Un campus dedicado de inferencia de 100 MW con racks GB200 NVL72 necesitaría alrededor de $2.91 por GPU-hora para generar un rendimiento interno sobre capital propio apalancado del 15%, según un análisis en profundidad del equipo de Scotiabank Global Equity Research.

El modelo de Scotia sitúa el gasto total de capital del proyecto en $4.03 mil millones para 100 MW de carga crítica de TI, o $40.3 millones por megavatio. De ese total, 64% se asigna a equipos de TI, valorados en $3.0 millones por rack NVL72, con gran parte de ese gasto destinado a NVDA. El 36% restante se atribuye a la propia instalación, a $14.5 millones por megavatio.

El banco asume que 70% del proyecto se financia al 8.0% durante seis años e incluye un valor residual del 15% sobre el capex de TI después del sexto año, lo que subraya cuán sensible es la rentabilidad tanto a las condiciones de financiamiento como al valor del equipo al final del período de tenencia.

Scotia dijo que las referencias actuales de alquiler de GB200 superan el umbral. Con el requisito de $2.91, el modelo se traduce en alrededor de $0.81 por millón de tokens de salida. En comparación, los costos actuales de salida de tokens de modelos cerrados van desde $1.50 para Gemini 3.1 Flash-Lite hasta $15 para GPT 5.4. DeepSeek V4 Flash tiene un precio de $0.28 a $0.66, mientras que Ox Alpha parece situarse en torno a $0.50 para un producto que se acerca a Claude Opus 4.8.

El informe también destacó la magnitud de los compromisos de los hyperscalers. Scotia dijo que las cifras fuera de balance han alcanzado $2.588 billones, con otros $779 mil millones ya en el balance. Esas cifras no incluyen $120 mil millones de garantías y otras exposiciones contingentes, que el banco indicó que no son compromisos firmes.

Otra cifra relevante es la estimación del gasto operativo. Scotia fijó opex en $0.52 por GPU-hora, que describió como un piso porque, por debajo de ese nivel, es mejor apagar la instalación. El informe señaló que los productores de materias primas y las fábricas a veces han operado con pérdidas durante un tiempo, pero dijo que esa misma lógica aún establece un límite práctico inferior.

El caso bajista para la infraestructura de IA, según el informe, es que uno de los inquilinos comprometidos de estos centros de datos —como OpenAI o Anthropic— podría quebrar. En ese escenario, una instalación construida por $4.03 mil millones y financiada con $2.82 mil millones de deuda perdería a su inquilino. Debido a que un campus de IA construido a propósito no tiene un uso alternativo rápido, el prestamista se quedaría con una garantía inmóvil y de propósito único. El equipo interno también sería la parte del activo que más rápido perdería valor. Scotia dijo que el prestamista probablemente haría una rebaja, encontraría un operador y vendería capacidad de cómputo al precio que el mercado pudiera absorber.

El banco señaló al sector de fibra óptica como un paralelo histórico, citando el período entre 2001 y aproximadamente 2010. En ese caso, un solo impago eliminó la demanda contratada y añadió oferta spot al mismo tiempo, presionando a la baja los valores secundarios por la misma razón por la que caen las rentas cuando la oferta supera a la demanda.

La estimación de costo en efectivo de Scotia se ubica en $0.145, mientras que el precio promedio de lista de API en el mercado para tokens de salida es de $1.94, aunque el informe señaló que ese precio puede cambiar.

El informe dijo que otro riesgo importante es la disponibilidad de energía. Las colas de interconexión, los retrasos en transformadores y turbinas, y la escasez de mano de obra eléctrica calificada podrían limitar la rapidez con que la capacidad anunciada se entregue físicamente. Eso crea la posibilidad de que las instalaciones se completen antes de que la energía esté lista, dejando que los GPUs envejezcan antes de que los sitios puedan utilizarse plenamente.

Un punto de referencia a vigilar, excluyendo el riesgo de impago, es el precio de los contratos. Scotia escribió: “In our model, the difference between $2.50 and $3.50 separates a failed base case from a project that clears both return and coverage tests”. Una pregunta que queda abierta es a qué múltiplo deberían cotizar los hyperscalers si estas grandes inversiones apenas superan los umbrales de rentabilidad.

Si el capex genera ganancias incrementales reales, el BPA crece dentro de una descompresión de múltiplos y la acción se mueve lateralmente durante años. Ese es el resultado habitual cuando un negocio de alto rendimiento pasa a uno intensivo en capital.

Por supuesto, Scotia también destacó el financiamiento circular que ZeroHedge ha venido señalando de forma insistente:

Los compromisos de hyperscalers y desarrolladores de modelos respaldan la deuda del proyecto, creando exposición correlacionada entre inquilinos, propietarios de infraestructura y prestamistas. Un menor precio de API podría debilitar el crédito de los inquilinos, presionar los valores residuales, ampliar los diferenciales de la deuda del proyecto y ralentizar la refinanciación y la construcción. El resultado final depende de si la creciente intensidad de la demanda puede compensar la caída de los precios de los tokens y la obsolescencia de la capacidad instalada.

La gran pregunta que tengo es: ¿Y si la IA tiene éxito? En un mundo de superinteligencia, una de las primeras cosas que hacen los modelos es optimizar, y eso podría llevar los costos de los tokens al piso. Además, un modelo que aprende por sí mismo debería poder diseñar un chip mucho más eficiente que los que se usan hoy.