¿De los bonos respaldados por hipotecas a los bonos respaldados por GPU, Nvidia está imitando a AIG?

Nvidia vuelve a aparecer en los titulares por su plan de titularización de activos de centros de datos, una operación que podría empujar la fiebre de la potencia de cómputo con IA hacia una nueva y peligrosa etapa.

Según el análisis del estratega macroeconómico de Bloomberg, Simon White, el intento de Nvidia de convertir sus centros de datos en activos invertibles podría conducir a un grave exceso de capacidad en el sector de la potencia de IA, especialmente a medida que los modelos de fijación de precios basados en resultados se transforman en el estándar de la industria. El núcleo de este razonamiento es que la financiarización está amplificando artificialmente las señales de demanda y ocultando la sobreoferta real en el mercado, algo muy similar a lo que sucedió en la burbuja inmobiliaria previa a la crisis financiera de 2008.

White señala que este marco de colaboración entre Nvidia y Apollo, Brookfield, KKR, Blackstone, BlackRock y Goldman Sachs tiene como objetivo incentivar la inyección de más de 500 mil millones de dólares en las llamadas "fábricas de IA". Nvidia proporcionará un seguro para hasta el 25% de los valores de garantía en GPU en algunas operaciones, es decir, garantizará su valor de recompra. Las similitudes con la burbuja inmobiliaria son notorias. En aquel entonces, AIG vendía seguros sobre los bonos senior de los CDO, permitiendo a los bancos reducir el capital que debían respaldar y, así, distribuir aún más deuda tóxica, lo cual terminó en un rescate estatal cuando la correlación de los riesgos se disparó de repente.

Aceleración de la financiarización: el momento AIG del mercado de bonos respaldados en GPU

Simon White considera que el furor sobre la infraestructura de IA ya supera en escala a ciclos históricos de expansión de infraestructura como la construcción de la red de autopistas interestatales en EE. UU. (década del 60) o el despliegue del broadband (años 2000). Para mantener funcionando esta fiesta, ya se han cerrado varias financiaciones cruzadas y acuerdos de apoyo de proveedores: solo los acuerdos ligados a Nvidia suman 750 mil millones de dólares.

El CEO de Nvidia, Jensen Huang, dejó claro que su objetivo es convertir la "potencia de fábrica de IA" en una clase de activo invertible. El mercado de deuda respaldada por GPU está creciendo explosivamente este año, y este nuevo acuerdo lleva el proceso aún más lejos: la securitización y distribución de los activos. Los socios aportarán capital, conocimientos de infraestructura y empujarán la securitización y distribución.

Al incrementar el atractivo de los acuerdos, Nvidia logrará que los bonos senior dentro de la estructura de deuda alcancen calificaciones crediticias más altas. Al mismo tiempo, la Comisión de Bolsa y Valores de Estados Unidos (SEC) acaba de flexibilizar las normas sobre la securitización de bonos de centros de datos. White compara esto con el punto en que los fondos de pensión finalmente participaron durante la crisis financiera, una señal de que el riesgo empieza a dispersarse por el pasivo y de que la crisis se acerca a su clímax.

En apariencia, el riesgo para Nvidia parecería limitado. Pero White advierte que esa era justamente la evaluación en la época de AIG: a medida que pasaba el tiempo, AIG asumió más y más obligaciones que consideraba libres de riesgo y altamente rentables, hasta que el aumento de la correlación de riesgos crediticios de los prestatarios acabó causando una catástrofe.

Señales de sobrecapacidad: el desequilibrio entre oferta y demanda ocultado por la alquimia financiera

La principal preocupación de White es que la financiarización está tapando de forma sistémica las señales de sobrecapacidad que emite el mercado. Al igual que en la crisis inmobiliaria, el actual frenesí inversor en gasto de capital probablemente solo atraerá más fondos lubricados por la alquimia financiera, provocando sobreactividad constructiva. Las señales de que la potencia de cómputo ya es suficiente corren el riesgo de ser ignoradas.

Por el lado de la demanda, White señala que los propios parámetros de medición están cambiando profundamente. El estándar actual para el alquiler de GPU es el coste por hora, y para la inferencia, el coste por token procesado. Pero para el usuario final, lo que realmente importa es el valor de inteligencia que obtengo por cada peso invertido, o dicho de otra forma, cuánto cuesta realmente completar una tarea.

El coste de la inteligencia está bajando, pero ese cambio no se está reflejando inmediatamente en el nivel de precios de las GPU. Si un modelo puede realizar la misma tarea usando diez veces menos tokens pero el precio por token se mantiene, la eficiencia real de cada GPU se multiplica por diez.

A medida que "maximizar el token" pasa a la historia, emergen evidencias de que la cantidad de tokens puede ser muy variable para una misma tarea y los grandes modelos lingüísticos (LLM) pueden ser fácilmente adaptados para consumir más tokens, haciendo que las empresas favorezcan cada vez más un modelo de precios basado en resultados. Si esta tendencia se generaliza, presionará a los proveedores de modelos a reducir el uso de tokens y hará bajar el coste de alquilar GPU.

Otro punto relevante es que la tasa de utilización real de las GPU, según informan, es muy baja. El informe de Cast AI muestra que la utilización promedio es solo del 5%; ClearML descubrió que cerca de la mitad de las empresas están desperdiciando "millones de dólares" en chips ociosos.

Los límites de la paradoja de Jevons: la dependencia del camino es el verdadero riesgo del mercado

Frente a estos argumentos de eficiencia, el contraataque habitual de los partidarios del gasto en IA es la paradoja de Jevons: la caída del coste de la inteligencia impulsada por la capacidad de cómputo inevitablemente elevará la demanda, compensando los precios con más volumen.

Pero White no lo acepta. Él considera que la paradoja de Jevons no puede mantenerse en todos los horizontes temporales y que, para el mercado, lo crucial es la dependencia de trayectoria. Estima que en la fase actual de desarrollo dominada por los grandes modelos lingüísticos, el crecimiento de la demanda de inteligencia (no de tokens) a los precios actuales tarde o temprano se frenará hasta un punto que provocará una caída sostenida en el coste de la infraestructura.

Como prestamista, cuando la correlación de las garantías se deteriora y otro riesgo clave —la calidad crediticia del deudor— también se debilita, el riesgo se acumula rápidamente. En ese momento, Nvidia tendrá que cumplir sus obligaciones como aseguradora, mientras que sus propios acuerdos de financiación pueden enfrentar problemas, sin mencionar la depreciación de su producto principal. Empresas como Google, que apoyan esta ola de gasto de capital con su balance, también enfrentarán riesgos similares.

Como reveló la crisis inmobiliaria, una vez que la correlación de riesgos se pone en marcha, no se detiene a esperar a nadie. La conclusión de White es que la operación propuesta por Nvidia acerca aún más al mercado a presenciar el renacer de esa fuerza natural de las finanzas.