La compañía más valiosa del mundo financia a sus propios clientes para sostener la demanda de sus chips. La pregunta es si esos préstamos resistirán cuando el mercado deje de crecer al ritmo actual.
Nvidia tardó treinta años en alcanzar una valoración de un billón de dólares. Llegar a dos billones le llevó solo nueve meses más. Superó los cinco billones menos de dos años después. Hoy es la empresa más valiosa del mundo, con una capitalización cercana a los 5,4 billones de dólares, y sus ventas se duplicarán casi con toda probabilidad el año que viene. Algunos analistas predicen que ingresará un billón de dólares anuales en 2029.
Pero no es solo la fabricación de chips lo que ha impulsado este crecimiento extraordinario. Su consejero delegado, Jensen Huang, ha recurrido también a la ingeniería financiera para estimular la demanda de sus productos. A mediados de agosto, Nvidia acordó proporcionar un respaldo de hasta 105.000 millones de dólares para un enorme centro de datos en Ohio que utilizará una gran cantidad de sus procesadores.
Una semana antes había revelado planes para movilizar más de 500.000 millones de dólares en inversión en infraestructura de IA con la ayuda de seis grandes firmas de Wall Street, garantizando el valor del equipo que vende a dichos proyectos. En julio, ayudó a algunos clientes a financiar grandes centros de datos de otra manera: prometiendo complementar sus ingresos si no alcanzaban los objetivos fijados.
Prestar al cliente para vender el producto
Las empresas suelen prestar a sus clientes. Pensemos, por ejemplo, en los brazos financieros de los fabricantes de automóviles. Huang sostiene que Nvidia se limita a desbloquear inversión para proyectos perfectamente viables que de otro modo, tendrían dificultades para obtener financiación al precio adecuado.
Pero para los críticos, estos acuerdos tienen un aroma inconfundible al boom de las puntocom de finales de los noventa, cuando fabricantes de equipos de telecomunicaciones como Cisco y Lucent prestaron miles de millones de dólares a operadoras que compraban su tecnología. Cuando la demanda de servicios de esas operadoras se quedó corta, algunas quebraron, dejando a Cisco y Lucent con grandes pérdidas.
Como señala Jay Goldberg, de Seaport Research Partners, Nvidia camina sobre una línea muy fina entre “facilitar la demanda” y “crearla”. Todavía no cree que la haya cruzado, aunque está “bastante cerca”. Otros son más escépticos, incluido Michael Burry, el inversor que hizo fortuna apostando contra los valores respaldados por hipotecas que precipitaron la crisis financiera de 2007-2009.
NVIDIA confirma la adquisición de Hugging Face por casi 13.000 millones de dólares
Él y otros se preguntan qué ocurriría si la demanda de chips de IA creciera más despacio de lo esperado, la oferta aumentara y los precios cayeran, lo que no solo reduciría los beneficios de Nvidia, sino que potencialmente generaría pérdidas en su generoso apoyo a los clientes.
La pregunta es pertinente porque los compromisos financieros de Nvidia son enormes y crecen con rapidez. En los últimos tres años ha comprometido más de 70.000 millones de dólares en inversiones en startups y ha ofrecido 300.000 millones en apoyo financiero a sus clientes.
Algunos han empezado a llamar a Nvidia el “banco central de la IA”, porque desempeña un papel central en la financiación de la industria. Eso, como argumenta Huang, ayudará sin duda a que el sector crezca, pero también conlleva riesgos.
La amenaza de los hyperscalers
La ingeniería financiera de Nvidia es en parte una respuesta a la transformación de sus mayores clientes en rivales. Los “hyperscalers” (gigantes tecnológicos como Amazon, Google, Meta y Microsoft) representan aproximadamente la mitad de los ingresos de Nvidia.
Este año, se prevé que inviertan alrededor de 800.000 millones de dólares, en su mayoría en infraestructura de IA. Pero la mayoría ha empezado a diseñar sus propios chips, lo que pone en duda sus futuras compras a Nvidia.
Para los hyperscalers, estos chips personalizados son mucho más baratos: cuestan entre una quinta y una tercera parte de lo que cuestan los de Nvidia. También pueden realizar algunas tareas mejor, porque los hyperscalers pueden adaptarlos a su propio software. Peor aún, desde el punto de vista de Nvidia, algunos de los gigantes tecnológicos no se limitan a desarrollar chips para su propio uso, sino que también los comercializan a terceros.
Google, por ejemplo, ha vendido algunos procesadores especializados a Anthropic, un gran laboratorio de IA independiente. Amazon también espera que su negocio de chips personalizados se convierta en una fuente de ingresos considerable. Bloomberg Intelligence predice que los chips personalizados irán comiendo terreno a las ventas de Nvidia, hasta representar alrededor del 50% del mercado de procesadores para IA a finales de la década, frente al 40% actual.
Los hyperscalers tienen calificaciones crediticias de grado de inversión, lo que mantiene bajos sus costes de endeudamiento. Las nuevas “neoclouds” tienen necesidades de gasto similares, pero pocos ingresos. Sus préstamos son, naturalmente, mucho más caros.
Alphabet, la matriz de Google, vendió 2.750 millones de dólares en bonos a 50 años en noviembre, con un tipo de interés anual del 5,7%. El tipo al que CoreWeave, la mayor neocloud, pidió prestados 2.600 millones en julio fue casi el doble.
Nvidia y SpaceX desafían la gravedad con su centro de datos orbital de 1,8 toneladas
Es esa brecha, entre los costes de endeudamiento de los hyperscalers y los de todos los demás, lo que el banco Nvidia quisiera estrechar. Una forma de hacerlo es tomando participaciones en startups que serán clientes ellas mismas o que ayudarán a impulsar indirectamente la demanda de chips de Nvidia.
El año pasado, Nvidia realizó unas 90 inversiones de este tipo, casi el doble que dos años antes. Este año ya ha acordado otras sesenta y tantas.
Expansión cuantitativa
Algunos de esos cheques tienen como objetivo propagar modelos de IA de pesos abiertos, que los usuarios pueden descargar gratuitamente y adaptar, a diferencia de las ofertas propietarias de empresas como Anthropic, OpenAI y Google. En agosto, Nvidia acordó pagar a Poolside, una startup que construye modelos de codificación con IA, 6.000 millones de dólares por licenciar su software y otros 1.000 millones por una participación.
También ha acordado comprar Hugging Face, una plataforma que aloja modelos de pesos abiertos, por 12.900 millones. La intención detrás de tales inversiones es alimentar la demanda de chips de Nvidia creando una proliferación de productos y empresas de IA independientes de los hyperscalers.
Cada vez más, sin embargo, Nvidia no se limita a invertir en empresas prometedoras de IA, sino que también las ayuda a financiar grandes proyectos de forma más directa. A principios de julio anunció una nueva estratagema mediante la cual promete complementar los ingresos de las neoclouds procedentes de nuevos centros de datos hasta un mínimo acordado. Estos compromisos, cuyos términos exactos varían de un acuerdo a otro, suelen durar seis años. Durante ese periodo, Nvidia promete pagar un precio fijo por “cómputo”.
NVIDIA y OpenAI estudian un mega centro de datos de IA de más de 500.000 millones de dólares en Ohio
Si la neocloud consigue vender la capacidad en cuestión a un precio superior, Nvidia recibe una parte de la diferencia. Esta red de seguridad hace que los ingresos futuros de las neoclouds sean mucho más predecibles y, por tanto, reduce el coste de la deuda que asumen para construir nuevos centros de datos. Eso, a su vez, estimula la demanda de procesadores de Nvidia.
Sharon AI, una neocloud australiana, espera utilizar un respaldo de este tipo por valor de unos 4.900 millones de dólares para desplegar alrededor de 40.000 chips de Nvidia. Firmus, otra neocloud, planea comprar hasta 170.000. Dan Nishball, analista de SemiAnalysis, sostiene que tales arreglos no tienen por qué ser una característica permanente de la industria, sino que “ganan tiempo” para que los prestamistas se sientan más cómodos prestando a este tipo de proyectos.
Los dos supuestos que sostienen la estructura
Bajo esta red de obligaciones subyacen dos supuestos fundamentales: que los chips de Nvidia conservarán su valor y que la demanda de cómputo seguirá creciendo a un ritmo rápido. Ninguno de los dos está garantizado.
Empecemos por los chips. Huang dice que son “fungibles” y duraderos, y que las actualizaciones de software mejoran su utilidad durante años después de su venta. Deberían considerarse activos bancarios, argumenta, que pueden servir como garantía para préstamos y avales.
Pero cuánto tiempo conserva su valor un chip de IA es objeto de debate. Burry ha sostenido que los grandes proveedores de nube han inflado sus beneficios depreciándolos a lo largo de cinco o seis años en lugar de dos o tres.
Nvidia amplía su apuesta por la robótica con nuevas alianzas en Japón
Hasta ahora, Huang lleva las de ganar en el debate. Los chips más antiguos siguen teniendo demanda. En agosto, CoreWeave anunció un contrato que implica chips A100 de Nvidia y que se extiende hasta 2029. El A100 se lanzó en 2020 y desde entonces Nvidia ha sacado varios modelos más nuevos.
También hay pruebas de que los chips antiguos conservan su valor. SemiAnalysis estima que alquilar el H100 de Nvidia, un caballo de batalla de la industria de la IA, cuesta alrededor de 2,80 dólares la hora con un contrato de un año. Eso es solo una décima parte menos que cuando el chip se lanzó a principios de 2023.
Sin embargo, tanto la longevidad como el valor de tales chips pueden ser simplemente artefactos de la escasez. Cuando el cómputo es limitado, las empresas no tienen más remedio que mantener los chips antiguos funcionando. Muchas los utilizan para inferencia.. Es decir, cuando un modelo de IA responde a consultas, una tarea mucho menos exigente que el entrenamiento, para el que se usa el hardware más nuevo—.
Nvidia lanza nuevos chips cada año, con la intención explícita de sustituir a sus predecesores. Eso la deja en la curiosa posición de defender tanto que los chips antiguos conserven su valor como que sus nuevos chips los reemplacen. Encontrar el equilibrio será complicado.
El riesgo está en la demanda
El precio del cómputo debería caer a medida que aumente la oferta. Los hyperscalers e incluso laboratorios como OpenAI están desplegando chips de inferencia diseñados a medida, ya que el gasto en inferencia ha superado al de entrenamiento.
Nvidia disfruta de márgenes brutos envidiables, de alrededor del 75%, frente al 55% de AMD, su rival más pequeño. Tim Davis, fundador de una empresa de hardware de IA adquirida por Qualcomm, cree que, a medida que se multipliquen las opciones, la economía de la fabricación de chips “empezará a comprimirse”.
El mayor riesgo para los precios de los chips es la propia demanda. Mientras el gasto en IA siga en auge, Nvidia vende sus chips, sus clientes llenan sus centros de datos y sus diversos avales rara vez se activan. Pero si la demanda no es tan expansiva como esperan los mercados, las neoclouds y otros proveedores de IA podrían tener dificultades para vender su capacidad u obtener beneficios.
Eso, a su vez, podría activar los respaldos de Nvidia, obligándola a comprar cómputo no utilizado, cubrir déficits de precios o pagar por energía no deseada. La misma desaceleración también mermaría las ventas de Nvidia y por tanto, el flujo de caja disponible para cumplir esas obligaciones. Este escenario no depende de un colapso de la demanda; bastaría con un crecimiento decepcionante.
¿Cuánto podría tener que desembolsar Nvidia? Ha prometido alrededor de 25.000 millones en futuras inversiones de capital. Debe unos 33.000 millones en deuda. Sus pasivos potenciales con los clientes ascienden a unos 300.000 millones, pero solo entran en juego en una recesión y por tanto, no aparecen en su balance.
Entre ellos se incluyen el aval de 105.000 millones detrás del centro de datos de OpenAI; hasta 125.000 millones a través de la asociación con Wall Street; y alrededor de 67.000 millones en otros respaldos.
Nvidia lanza la ofensiva más Ambiciosa de su Historia olvidándose por Completo del Mundo Gamer
Nvidia casi con toda seguridad no acabará pagando ni de lejos el importe total de sus avales. Sus compromisos están repartidos a lo largo de muchos años, por lo que no podrían vencer todos a la vez. Su propuesto respaldo para el centro de datos de OpenAI, por ejemplo, tiene una duración de 20 años, a partir de 2028. Si OpenAI dejara de pagar el arrendamiento, Nvidia podría encontrar otro inquilino, reduciendo enormemente su exposición.
Es más, las finanzas de Nvidia son lo bastante sólidas como para resistir estos pasivos. Morgan Stanley calcula que la deuda “total” de Nvidia aumentará de 53.000 millones a principios del año que viene a 200.000 millones a principios de 2029, a medida que los avales entren en vigor.
Pero eso se compensa con una reserva de efectivo y valores líquidos actualmente valorada en 99.000 millones, y un negocio que generará unos 200.000 millones en efectivo este año. Solo una recesión catastrófica que hiciera vencer todos los avales de Nvidia y evaporara casi por completo sus beneficios pondría en peligro a la compañía, tal como están las cosas.
El panorama puede cambiar, sin embargo, si los compromisos de Nvidia siguen creciendo. Andy Li, de CreditSights, teme que la empresa siga “pisando el acelerador” hasta que “algo se rompa”. SemiAnalysis estima que Nvidia asume aproximadamente 5.900 millones de dólares en avales por cada 100 megavatios de capacidad de centro de datos cubiertos por su programa de respaldo a neoclouds.
Si añade más avales de este tipo, SemiAnalysis calcula que su exposición podría alcanzar los 175.000 millones a finales de 2028 solo por esta iniciativa.
Una industria entrelazada
Nvidia no es la única que utiliza instrumentos financieros cada vez más complejos para lubricar la demanda de sus clientes. AMD ha ofrecido vender grandes participaciones de sí misma a OpenAI y Meta a cambio de contratos gigantescos para comprar sus chips.
En abril, Google reunió un consorcio de empresas para ayudar a financiar la compra por parte de Anthropic de 35.000 millones de dólares en chips suyos. Broadcom, que desarrolla los chips por cuenta de Google, acordó cubrir cualquier déficit si Anthropic no paga.
En medio de la carrera por asegurar ventas y préstamos, existe el peligro de que se construyan proyectos especulativos que, de otro modo, tendrían dificultades para encontrar financiación. Si los rendimientos de la industria se quedan cortos o tardan más en materializarse de lo que asumen estos enrevesados acuerdos, el resultado será una profusión de chips caros y ociosos.
Ninguna empresa está más entrelazada en esta red que Nvidia. Huang cree que la construcción de infraestructura de IA está “a toda máquina”. Pero los inversores de Nvidia deberían ser conscientes de que, cuanto más financien este auge, más tendrán que soportar de cualquier caída.
Descubre más desde CIBERED
Suscríbete y recibe las últimas entradas en tu correo electrónico.
