Bank of America: Meta vende potencia de cómputo, apunta a contar una buena historia sobre el retorno de inversión en IA

Autor | Zhang Yaqi

      Editor | Duro AI

Meta está planeando monetizar su enorme infraestructura de poder computacional AI, una estrategia que no solo inaugura una nueva línea de negocios, sino que también responde a las dudas de los inversores acerca del retorno de la inversión en gastos de capital tan elevados.

Según medios, Meta está desarrollando un proyecto para lanzar servicios de infraestructura cloud, ofreciendo acceso a poder computacional AI y servicios de modelos a clientes externos. Tras el anuncio, las acciones de Meta registraron un aumento diario del 10%, superando ampliamente la subida del S&P 500 (aprox. 0,25%) en el mismo período, reflejando el entusiasmo del mercado por esta posible nueva línea de negocio.

Según el sitio de trading Chasing Wind, los analistas de BofA Securities, Justin Post y Nitin Bansal, señalaron el 1 de julio en un informe que el desarrollo en cloud es clave para resaltar el valor potencial de los activos de poder computacional y modelos AI de Meta, ayudando a disipar la preocupación de los inversores por la falta de retornos aún ante grandes inversiones en infraestructura AI. BofA mantiene la recomendación de compra sobre Meta, precio objetivo de 835 dólares.

Meta Cloud: el plan sale a la luz; dos caminos de desarrollo paralelos

Según Bloomberg citando fuentes cercanas, el plan cloud de Meta contempla dos enfoques: uno, ofrecer servicios de hospedaje de modelos AI para que desarrolladores puedan acceder a diferentes modelos corriendo en la infraestructura AI de Meta —incluyendo la serie Muse Spark— y cobrar según el volumen de accesos, similar al Bedrock de Amazon AWS; el otro, vender directamente poder computacional bruto, acercándose al posicionamiento de nuevos proveedores cloud como CoreWeave.

Este plan se enmarca en una estrategia interna llamada "Meta Compute", enfocada en la construcción y gestión operacional de la infraestructura AI. El CEO de Meta ha comentado públicamente que el mercado corporativo ofrece oportunidades y que la compañía podría vender poder computacional a precios superiores al costo de construcción.

BofA señala en su informe que, desde una perspectiva macro, si el gasto de capital proyectado de Meta en 2026 permite la construcción de hasta 3 GW de poder computacional (valorado entre 40 y 45 mil millones de dólares por GW), lanzar ahora una plataforma cloud otorga mayor flexibilidad estratégica a la firma —cuando haya poder computacional excedente, se puede alquilar externamente por entre 10 y 15 mil millones de dólares por GW al año, ofreciendo sostén positivo a la compañía.

La incógnita sobre la competitividad persiste; controversias estratégicas inevitables

A pesar del entusiasmo del mercado, BofA reconoce abiertamente los cuestionamientos. El desarrollo de chips propios de Meta parece ir detrás de gigantes como Amazon, Microsoft y Google, además la compañía adquiere poder computacional por terceros —como el acuerdo reciente de 1.6 GW con Crusoe.

Esto lleva al mercado a preguntarse: ¿puede una empresa que aún necesita comprar poder computacional afuera construir un negocio convincente de reventa? ¿Cómo se posiciona en la competencia cloud de ultra-gran escala?

BofA opina que,la capacidad de Meta para ganarse el reconocimiento del mercado en este sector depende en parte de su avance en modelos de lenguaje grande (LLM), cuanto mayor sea el nivel de sus modelos, mayor será la demanda externa por el poder computacional de Meta, afianzando la lógica de negocio cloud.

La mejora en economía unitaria de AI, un arma de doble filo para los proveedores cloud

Fuera del plan cloud de Meta, se observan señales relevantes en los costos de poder computacional AI. Según The Information, OpenAI habría encontrado un método de optimización a nivel sistema que reduce a la mitad el costo de inferencia de ciertos modelos. Este método aprovecha mejor la infraestructura existente de servidores sin requerir hardware adicional ni cambios en la arquitectura de los modelos. OpenAI ya ha aplicado esta optimización al tráfico de ChatGPT sin login, que puede funcionar con apenas unos cientos de GPUs Nvidia. Aún se desconoce el mecanismo técnico exacto y si se podrá aplicar al tráfico de usuarios logueados, cargas API y productos de inferencia intensiva.

BofA considera que,la mejora en eficiencia de costos computacionales beneficia la dirección general de las grandes empresas tech: si el método puede adoptarse en todo el sector, se amplificaría el rendimiento de los recursos existentes sin aumentar inversiones en hardware, relajando la urgencia de nuevos gastos de capital y mejorando la economía unitaria del negocio AI. Con los casos de aplicación agentic elevando el consumo de tokens, la optimización computacional toma cada vez más peso estratégico.

Pero para proveedores cloud de ultra-gran escala, la baja en los costos de inferencia implica cierta presión de precios; aunque al mismo tiempo, una estructura de margen bruto más favorable y un mercado direccionable más amplio incentivarían el crecimiento sostenido en la demanda de cargas AI, siendo en conjunto positivo.