Morgan Stanley estima el beneficio de CapEx: ¿Cómo gana la infraestructura de IA entre un 25% y un 50% desde el alquiler de GPU hasta la venta de tokens?

TL;DR > · Morgan Stanley calcula que la infraestructura de GenAI puede obtener aproximadamente un 25%-50% de retorno de capital en un escenario base. > · Las suposiciones clave se basan en una tasa de utilización del 75% de GPU, alquiler de GB300, rendimiento de tokens y precios de API. > · Microsoft, Amazon, Google y Meta se benefician más, pero la guerra de precios y los modelos de código abierto pueden reducir los beneficios.

Morgan Stanley realizó un análisis sobre el retorno de la inversión en gastos de capital para IA en su informe del 27 de julio: si la tasa de utilización de GPU, los alquileres, el rendimiento de tokens y los precios de API alcanzan las suposiciones base, la infraestructura de IA generativa y el negocio de API de modelos tienen la oportunidad de generar un retorno de capital de aproximadamente un 25%-50%.

Esto responde directamente a la mayor preocupación del mercado sobre las grandes empresas tecnológicas. Microsoft, Amazon, Google y Meta continúan invirtiendo en GPU y centros de datos, aumentando sus gastos de capital, y los inversores quieren saber si este dinero se convertirá en beneficios o solo aumentará la depreciación, el consumo de energía y los costos de investigación y desarrollo.

Este análisis descompone la monetización de GenAI en tres vías: alquilar la capacidad de GPU como IaaS, proporcionar API de modelos con infraestructura propia y alquilar capacidad de terceros para luego ofrecer API de modelos. Las dos primeras son más adecuadas para grandes plataformas tecnológicas que tienen centros de datos, acceso a clientes y capacidades de distribución de productos, mientras que la tercera es más susceptible a la presión de los alquileres de GPU.

Comparación de retorno de tres modelos de negocio de GenAI: IaaS de GPU aproximadamente 31%, API de modelo con infraestructura propia más del 40%, API de modelo con infraestructura de terceros aproximadamente 25%.

1.4 billones de dólares en gastos, la clave no es solo comprar GPU

El contexto de este análisis es que la construcción de centros de datos de IA está entrando en una fase de mayores gastos de capital. Las proyecciones indican que Morgan Stanley espera que los hyperscalers superen los 1.4 billones de dólares en gastos de capital para 2028, y que la capacidad de cálculo podría cuadruplicarse entre 2025 y 2028, alcanzando aproximadamente 120GW.

No toda esta capacidad se convertirá inmediatamente en ingresos. El entrenamiento de modelos de vanguardia, el mantenimiento de modelos y la iteración de modelos de diferentes tamaños seguirán consumiendo una gran cantidad de capacidad de cálculo; el entrenamiento en sí no se cobra directamente, pero debe asumir costos de depreciación, energía y operación.

Lo que realmente afecta el retorno es si la capacidad restante puede ser completamente absorbida por inferencias, API, software empresarial y servicios en la nube. En términos más directos, cuántas horas puede vender un GPU al año, cuánto puede cobrar por hora, cuántos tokens puede procesar por segundo y cuánto puede vender por millón de tokens, determina si los gastos de capital en IA pueden generar retornos en efectivo.

Este es también el aspecto más noticioso de este informe. En el pasado, el mercado había visto más números de Capex en aumento, ahora Morgan Stanley proporciona un análisis de economía unitaria: bajo las suposiciones base, la infraestructura de IA puede cubrir la alta presión de depreciación y acercarse a los niveles de retorno de negocios de nube de alta calidad o software.

Alquilar GPU: retorno de IaaS aproximadamente 31% con una tasa de utilización del 75%

La primera vía es que los grandes proveedores de nube alquilan la capacidad de cálculo de GPU como IaaS. La suposición del escenario base es que 1GW de capacidad corresponde aproximadamente a 410,000 GPUs GB300 de Nvidia, con una tasa de utilización del 75% y un alquiler de 8.5 dólares por hora.

Bajo este conjunto de suposiciones, el negocio de alquiler de GPU genera aproximadamente 22.9 mil millones de dólares en ingresos anuales por GW, con un margen EBIT incremental de aproximadamente 67% y un retorno de capital de aproximadamente 31%. Siempre que la oferta de GPU pueda ser cubierta por una demanda suficientemente alta, IaaS no es un alquiler de hardware de bajo margen, sino que se asemeja más a un negocio de infraestructura de alta utilización.

Desglose del retorno del alquiler de GPU y análisis de sensibilidad: con una tasa de utilización del 75% y un alquiler de 8.5 dólares/hora, el retorno base de IaaS es aproximadamente 31%.

La ventaja aquí proviene de la capacidad de los grandes proveedores de nube en términos de electricidad, centros de datos, relaciones con clientes y capacidades de ventas de plataformas en la nube. Si la nueva capacidad de GPU se integra en la demanda existente de los clientes, la conversión de ingresos será más directa.

Pero este camino es muy sensible a los precios y a la utilización. La disminución de los alquileres de GPU, la insuficiencia en la utilización y el aumento de los costos de energía reducirán los retornos. A medida que aumentan los nuevos entrantes, el precio de la capacidad de cálculo también podría disminuir con la llegada de ASIC y GPUs de próxima generación, por lo que no está claro si el alquiler de 8.5 dólares/hora se podrá mantener a largo plazo.

API de modelo más rentables, apostando por el consumo de tokens

La segunda vía es proporcionar API de modelos con infraestructura propia. La suposición del escenario base es que el 65% de la capacidad se utiliza para inferencias, y cada GPU puede procesar aproximadamente 2750 tokens por segundo, con un precio mixto de 1.75 dólares por cada millón de tokens.

En este escenario, el margen EBIT incremental de API de modelos es aproximadamente 75%, y el retorno de capital supera el 40%. En diferentes fuentes, este retorno se estima entre el 40% y el 46%, pero la dirección es consistente: la capacidad de cálculo propia combinada con el servicio de modelos genera un retorno superior al simple alquiler de horas de GPU.

La razón no es complicada. Los proveedores de nube y de modelos no venden horas de GPU individuales, sino capacidades de modelos, servicios de inferencia y llamadas a API. Los ingresos están vinculados al consumo de tokens, lo que ofrece un mayor margen de beneficio.

Análisis del escenario de API de modelos con infraestructura propia: con 2750 tokens/sec/GPU y un precio de 1.75 dólares por cada millón de tokens, el retorno supera el 40%.

Esto también explica por qué las grandes empresas tecnológicas compran chips mientras integran funciones de IA en búsquedas, software de oficina, publicidad, recomendaciones de comercio electrónico y herramientas para desarrolladores. Lo que realmente quieren hacer no es solo alquilar capacidad de cálculo ociosa, sino convertir la inferencia en un flujo de ingresos frecuente, facturable e integrado en productos existentes.

El riesgo también se concentra en el nivel de tokens. El rendimiento de tokens no solo depende de los chips, sino también de la escala de parámetros del modelo, la pila de software, la proporción de entrada/salida y la capacidad de optimización de inferencias. Si el modelo es más eficiente, cada GPU puede procesar más tokens, lo que aumentará el retorno. Si los modelos de código abierto y la guerra de precios reducen los ingresos por cada millón de tokens, el margen de beneficio se verá diluido.

Alquilar capacidad de terceros para hacer API, los beneficios son más fáciles de consumir

La tercera vía es que las empresas de modelos alquilan infraestructura de terceros y luego ofrecen API de modelos a los clientes. En el escenario base, el alquiler de GPU es de aproximadamente 7.75 dólares/hora, con un margen EBIT incremental de aproximadamente 31%, y un retorno o margen de beneficio después de impuestos de aproximadamente 25%.

Este camino aún puede ser rentable, pero no tanto como el de las plataformas con infraestructura propia. La parte que alquila GPU debe pagar primero el alquiler de la capacidad de cálculo y luego asumir los costos de entrenamiento de modelos, inferencias, servicios y ventas, dejando un margen de beneficio más estrecho.

Análisis del escenario de API de modelos con infraestructura de terceros: alquiler de GPU a 7.75 dólares/hora, el precio de tokens, el rendimiento y los costos de alquiler determinan conjuntamente aproximadamente el 25% de retorno después de impuestos.

Esta es también la razón por la que Microsoft, Amazon, Google y Meta tienen una ventaja relativa. Tienen el poder de capital, centros de datos, acceso a clientes y capacidades de distribución de productos, lo que les permite elegir la forma de monetización más adecuada entre IaaS y API. Las empresas de modelos puras o las aplicaciones de capa intermedia que no tienen suficiente poder de fijación de precios son más susceptibles a la presión de los costos de capacidad de cálculo.

Esto no significa que las empresas de modelos de terceros no tengan oportunidades. Modelos de alta calidad, escenarios verticales, personalización empresarial y distribución a nivel de aplicación aún pueden crear diferenciación. Pero desde la perspectiva del retorno de capital, la parte que posee capacidad de cálculo de bajo costo y una infraestructura de alta utilización tiene más probabilidades de dejar beneficios.

El enfoque está en las cuatro grandes plataformas tecnológicas, pero los altos retornos aún no se han materializado

Morgan Stanley sigue siendo optimista sobre Microsoft, Amazon, Meta y Google bajo este análisis. Su ventaja común es que pueden expandir la infraestructura de IA y ya tienen productos y acceso a clientes para satisfacer la demanda de inferencias.

Microsoft recibe una calificación de sobrepeso, con un precio objetivo de 600 dólares. La empresa matriz de Google, Alphabet, tiene un precio objetivo de 400 dólares, y Meta está clasificada como la mejor opción, con un precio objetivo de 775 dólares. Amazon también está incluido en la dirección de beneficiarse de grandes plataformas de IA, pero su precio objetivo específico varía en diferentes fuentes, por lo que no es apropiado tomar un solo número como conclusión.

Estos precios de acciones no deben interpretarse como que los gastos de capital en IA ya se han materializado. Los informes financieros a corto plazo de las cuatro empresas aún pueden enfrentar presiones de depreciación, consumo de energía, renovación de chips y gastos de investigación y desarrollo. Si la inversión en IA puede convertirse en retornos para los accionistas, dependerá de si el crecimiento de ingresos por inferencias puede superar la expansión de costos.

La tasa de retorno del 25%-50% también es solo una estimación de escenario, no un resultado financiero que ya ha ocurrido. Una tasa de utilización del 75% es un umbral alto; si las aplicaciones de IA empresariales se implementan más lentamente de lo esperado, las GPU ociosas reducirán directamente el retorno. El precio de los tokens también es inestable; los modelos de código abierto, los modelos más eficientes y la guerra de precios entre proveedores de nube pueden reducir los ingresos por cada millón de tokens.

Este informe proporciona más bien una regla de medición: siempre que las grandes empresas tecnológicas puedan mantener la infraestructura de IA en alta utilización y convertir el consumo de tokens en ingresos a través de API de modelos, servicios en la nube y productos existentes, los gastos de capital en IA no serán solo un agujero negro de costos. Por el contrario, si los alquileres, la utilización y la tasa de adopción de inferencias no cumplen con los estándares, el retorno del 25%-50% se quedará rápidamente en las tablas de modelos.