Por qué Nvidia se enfrenta a un cambio de mercado en medio del auge de la IA

El dominio de Nvidia en la revolución de la IA se enfrenta a un desafío paradójico: el mismo mercado de computación que ella misma lideró está empezando a jugar en contra de su valoración. Aunque las proyecciones de ingresos siguen siendo sólidas, un cambio en la dinámica de la oferta está desplazando el foco de atención desde la potencia de procesamiento hacia la capacidad de memoria.

La divergencia: caída de los precios de computación frente al aumento de los costes de DRAM

Nvidia ha experimentado una notable corrección de mercado, con su precio de las acciones cayendo un 15 % desde su máximo de mayo. Curiosamente, los inversores ahora valoran a Nvidia de forma más conservadora que la media de las empresas del S&P 500 en relación con sus beneficios proyectados. Este cambio está impulsado por una transformación fundamental en la fijación de precios de los elementos esenciales de la IA.

Según datos de Ornn, el precio spot por una hora de uso de una GPU Nvidia H100 alcanzó su máximo en mayo con aproximadamente 3,20 $, y desde entonces ha entrado en un descenso constante. Por el contrario, el mercado de la memoria está experimentando la trayectoria opuesta. Micron, líder en la producción de DRAM (memoria dinámica de acceso aleatorio), casi ha triplicado su valor a medida que la industria se da cuenta de que la memoria, y no solo el procesamiento, es el verdadero cuello de botella para los centros de datos modernos.

El auge del cuello de botella de la memoria

Si bien el éxito de Nvidia se basa en proezas tecnológicas altamente complejas —como la plataforma de programación CUDA y la ingeniería de GPUs increíblemente intrincadas—, el mercado de la memoria se rige por una dinámica económica diferente. La construcción masiva de centros de datos de IA ha provocado una subestimación generalizada del ancho de banda de memoria necesario.

La demanda de memoria de alto ancho de banda (HBM) está superando la oferta, lo que permite a los fabricantes de memoria multiplicar sus precios por diez en el último año. Como señala Wayne Nelms, cofundador y CTO de Ornn, la industria está viendo una afluencia masiva de actores en el espacio de los aceleradores, pero casi nadie está entrando en el sector de la fabricación de DRAM. Esto crea un desequilibrio estructural: la potencia de computación se está convirtiendo cada vez más en un producto genérico (commodity), mientras que la memoria sigue siendo una necesidad escasa y de alto margen.

Silicio personalizado y el fin de los monopolios

Un factor determinante tras la caída del precio de la computación es la tendencia de las grandes tecnológicas (Big Tech) hacia la independencia del silicio. Gigantes como Google, Amazon, Microsoft y OpenAI están desplegando cada vez más sus propios procesadores diseñados a medida.

Aunque estos chips propietarios pueden no igualar el rendimiento bruto de los modelos insignia de Nvidia, son "suficientemente buenos" para satisfacer las necesidades de los despliegues a gran escala. Esta diversificación del panorama del hardware está reduciendo eficazmente el precio spot de la computación, disminuyendo el poder de fijación de precios de Nvidia. A medida que más empresas entran en el mercado de aceleradores para reducir su dependencia de Nvidia, el "foso de computación" (compute moat) que antes protegía los márgenes de Nvidia está siendo superado por el silicio especializado desarrollado internamente.

El impacto en el panorama general de la IA

Este cambio señala una fase de maduración del ciclo de infraestructura de la IA. La "fiebre del oro" inicial se centró en adquirir las GPUs más potentes posibles. Ahora estamos entrando en una fase de optimización, donde el enfoque se desplaza hacia la eficiencia del movimiento de datos —que está regido por la memoria— en lugar de centrarse solo en la velocidad bruta de cálculo. Para desarrolladores y fundadores, esto significa que la importancia arquitectónica de la gestión de la memoria y la eficiencia de la HBM probablemente será tan crítica como la elección de la GPU.

Conclusiones clave

• Commoditización de la computación: La proliferación de silicio personalizado por parte de los hiperescaladores (Google, AWS, etc.) está reduciendo el precio spot de la potencia de computación de las GPU.
• La memoria como el nuevo cuello de botella: La demanda de DRAM y de memoria de alto ancho de banda (HBM) supera la oferta, convirtiendo a empresas de memoria como Micron en los nuevos beneficiarios de alto crecimiento de la inversión en IA.
• Desequilibrio estructural del mercado: A diferencia del mercado de las GPU, que ve la entrada constante de nuevos competidores, el mercado de la memoria tiene altas barreras de entrada, lo que garantiza que los costes de la memoria sigan siendo elevados mientras los precios de la computación se estabilizan.