La depreciación de GPUs para inteligencia artificial inquieta a empresas y expertos por su impacto en beneficios y planificación financiera

La rápida innovación en IA y hardware cuestiona la duración y valor real de las GPUs, afectando la planificación financiera de las empresas.

Mientras algunas de las empresas más valiosas del mundo se preparan para gastar hasta un billón de dólares en los próximos cinco años en centros de datos para inteligencia artificial (IA), uno de los aspectos que recibe mayor atención entre ejecutivos e inversores es la depreciación de estos activos. La depreciación, en términos contables, consiste en distribuir el coste de un bien tangible a lo largo de su vida útil estimada. Este concepto es cada vez más relevante en la industria tecnológica, ya que las compañías necesitan prever cuánto tiempo sus equipos, especialmente los procesadores gráficos (GPUs) de Nvidia, mantendrán su utilidad o valor.

Empresas como Google, Oracle y Microsoft han señalado que sus servidores podrían ser útiles durante un período de hasta seis años, aunque esta estimación puede variar considerablemente. Microsoft, en su informe anual, indica que su equipo informático tiene una vida útil entre dos y seis años. La duración real de estos activos resulta fundamental para inversores y financiadores, ya que a mayor vida útil proyectada, las empresas pueden extender la depreciación y amortiguar el impacto en sus beneficios económicos.

Las GPUs para IA representan un desafío particular, ya que aún no existe un historial claro sobre su duración comparada con otros equipos tradicionales utilizados en la industria durante décadas. La duración de estos productos puede variar entre dos y siete años, según factores como el desgaste, la obsolescencia tecnológica o la utilidad residual. Algunas empresas, como CoreWeave, basan sus estimaciones en la experiencia actual y consideran ciclos de vida de aproximadamente seis años para sus GPUs.

Este enfoque permite a compañías como CoreWeave, que alquilan GPUs a sus clientes, extender la vida útil de sus activos y reducir la depreciación anual, lo que a su vez puede influir en sus beneficios reportados. Sin embargo, algunos expertos y críticos, como el inversor Michael Burry, advierten que estas estimaciones pueden sobrevalorar la vida útil real de los equipos y subestimar la depreciación. Burry sostiene que la duración efectiva de los servidores y GPUs podría estar en torno a dos o tres años, y argumenta que el mercado sobreestima la utilidad de estos activos para inflar las ganancias de las empresas.

Las posibles razones para una depreciación acelerada incluyen el desgaste físico, los avances tecnológicos que vuelven obsoletos los modelos existentes o una menor economía de uso en comparación con nuevos chipsets. Nvidia, líder en este segmento, ha señalado que sus nuevos procesadores, como el chip Blackwell, pueden hacer que modelos anteriores como el Hopper tengan un valor residual casi nulo una vez que la nueva generación está en el mercado. Además, Nvidia ha acelerado sus lanzamientos de chips, pasando de un ciclo de dos años a uno anual, lo que también puede reducir la vida útil económica de cada generación.

Por otra parte, grandes empresas como Amazon ajustaron recientemente su estimación de vida útil en servidores específicos, reduciéndola de seis a cinco años, citando el ritmo acelerado en el desarrollo tecnológico en áreas como IA y aprendizaje automático. Mientras tanto, otras compañías como Microsoft intentan optimizar sus inversiones, espaciar las compras de chips y evitar la sobreacumulación en una sola generación, conscientes de que la rápida adopción de nuevas tecnologías puede hacer que las generaciones previas se vuelvan obsoletas antes de lo previsto.

Expertos en finanzas, como Dustin Madsen, explican que la depreciación es una estimación que realiza la gestión y que, en industrias de rápido cambio, dichas previsiones pueden estar sujetas a modificaciones. La precisión de la estimación dependerá de análisis técnicos, datos históricos y auditorías rigurosas, considerando variables como la obsolescencia tecnológica, el mantenimiento y el rendimiento de los equipos a lo largo del tiempo.