Lambda capta 1.000 millones de dólares en deuda para comprar chips de Nvidia

Lambda, la empresa estadounidense que compra chips de inteligencia artificial y los alquila a grandes corporaciones, acaba de levantar 1.000 millones de dólares en deuda privada a corto plazo. El objetivo es directo: adquirir GPUs de Nvidia y ponerlas a disposición de Microsoft. La operación fue estructurada por JP Morgan Chase y revela una apuesta agresiva en la capacidad de generar ingresos lo suficientemente rápidos para pagar el préstamo con el flujo de caja de los propios contratos.

El movimiento no es aislado. Se enmarca en una tendencia que está rediseñando el mercado de infraestructura tecnológica: el ascenso de las llamadas neoclouds, empresas que funcionan como intermediarias entre los fabricantes de chips y los gigantes que necesitan poder computacional para entrenar y ejecutar modelos de IA.

La captación de 1.000 millones de dólares es solo la operación más reciente de una secuencia acelerada. En mayo, Lambda cerró una línea de crédito garantizada de 1.000 millones de dólares. En la misma semana del nuevo préstamo, anunció el cierre de otro financiamiento de 926 millones de dólares, esta vez destinado a la adquisición de GPUs Nvidia GB300, uno de los modelos más recientes del fabricante, para un contrato directamente con Nvidia.

Sumadas, las tres operaciones alcanzan casi 3.000 millones de dólares en deuda acumulada en pocos meses. Para una empresa valorada en 5.430 millones de dólares tras una ronda de 1.500 millones de dólares en capital de riesgo realizada en noviembre pasado, el nivel de apalancamiento llama la atención. Y, según información del mercado, Lambda aún negocia una ronda pre-IPO de 3.000 millones de dólares, lo que elevaría sustancialmente su valoración.

El modelo de negocio explica la lógica detrás de la deuda a corto plazo. Lambda ya tiene contratos firmados con clientes como Microsoft y Nvidia incluso antes de adquirir los chips. Esto significa que los ingresos comienzan a entrar tan pronto como se implementa el hardware, lo que en teoría permite el pago rápido de los préstamos. Es una especie de financiamiento de proyecto, similar a lo que se ve en infraestructura tradicional, pero aplicado a centros de datos de IA.

La estrategia de Lambda no existe en el vacío. Datos compilados por medios especializados muestran que bancos y empresas de tecnología ya han levantado más de 400.000 millones de dólares en deuda relacionada con inteligencia artificial a nivel global a lo largo de 2025. La cifra es extraordinaria y refleja una carrera por infraestructura que recuerda, en escala, los ciclos de inversión en ferrocarriles del siglo XIX o en fibra óptica en los años 2000.

La diferencia fundamental es la velocidad. Mientras que los ciclos anteriores de infraestructura tardaron décadas en alcanzar picos de inversión, el ciclo de IA ha comprimido este proceso en pocos años. La demanda de GPUs se disparó desde el lanzamiento de ChatGPT a finales de 2022, y la oferta aún no ha podido seguir el ritmo. Empresas como Lambda existen precisamente para llenar este vacío, comprando chips a gran escala y redistribuyendo capacidad computacional.

El riesgo, naturalmente, radica en la sostenibilidad de la demanda. Si los contratos de alquiler de GPU continúan creciendo, el modelo funciona. Si hay una desaceleración, ya sea por avances en eficiencia computacional o por una eventual corrección en las inversiones corporativas en IA, las empresas altamente apalancadas estarán expuestas.

El surgimiento de empresas como Lambda refleja un cambio estructural en el mercado de la computación en la nube. Tradicionalmente dominado por tres grandes actores (AWS, Azure y Google Cloud), el sector ahora ve la entrada de competidores especializados que no intentan ofrecer todo, sino que se centran exclusivamente en proporcionar capacidad de GPU para cargas de trabajo de IA.

Este nicho tiene sentido económico por varias razones. Primero, las grandes tecnológicas a menudo no pueden expandir su capacidad de GPU a la velocidad que demandan sus propios clientes. Microsoft, por ejemplo, recurre a Lambda precisamente porque necesita capacidad adicional más allá de lo que puede provisionar internamente para Azure. Segundo, los contratos a largo plazo con clientes de alta calidad crediticia reducen el riesgo del modelo, facilitando la obtención de financiamiento a costos razonables.

El modelo, sin embargo, depende en gran medida de un factor: Nvidia. Prácticamente toda la infraestructura de las neoclouds gira en torno a los chips del fabricante de Santa Clara. Esto crea una concentración de riesgo significativa. Cualquier cambio en la política de precios, asignación de producción o licenciamiento de Nvidia puede impactar directamente la viabilidad de estas empresas.

La trayectoria de Lambda ilustra un fenómeno más amplio que merece atención. El mercado de IA se está financiando rápidamente. No son solo las acciones de empresas de tecnología las que capturan el valor del sector. La deuda corporativa, los préstamos estructurados e incluso los instrumentos de crédito privado se están convirtiendo en vehículos importantes de exposición al tema.

Para quienes siguen el sector tecnológico, la pregunta central no es si habrá más inversión en infraestructura de IA. Eso parece dado. La cuestión es cuánto de esa inversión se está financiando con apalancamiento que presupone un crecimiento continuo de la demanda. Con 400.000 millones de dólares en deuda global acumulada en menos de un año, el mercado comienza a parecerse a otros ciclos de euforia que, históricamente, terminaron en ajustes dolorosos.

Lambda puede estar haciendo una apuesta inteligente al asegurar contratos antes de asumir deuda. Pero el sector en su conjunto depende de una premisa que aún se está poniendo a prueba: que la demanda de computación de IA seguirá creciendo a un ritmo exponencial el tiempo suficiente para justificar cientos de miles de millones en financiamiento.