Tesla: El Capex que Wall Street No Sabe Leer

Earnings Q2 2026: En julio 2025 escribí que Tesla sería la compañía más valiosa del mundo. Trece meses después la acción está prácticamente en el mismo sitio, el mercado acaba de castigarla un 14.5%

I. La Foto

Junten los cables un momento y miren lo que reportó Tesla el 22 de julio. Revenue de $28.2B, arriba 26% año contra año, el primer trailing-twelve-month sobre $100B en la historia de la compañía. Entregas récord de segundo trimestre: 480,126 vehículos, arriba 25%, el primer crecimiento interanual de entregas en casi dos años. Y sin embargo, el mismo comunicado traía la otra cara: operating income de apenas $0.4B, un margen operativo de 1.4% (una compresión de 269 puntos base), non-GAAP EPS de $0.33 contra los ~$0.49-0.53 que esperaba el consenso, y —lo que más dolió— free cash flow NEGATIVO de $1.1B, el primer trimestre de FCF negativo en más de dos años.

El mercado leyó el EPS miss del 38% y vendió. La acción, que cerró en $374 el día del reporte, se desplomó a $319.69 al día siguiente: su peor sesión en más de un año, borrando más de $140B de valor. Si ustedes recuerdan el artículo de Robinhood, esto es exactamente el mismo patrón que llamé

“la trampa del pensamiento lineal”: el mercado mira la foto de un trimestre y extrapola una línea recta, cuando lo que está pasando debajo es una curva.

Porque ¿de dónde salió el FCF negativo? De un capex de $5.79B en el trimestre, arriba 142% año contra año y $3.3B más que el trimestre anterior. Tesla no está quemando caja porque el negocio se esté deteriorando. La está quemando porque está construyendo la próxima plataforma: líneas de Cybercab, líneas de Optimus, la fab de chips, capacidad de energía. El capex del año va a superar los $25B. El operating cash flow, de hecho, creció 85% hasta $4.7B. La compañía cerró el trimestre con $43.5B en efectivo y facilidades para tomar prestado hasta $30B adicionales.

Déjenme decirlo con todas las letras: el EPS comprimido de hoy es el precio de entrada a la plataforma de mañana. Ese es el argumento completo de este artículo, y para defenderlo tengo que llevarlos a Santa Clara, año 2006.

II. Por qué FSD se parece al momento CUDA

En 2006 Jensen Huang tomó la decisión más rara de la historia reciente de la tecnología: metió CUDA en cada GeForce que Nvidia vendía. CUDA era una plataforma de computación paralela para un mercado que no existía —Jensen mismo lo llamaría después un “zero billion market”—, y desarrollarla costó más de $1B; entre 2006 y 2017 Nvidia invirtió cerca de $12B en I+D, buena parte hacia CUDA. Wall Street lo llamó capital mal asignado. En 2008 la acción cayó 80% y Jensen admitió después que la iniciativa casi quiebra a la compañía durante la crisis financiera. Entre 2007 y 2015 el negocio prácticamente no creció; había que creer en una aplicación futura de la computación de alto rendimiento que todavía no daba un dólar de revenue.

Y entonces, en 2012, llegó el trigger externo: Alex Krizhevsky e Ilya Sutskever entrenaron AlexNet con dos GPUs de Nvidia usando CUDA, y de repente CUDA era la única puerta al deep learning. Nvidia no tuvo que construir nada nuevo cuando llegó ese momento: la base instalada ya estaba sembrada en cada máquina vendida durante seis años. El resto es el retorno más famoso de la década.

Ahora junten los cables con Tesla. Hardware de FSD en cada auto vendido durante años, antes de que existiera un mercado de robotaxi que pagara por él. Capex masivo comprimiendo el EPS mientras se construye la plataforma. Una acción lateral durante cinco años —hoy en ~$311, más o menos donde estaba a finales de 2020— mientras los usage numbers (millas de robotaxi, suscripciones de FSD, GWh de energía, márgenes de servicios) componen debajo del precio plano. Es el mismo patrón, beat por beat.

¿Cuál es el AlexNet de Tesla? Mi apuesta: el primer earnings report en el que la línea de robotaxi sea materialmente grande. Todavía no llegó. Pero la base instalada ya está sembrada, y eso me lleva a la parte que de verdad importa.

Y hay un detalle que no es casualidad. La relación Jensen-Elon es real y es operativa. Cuando xAI levantó Colossus —100,000 GPUs H100 en Memphis— lo hizo, según Musk, en 122 días de principio a fin. Jensen, en el BG2 Pod, dijo que “hasta donde sé, solo hay una persona en el mundo que podría hacer eso; Elon es singular en su entendimiento de ingeniería y construcción y sistemas grandes y en marshalling de recursos; es simplemente increíble”. Eso no es un cumplido vacío. Significa que cuando Nvidia raciona el recurso más escaso del planeta —compute de frontera—, Elon corre al frente de la fila. Tesla no es un cliente cualquiera de GPUs; es el cliente que recibe allocation prioritaria.

III. La batalla de los nueves

Aquí está la parte que Wall Street no sabe modelar. Se llama la “march of nines”. Lograr que un carro autónomo funcione el 99% del tiempo es relativamente fácil. Llegar a 99.9% es diez veces más difícil. Y cada nueve adicional —99.99%, 99.999%, 99.9999%— cuesta exponencialmente más que el anterior, porque los edge cases que quedan son cada vez más raros y más difíciles. El problema es que el mercado es miope ante los problemas tech de este tipo: los trata como lineales cuando son exponenciales.

Al earnings call, Ashok Elluswamy, el jefe de IA de Tesla, dio la cifra: más de 380,000 millas unsupervised acumuladas, “un récord de seguridad impecable”, cero incidentes notables, ahora en siete ciudades —Austin, Dallas, Houston, Miami, Orlando, Tampa, y el Bay Area con safety driver— con Phoenix y Las Vegas en preparación. Y la guía que de verdad importa, en su voz: la flota corre versiones tempranas del software FSD v15, y “a medida que completemos v15, veremos que el carro va a ser ridículamente seguro y capaz”. Ashok también guió crecimiento compuesto de doble dígito semanal en millas unsupervised, con el tiempo de lanzamiento por ciudad tendiendo a cero.

Ahora la asimetría que me obsesiona. En Estados Unidos murieron unas 39,345 personas en accidentes de tránsito en 2024 —estimación temprana de la NHTSA (DOT HS 813 710), luego finalizada en 39,254, una caída de 3.8% frente a las 40,901 de 2023—. Casi cuarenta mil muertes, y ni un solo titular mundial. Pero un solo incidente de robotaxi es noticia global. Esa asimetría mediática es la razón por la que cada nueve vale tanto: Tesla no puede permitirse el error que un humano comete casi cuarenta mil veces al año sin consecuencias narrativas.

Comparen esto con Waymo, que es el estándar de oro actual. Waymo opera aproximadamente 2,500 Jaguar I-PACE a finales de 2025 en unos diez u once metros —según el análisis de Om Malik (om.co, 12 de febrero de 2026)—, con 127 millones de millas rider-only acumuladas hasta septiembre de 2025 y una reducción de 90% en accidentes con lesiones serias frente a conductores humanos, según el Safety Impact Data Hub de Waymo y el estudio de Kusano et al. (2025) en Traffic Injury Prevention. Es la mejor data de seguridad de la industria, punto. Pero miren la economía: según el co-CEO de Waymo Dmitri Dolgov, el hardware de la quinta generación agrega hasta $100,000 al costo de cada vehículo, llevando el total a alrededor de $175,000 por unidad (el I-PACE de fábrica ronda los $75,000). Tesla corre visión pura, cámaras que cuestan una fracción de eso por vehículo, sin el mapeo HD centímetro a centímetro que Waymo tiene que hacer ciudad por ciudad antes de lanzar. Y luego están los episodios que se volvieron meme: Waymos agrupándose y pitándose entre ellos en un parqueadero de San Francisco a las 4 de la mañana, o clusters de Waymos bloqueándose en una calle en Phoenix. Son anécdotas, sí, pero apuntan a un problema real de escalabilidad operativa.

Pero las millas de Waymo no se construyen igual que las de Tesla aqui la diferencia: las 380,000 millas de Tesla son millas unsupervised de robotaxi de verdad, pero los ~10,000 millones de millas de FSD que Tesla acumula (cruzó los 10B en mayo de 2026) son millas SUPERVISADAS —consumidores con las manos cerca del volante—, no millas driverless. No es lo mismo, y quien las mezcla está haciendo trampa. La ventaja de Tesla no es que tenga más millas driverless que Waymo; hoy tiene muchísimas menos. La ventaja es el data moat: miles de millones de millas de video del mundo real para entrenar la red neuronal, una base de datos que ningún competidor puede replicar sin desplegar millones de vehículos. Waymo tiene mejores millas driverless; Tesla tiene incomparablemente más data.

Aquí es donde entra el análisis de CERN Basher, un CFA que corrió los escenarios de scaling. Si la flota de robotaxi crece de forma compuesta —y subrayo que estos son ESCENARIOS, no forecasts— a 11% semanal, terminaríamos 2026 con ~500 vehículos y un run rate de $60-65M, y 2027 con ~80,000 vehículos y $14-15B de run rate. A 14.5% semanal: ~900 vehículos a fin de 2026, ~230,000 y ~$40B de run rate a fin de 2027. A 17% semanal: ~1,400 vehículos, y ~450,000 vehículos con $80B de run rate a fin de 2027. De 500 a 450,000 vehículos en dieciocho meses, si la exponencial aguanta. Ese “si” es todo el juego.

Y esto es exactamente lo que vamos a destripar en vivo. El 14 de octubre, en el Auditorio Fundadores de EAFIT en Medellín, hacemos el Día D —https://eldiad.10am.pro. Andre Joffroy está confirmado, y si hay alguien con quien quiero sentarme a discutir vehículos eléctricos y baterias es él y Ricardo Sierra el CEO de CELSIA. Los alpha tienen un cupón de descuento del 40% y lo encuentra al final del articulo.