se diseñan los sistemas, aún no se dispone del flujo de caja necesario, y la verdadera pregunta es si se podrá alcanzar un nivel de rentabilidad antes de que las pérdidas se acumulen demasiado. Esa es precisamente la apuesta que los accionistas de las empresas de servicios públicos y los fondos de inversión de la década de 1920 hicieron por la electrificación, otra tecnología transformadora y de gran inversión que produjo quiebras espectaculares, incluso cuando la tecnología subyacente transformó la economía.

El triple golpe: competencia china, deuda oculta y límites físicos.

La competencia está mermando el poder de fijación de precios.

La competencia china está reduciendo el poder de fijación de precios del que dependen las valoraciones estadounidenses. Si los modelos chinos, más baratos y estandarizados, captan suficiente cuota de mercado, los precios elevados inherentes a las valoraciones estadounidenses se vuelven insostenibles, y los modelos chinos de código abierto aceleran esa estandarización al permitir que cualquiera ejecute un modelo capaz sin necesidad de alquilar el centro de datos de un proveedor de servicios en la nube a gran escala.

Deuda en cascada a través de un sistema opaco

La exposición al crédito privado implica que, cuando los ingresos no alcanzan las expectativas, las consecuencias no se limitan a los accionistas públicos. Se propagan a través de una parte opaca, interconectada y en gran medida no regulada del sistema financiero, de maneras que los propios reguladores reconocen que aún no comprenden del todo.

La construcción física no pudo ajustarse al cronograma.

La construcción física simplemente no puede realizarse en el plazo que prevén las valoraciones actuales, porque la red eléctrica, los transformadores, las turbinas y la mano de obra cualificada para instalarlos no existen en la cantidad necesaria, y no se pueden crear en menos de siete años ni siquiera con capital ilimitado. Si a esto le sumamos la tensión geopolítica, Keen menciona las guerras que afectan a Ucrania y Oriente Medio, además de la reconstrucción de la reserva estratégica de petróleo de China, obtenemos lo que él denomina "un triple golpe desolador".

Qué significa esto para los líderes empresariales, no solo para los inversores.

Nada de esto significa que la inteligencia artificial sea un espejismo. Cada analogía histórica que Keen menciona (ferrocarriles, electrificación, aviación, internet) produjo una tecnología que transformó genuinamente la economía, incluso cuando las empresas que financiaron su desarrollo inicial quebraron en su mayoría. La lección no es evitar la IA, sino distinguir la tecnología de los balances que la financian. Un colapso en las valoraciones de las hiperescala y el crédito privado sería un evento financiero grave, pero no borraría los grandes modelos de lenguaje, los avances en el diseño de chips ni las ganancias de productividad ya acumuladas en sectores que van desde la logística hasta la manufactura. Más cerca de casa, la misma curva de adopción de la IA ya está transformando la financiación automotriz europea .

Para quienes trabajan en industrias con ciclos de capital prolongados, como la fabricación de automóviles, el arrendamiento financiero o la transición energética, la lección más duradera se centra en los horizontes de planificación física, más que en la crisis en sí. La ventaja de la red eléctrica china no se diseñó para la IA. Se construyó a lo largo de dos décadas para la política industrial y la competitividad manufacturera, y la IA simplemente llegó para encontrar la infraestructura ya instalada. El fracaso de Occidente no radica en la falta de ambición respecto a la IA, sino en décadas de subinversión en la infraestructura menos llamativa (transformadores, subestaciones, corredores de alta tensión) de la que depende cualquier transición intensiva en capital. También vale la pena retomar una pregunta que ya planteamos sobre el efecto de la IA en nuestra forma de pensar y tomar decisiones , ya que una corrección genuina pondría a prueba la independencia de criterio que conservaron los líderes empresariales durante un auge que premiaba el consenso en lugar de cuestionarlo.

Preguntas frecuentes

1. ¿Por qué China tiene una ventaja en la red eléctrica en lo que respecta a la IA?

China opera líneas de transmisión a aproximadamente 800 kilovoltios, frente a la red troncal estadounidense de entre 345 y 500 kilovoltios; gestiona 45 proyectos de ultra alta tensión que abarcan más de 40.000 kilómetros; y mantiene una capacidad de generación que casi duplica la demanda máxima, frente a un margen de reserva estadounidense de tan solo alrededor del 15 por ciento.

2. ¿Cuál es la exposición del crédito privado a los centros de datos de IA?

Se estima que cinco importantes empresas tecnológicas estadounidenses acumulan una deuda fuera de balance de 1,65 billones de dólares, financiada en gran medida a través de acuerdos de crédito privados al margen de la regulación convencional, con una exposición total que podría ser entre tres y cinco veces mayor una vez que se incluyan los préstamos bancarios asociados.

3. ¿Es el auge de la IA similar al desplome bursátil de 1929?

Steve Keen argumenta que sí, incluso más que en el caso del estallido de la burbuja de las puntocom, porque en 1929 se produjo un apalancamiento de márgenes concentrado que se propagó a través de ventas forzadas, una estructura que se asemeja mucho a la deuda actual de los centros de datos de IA financiados con crédito privado, en lugar de una burbuja impulsada exclusivamente por el capital.

4. ¿Cuánto más baratos son los modelos de IA chinos en comparación con los estadounidenses?

Según se informa, los modelos de DeepSeek alcanzan entre el 80 y el 90 por ciento del rendimiento de los principales sistemas estadounidenses a aproximadamente una décima parte del coste, mientras que las empresas estadounidenses de IA están valoradas entre 10 y 25 veces más que sus homólogas chinas que ofrecen capacidades ampliamente comparables.

5. ¿Cuál es la predicción de Steve Keen para la industria de la IA?

Keen predice que la mayoría de las empresas estadounidenses de IA fracasarán, y que quizás solo una de cada diez sobrevivirá, y que China emergerá como el ganador estructural en aproximadamente dos años, impulsada por una economía más sólida más que por una tecnología superior únicamente.