La llamada de Arthur Hayes sobre Bitcoin se puede resumir en una frase: 1 millón de dólares para 2030. Su argumento real es menos reconfortante.
Hayes argumenta que el próximo gran repunte de Bitcoin podría seguir a una crisis en la infraestructura de IA financiada con deuda. Si los centros de datos, las GPU y los proyectos de computación no generan suficientes ingresos para respaldar sus préstamos, los gobiernos podrían responder con nueva liquidez. En ese escenario, Bitcoin se beneficia no porque la IA tenga éxito, sino porque el sistema financiero eventualmente necesita otro rescate.
Es una tesis audaz. Los datos recientes del mercado muestran por qué no se puede descartar de plano, aunque la evidencia aún está muy lejos de probar que una crisis crediticia de IA sea inminente.
La Infraestructura de IA se Está Convirtiendo en una Historia de Crédito
La expansión de la IA ya no se financia únicamente con los flujos de efectivo de las grandes empresas tecnológicas. Cada vez participan más la deuda, el crédito privado, la financiación de proyectos y los inversores externos.
Los datos de Morgan Stanley informados por Reuters muestran que las empresas recaudaron aproximadamente 466 mil millones de dólares en deuda vinculada a la IA durante los primeros nueve meses de 2026, en comparación con aproximadamente 101 mil millones de dólares durante el mismo período del año anterior. Sin embargo, la emisión se desaceleró bruscamente en septiembre, cuando las empresas recaudaron aproximadamente 23 mil millones de dólares, menos de la mitad del total de agosto.
La desaceleración no significa necesariamente que la demanda de IA se haya colapsado. Puede reflejar la cantidad de deuda ya emitida, los mayores costos de endeudamiento y las crecientes preguntas sobre si el gasto masivo de capital generará rendimientos aceptables. Pero sí muestra que el lado de la financiación del auge de la IA se está volviendo tan importante como la tecnología misma.
Los Números Deben Funcionar Eventualmente
Un centro de datos puede ser estratégicamente importante y aun así ser una mala inversión. El negocio debe generar suficientes ingresos para pagar la electricidad, el terreno, la construcción, los servidores, el mantenimiento, la financiación y el reemplazo del hardware.
Ese cálculo se está volviendo más difícil a medida que se expande la industria. La investigación discutida por Axios estima que las grandes empresas tecnológicas pueden necesitar aproximadamente 2,9 billones de dólares para expandir la capacidad de computación hasta 2028, y más de la mitad provendrá de inversores externos. El mismo análisis estima que la infraestructura necesitaría producir aproximadamente 3,7 billones de dólares en ingresos anuales dentro de seis años para ofrecer un retorno del 10%.
Esas cifras no prueban que la infraestructura de IA esté sobreconstruida. Explican por qué los inversores prestan más atención a las tasas de utilización, los contratos con los clientes y el momento de los flujos de efectivo. Un proyecto puede parecer atractivo cuando la demanda aumenta rápidamente, pero su economía se vuelve frágil si los clientes retrasan el gasto o si los chips más nuevos hacen que el equipo existente sea menos competitivo.
Los Valores de las GPU Son Parte del Riesgo de la Garantía
La tesis de Hayes depende en parte de la idea de que los prestamistas pueden estar financiando activos cuyo valor cae más rápido que los préstamos utilizados para comprarlos.
Las GPU son activos productivos, pero sus valores de reventa están vinculados a los ciclos tecnológicos. Una nueva generación de hardware puede reducir la demanda de equipos más antiguos, incluso si los chips más antiguos continúan funcionando. Si un prestatario incumple, los prestamistas pueden no recuperar el valor que asumieron cuando se emitió el préstamo.
Los últimos datos de reventa ofrecen una razón para la cautela. El índice de American Compute para GPU de centros de datos usadas cayó a 75 en agosto de 2026, su lectura más baja en la serie de 13 meses y un 12% por debajo del mes anterior. El informe dijo que las tarjetas más antiguas lideraron la caída, mientras que los sistemas H100 se mantuvieron mejor.
Eso no equivale a un colapso en los valores de las GPU. Muestra por qué los préstamos respaldados por GPU requieren suposiciones más cuidadosas que la financiación de equipos ordinarios. Los prestamistas deben estimar cuánto valdrá un chip dentro de varios años, no simplemente cuánta demanda existe hoy.
El Crédito Privado Está Difundiendo la Exposición
El riesgo financiero también es más difícil de medir porque la deuda no está concentrada en un lugar obvio. La financiación de infraestructura de IA puede aparecer a través de bonos corporativos, fondos de crédito privado, estructuras respaldadas por activos, vehículos inmobiliarios comerciales y financiación de proyectos.
S&P Global ha advertido que la exposición a los centros de datos puede parecer diversificada en diferentes productos, pero aún depende del mismo pequeño grupo de hiperescaladores y clientes de IA. Si las mismas empresas son en última instancia responsables de la demanda en múltiples estructuras de financiación, un problema a nivel del cliente podría afectar a más prestamistas de lo que sugiere la diversificación general.
Aquí es donde entra en la discusión la comparación con 2008. El punto no es que la infraestructura de IA sea idéntica a las hipotecas de alto riesgo. La similitud es que el apalancamiento, las suposiciones optimistas y los canales de distribución complejos pueden hacer que los riesgos sean difíciles de ver antes de que los precios de los activos comiencen a caer.
Por Qué Esto Podría Convertirse en un Catalizador para Bitcoin
Si la inversión en IA simplemente se desacelera, el resultado podría ser acciones tecnológicas más débiles, menor demanda de GPU y crédito más restrictivo. Eso probablemente sería negativo para Bitcoin a corto plazo porque los inversores tienden a reducir la exposición a activos volátiles durante períodos de estrés.
Hayes está describiendo una etapa posterior del ciclo. Su opinión es que las pérdidas podrían ser lo suficientemente grandes como para desencadenar una intervención política. Los gobiernos podrían aumentar el gasto, apoyar a las instituciones financieras o expandir la oferta de moneda fiduciaria para contener el daño. Si esa respuesta produjera una ola de liquidez generalizada, Bitcoin podría beneficiarse como un activo digital escaso fuera del sistema bancario tradicional.
La secuencia importa. Un shock crediticio no enviaría automáticamente a Bitcoin al alza. El mercado podría experimentar primero ventas forzadas, menor liquidez y una fuerte caída de BTC. El caso alcista depende de lo que suceda después del estrés inicial: si los responsables de las políticas responden con medidas que restauren la liquidez y si los inversores eligen Bitcoin como cobertura contra la devaluación de la moneda y la inestabilidad financiera.
Los Flujos Actuales de Bitcoin Aún No Son una Confirmación Clara
La demanda institucional de Bitcoin sigue siendo mixta. El 12 de octubre, los ETF de Bitcoin al contado de EE. UU. registraron una salida neta de aproximadamente 65 millones de dólares. Sin embargo, los mismos datos mostraron entradas netas de alrededor de 1.9 mil millones de dólares durante el mes anterior, lo que sugiere que una sesión negativa no define la tendencia general.
Esto es importante para la tesis del millón de dólares. Antes de cualquier hipotético rescate liderado por la IA, Bitcoin aún necesitaría una demanda duradera de ETF, instituciones, corporaciones y tenedores a largo plazo. La liquidez por sí sola puede no ser suficiente si los inversores no están dispuestos a asignar capital a BTC.
Por lo tanto, el mercado está observando dos preguntas separadas. La primera es si la infraestructura de IA puede generar suficientes ganancias para justificar su financiación. La segunda es si Bitcoin puede atraer capital sostenido cuando las condiciones macroeconómicas sean más favorables. Una no garantiza la otra.
La Conclusión
El pronóstico de Arthur Hayes de que Bitcoin alcanzará el millón de dólares no es una predicción de precio convencional. Es un escenario construido en torno a la deuda, los ciclos tecnológicos y la política monetaria.
El auge de la IA está atrayendo claramente enormes cantidades de capital, y la estructura de financiación se está volviendo más compleja. Ya hay señales de una desaceleración en la emisión de deuda, mayores costos de endeudamiento y un mayor escrutinio de la economía de los centros de datos. Pero aún no hay evidencia confirmada de una crisis crediticia de IA a nivel de sistema.
Por ahora, la mejor conclusión es condicional. Si la infraestructura de IA produce fuertes flujos de efectivo, la tesis de la crisis crediticia se debilita. Si la demanda decepciona, los valores de las GPU caen y las pérdidas del crédito privado se propagan, el riesgo se vuelve más serio. Solo una gran respuesta política podría convertir ese estrés en el tipo de evento de liquidez que Hayes cree que podría llevar a Bitcoin hacia el millón de dólares.
Los lectores pueden seguir los mercados de Bitcoin, los desarrollos macroeconómicos y la investigación de activos digitales a través de Tapbit. Los usuarios que ya tienen una cuenta pueden iniciar sesión, mientras que aquellos que exploran la plataforma por primera vez pueden registrarse aquí.
Preguntas Frecuentes
¿Por qué Arthur Hayes cree que Bitcoin podría alcanzar el millón de dólares para 2030?
Hayes argumenta que una desaceleración de la infraestructura de IA impulsada por la deuda podría eventualmente llevar a los gobiernos a inyectar liquidez en el sistema financiero. Cree que Bitcoin podría beneficiarse de esa liquidez y de una mayor demanda de activos escasos.
¿Ya está ocurriendo una crisis crediticia de IA?
No a un nivel sistémico confirmado. La deuda relacionada con la IA ha aumentado drásticamente, mientras que los inversores se están volviendo más selectivos con los centros de datos y las estructuras de financiación. La evidencia actual apunta a un riesgo creciente, no a una crisis probada.
¿Por qué los precios de las GPU son importantes para la financiación de la IA?
Las GPU pueden servir como garantía para los préstamos utilizados para construir infraestructura de IA. Si los chips más nuevos reducen el valor del hardware más antiguo, los prestamistas podrían recuperar menos de lo esperado si un prestatario incumple.
