US hyperscaler AI compute infrastructure and AI-economy monetization: Goldman Sachs estima que los hyperscalers estadounidenses necesitan cerca de $1.42 trillion de ingresos en CY2028-30 para lograr un ROIC de 15% sobre el capex de AI de CY2026-27.

Visión general

Goldman Sachs analiza cuánto ingreso futuro de la economía de AI necesitan los principales hyperscalers estadounidenses para justificar la actual expansión de cómputo de AI. Su marco concluye que la intensidad de capital puede comprimir retornos a corto plazo, pero que las restricciones de capacidad, los backlogs de nube y las vías crecientes de monetización empresarial y de consumo pueden sostener retornos atractivos a medio y largo plazo.

Perspectivas principales

El informe afirma que el debate de los inversores pasó de si los hyperscalers podían obtener retornos de la ola de inversión CY2023-25 a si la expansión mucho mayor de cómputo de AI de CY2026-27 puede lograr retornos suficientes en CY2028-30. Goldman Sachs interpreta el fuerte aumento del gasto como respuesta al mayor consumo de tokens de AI, al desequilibrio entre oferta y demanda en tiempo real y a las necesidades plurianuales de cómputo de clientes. Considera que la compresión de ROIC a corto plazo es una consecuencia natural de la inversión inicial masiva, no evidencia de una economía de AI estructuralmente deficiente. Su análisis ascendente de semiconductores proyecta capex de infraestructura de AI de aproximadamente $1.3 trillion en 2027, un alza interanual de 60%, y de $2.0 trillion en 2028, un aumento de 42%. El despliegue implícito es de aproximadamente 20 GW, 35 GW y 57 GW en 2026, 2027 y 2028. Las cifras incluyen laboratorios de AI, empresas de AI soberana y clientes corporativos, además del capex tradicional de hyperscalers. Aunque las señales de la cadena de suministro no son un pronóstico cuantitativo exacto, especialmente con oferta restringida, Goldman Sachs las considera un indicador útil de las tendencias de gasto a medio plazo. Goldman Sachs usa Alphabet, Amazon, Microsoft, Meta, Oracle y SpaceX como representación de la expansión de cómputo de AI. Aísla el capex relacionado con AI de CY2026-27 y excluye tanto ingresos y EBIT de CY2026-27 cuando la capacidad entra en operación como inversiones posteriores a 2027. El modelo supone aproximadamente 70% de capex en cómputo y 30% en terrenos, edificios e infraestructura; coste inicial de aproximadamente $42 billion por GW; vidas útiles de 5 años y 15 años para cómputo y shells; coste anual de operación y mantenimiento no depreciable de $836 million por GW; y tasa fiscal corporativa de 21%. Con un umbral anual de ROIC de 15%, definido como NOPAT de CY2028-30 frente al capex anual promedio de CY2026-27, las seis compañías necesitan generar aproximadamente $1.42 trillion de ingresos acumulados en CY2028-30, o unos $11.6 billion anuales por GW. Al variar el objetivo de ROIC entre 0% y 30% y el coste por GW entre aproximadamente $34 billion y $51 billion, los ingresos acumulados requeridos se sitúan entre aproximadamente $908 billion y $1.89 trillion, o entre $6.2 billion y $18.6 billion anuales por GW. Goldman Sachs describe el umbral de 15% como razonable y probablemente conservador. Los backlogs de nube ofrecen una referencia práctica. AWS, Azure y Google Cloud reportaron un backlog combinado de aproximadamente $1.69 trillion en C2Q26, 152% más interanual y aproximadamente 1.5 veces el nivel de inicio de año. Para estas tres compañías, cerca de $1.22 trillion de capex CY2026-27 requeriría aproximadamente $1.00 trillion de ingresos acumulados en CY2028-30 al umbral de 15% ROIC, aproximadamente 59% del backlog reportado actual. El informe advierte que el backlog incluye compromisos no vinculados a nube y que su conversión depende de concentración de clientes, mezcla de productos y plazos de contratos, pero señala que la comparación no asume crecimiento futuro del backlog pese al reciente crecimiento secuencial de dos dígitos o más. Los comentarios de la dirección respaldan la perspectiva de retornos. Amazon describió equipos de servidores y red con vida útil de aproximadamente 5-6 años y punto de equilibrio de aproximadamente 3 años, mientras que los shells de centros de datos pueden servir varios ciclos de servidores. Oracle citó ROIC en high-20s% en estado estable para proyectos de infraestructura mayores, y SpaceX describió un periodo de recuperación de un año para capacidad de centro de datos de AI terrestre. Microsoft, Meta, Amazon y Alphabet subrayaron diseños flexibles o modulares, portabilidad de cargas de trabajo y despliegue escalonado, que Goldman Sachs considera elementos que reducen la exposición a una sola tecnología o servicio público y favorecen la utilización. El informe identifica infraestructura como servicio empresarial, servicios de software, aumentos de precios de nube, publicidad, suscripciones y comercio agéntico como vías de monetización. Sostiene que una curva más amplia de precio-rendimiento, desde inteligencia mercantilizada y deflacionaria hasta inteligencia de frontera con mayor poder de precios, puede ampliar los casos de uso de AI, aunque no todos los tokens ni todos los dólares de capex generarán un retorno uniforme. Por ello, mantiene una visión constructiva sobre la oportunidad agregada para los próximos 3-5 años, aun reconociendo que el ciclo de capital oculta los retornos a corto plazo.

Marco de análisis

Goldman Sachs evalúa primero la demanda de AI, las restricciones de capacidad y las expectativas de capex mediante comentarios corporativos, datos de consenso e información de la cadena de suministro de semiconductores. Luego convierte el capex de AI CY2026-27 en capacidad implícita en GW y construye un puente de capex a ingresos con depreciación, costes operativos, impuestos y NOPAT objetivo. Por último, prueba supuestos de ROIC y coste por GW y compara los ingresos necesarios con backlogs de nube reportados y comentarios de directivos.

Notas metodológicas

• Marco de fundamentales corporativos y finanzasDiferencial ROIC-WACC

  Marco de umbral de ROIC

  El informe utiliza un umbral anual de ROIC de 15%, calculado con NOPAT de CY2028-30 frente al capex anual promedio de CY2026-27, para estimar los ingresos necesarios de la expansión de AI.

• Marco de análisis sectorialTransmisión entre tramos de la cadena de valor

  Estimación ascendente de capex mediante la cadena de suministro de semiconductores

  La guía de compañías de semiconductores y los supuestos de ingresos por GW se usan para inferir gasto de infraestructura de AI y despliegues de centros de datos.

• Métodos de valoraciónOtro

  Análisis de escenarios

  El informe varía los objetivos de ROIC entre 0% y 30% y los costes iniciales por GW entre aproximadamente $34 billion y $51 billion para mostrar cómo cambian los ingresos futuros requeridos.

Correspondencia y comparación de activos

Correspondencia estructurada entre la tesis y activos concretos (fortalezas, debilidades, pares y riesgos).

• Alphabet (GOOGL)

  Hyperscaler estadounidense incluido en el marco ROIC y en la comparación de backlogs de nube pública.

  Fortalezas

  Backlog de Google Cloud y capacidad de trasladar capacidad entre cargas internas y externas.

  Comparación

  Una de AWS, Azure y Google Cloud en el referente de backlog de tres compañías.

  Riesgos

  Competencia de productos y publicidad, disrupción de búsqueda, presión de inversión elevada y escrutinio regulatorio.

• Amazon (AMZN)

  Hyperscaler estadounidense incluido en el marco ROIC y en la comparación de backlogs de nube pública.

  Fortalezas

  Economía de capex de AWS, infraestructura modular y utilidad multicíclo de los shells de centros de datos.

  Comparación

  Una de AWS, Azure y Google Cloud en el referente de backlog de tres compañías.

  Riesgos

  Competencia en nube y comercio electrónico, ejecución en negocios de alto margen, presión de márgenes por inversión, regulación y volatilidad macroeconómica.

• Microsoft (MSFT)

  Hyperscaler estadounidense incluido en el marco ROIC y en la comparación de backlogs de nube pública.

  Fortalezas

  Flota de infraestructura flexible, stack tecnológico unificado y visión de dirección de que los márgenes de AI pueden aproximarse a los de nube.

  Comparación

  Una de AWS, Azure y Google Cloud en el referente de backlog de tres compañías.

  Riesgos

  Rampa más larga de silicio interno, inversión superior a la esperada fuera de Azure, cambios de liderazgo y transición a software personalizado.

• Meta Platforms (META)

  Hyperscaler estadounidense incluido en el marco ROIC.

  Fortalezas

  Despliegue de capacidad modular y escalonado, y potencial de monetización de AI de consumo mediante publicidad, suscripciones y comercio.

  Comparación

  Incluida con otros hyperscalers en el marco agregado de seis compañías.

  Riesgos

  Competencia por usuarios y publicidad, presión prolongada de márgenes por inversión, regulación y escrutinio antimonopolio.

• Oracle (ORCL)

  Hyperscaler estadounidense incluido en el marco ROIC.

  Fortalezas

  La dirección citó ROIC en estado estable de high-20s% para proyectos de infraestructura mayores.

  Debilidades

  Oracle arrienda principalmente capacidad de centros de datos, por lo que la división entre cómputo y shells es ilustrativa.

  Comparación

  Incluida con otros hyperscalers en el marco agregado de seis compañías.

  Riesgos

  Concentración de clientes, calendario y ejecución de centros de datos, capex intenso y pérdida de participación en bases de datos/SaaS.

• SpaceX (SPCX)

  Hyperscaler estadounidense incluido en el marco ROIC.

  Fortalezas

  La dirección describió un periodo de recuperación de un año para capex de centros de datos de AI terrestres y potencial de monetización de infraestructura como servicio.

  Debilidades

  Los planes de AI y cómputo orbital conllevan incertidumbre significativa de ejecución.

  Comparación

  Incluida con otros hyperscalers en el marco agregado de seis compañías.

  Riesgos

  Alta intensidad de capital y consumo de caja, financiación y dilución, tecnología de centro de datos orbital no probada, competencia, capacidad de lanzamiento y dependencia de la cadena de suministro de chips.

Datos clave

• Ingresos requeridos de seis compañías con ROIC de 15%~$1.42 trillion cumulative CY2028-30Equivale a aproximadamente $11.6 billion de ingresos anuales por GW.
• Previsión de capex de infraestructura de AI~$1.3 trillion in 2027; ~$2.0 trillion in 2028Aumento interanual de 60% en 2027 y de 42% en 2028.
• Despliegue implícito de centros de datos de AI~20 GW / 35 GW / 57 GWPara 2026, 2027 y 2028, respectivamente.
• Revisión de capex de consenso para cinco hyperscalers~66% or ~$750 billionAumento de las estimaciones CY2026-27 desde el inicio de 2026.
• Backlog reportado de tres proveedores de nube~$1.69 trillionAWS, Azure y Google Cloud combinados en C2Q26; +152% interanual.
• Ingresos requeridos de tres proveedores de nube~$1.00 trillion cumulative CY2028-30Aproximadamente 59% del backlog reportado bajo el marco de ROIC de 15%.

Impacto e implicaciones

El informe sostiene que la cuestión clave es si la monetización futura de la economía de AI puede alcanzar el umbral de ingresos modelado, no si el capex actual elevará inmediatamente los retornos. Considera que la fuerte demanda de nube, los precios, el crecimiento de backlogs, la flexibilidad de capacidad y los casos de uso empresariales y de consumo respaldan la expansión actual a largo plazo.

Riesgos

• Los proveedores de infraestructura de AI pueden enfrentar una brecha de financiación entre el capex actual y el EBITDA o flujo de caja libre actual.
• La disponibilidad de terrenos, energía y shells para centros de datos puede limitar las expansiones previstas, especialmente en 2028 y después.
• La conversión de backlogs puede verse afectada por concentración de clientes, mezcla de productos e ingresos y calendario de contratos de largo plazo.
• El marco excluye inversiones posteriores a 2027, arrendamientos fuera de balance, arrendamientos financieros, SPV y acuerdos de cómputo de terceros, por lo que es ilustrativo y no completo.
• Los supuestos uniformes de capacidad, mezcla de capex y vida de activos pueden no reflejar las fases específicas de expansión o la economía de infraestructura de cada compañía.

Aspectos que vigilar

• El ritmo de capex CY2026-27 de hyperscalers y si continúa por encima de las expectativas de mercado.
• El crecimiento del backlog de nube y la velocidad a la que AWS, Azure y Google Cloud convierten compromisos en ingresos.
• Precios, utilización y restricciones de capacidad de cómputo de AI en cargas de entrenamiento e inferencia.
• Disponibilidad de energía, terrenos y shells de centros de datos para 2028 y después.
• Evidencia de adopción empresarial de AI, optimización de tokens y monetización de AI de consumo mediante publicidad, suscripciones y comercio.