Por qué la mala inversión, y no la sobreoferta de chips, podría poner fin al auge de la IA
La fiebre del oro de la inteligencia artificial está impulsada actualmente por un ciclo de gasto de capital sin precedentes, pero ha surgido una advertencia significativa sobre su sostenibilidad a largo plazo. Chris Wood, Jefe Global de Estrategia de Renta Variable de Jefferies, sugiere que el sector de la IA podría no terminar por falta de demanda, sino por una crisis de rentabilidad.
El riesgo de la mala inversión y la financiación circular
A diferencia de los ciclos tradicionales de semiconductores que suelen terminar debido a excesos repentinos de inventario o choques de suministro, Wood identifica la "mala inversión" como el principal riesgo para el sector de la IA. La preocupación central es que los hiperescaladores y los principales laboratorios de IA podrían no generar un retorno adecuado sobre los masivos gastos de capital (capex) que están emprendiendo.
Wood destaca un bucle de retroalimentación potencialmente precario dentro del ecosistema: acuerdos de financiación circular donde empresas como Nvidia proporcionan financiación a laboratorios de IA como OpenAI, que luego utilizan ese capital para comprar más chips de Nvidia. Si bien esto impulsa el crecimiento a corto plazo, crea una vulnerabilidad. Si los inversores comienzan a dudar de las capacidades de monetización a largo plazo de estas inversiones en IA, este bucle de retroalimentación podría desmoronarse bruscamente, provocando una pausa dolorosa en el mercado.
Capex masivo y la paradoja de Jevons
La escala de inversión que se está presenciando actualmente es histórica. TSMC ha elevado su previsión de capex para 2026 a aproximadamente 56.000 millones de dólares, frente a los 41.000 millones del año pasado, y algunas proyecciones sugieren que el gasto podría alcanzar los 65.000-70.000 millones de dólares para 2027. Este aumento ya ha impulsado significativamente la economía taiwanesa, con un crecimiento del PIB real del 14,55% interanual en el primer trimestre de 2026.
Wood analiza esto a través de la lente de la "paradoja de Jevons": la idea de que a medida que el coste de un recurso (en este caso, los tokens de computación) disminuye debido al aumento de la eficiencia, el consumo total de ese recurso aumenta en realidad. Esta paradoja beneficia a los actores de "picos y palas", específicamente a los proveedores de memoria y DRAM. Empresas como Micron ya están viendo este cambio estructural; Micron ha firmado 16 acuerdos estratégicos con clientes que cubren el 20% de su volumen de DRAM y un tercio de su volumen de NAND, a menudo con plazos de cinco años.
La comoditización de los modelos de IA
Otra presión creciente sobre la economía de los proveedores de IA premium occidentales es la rápida comoditización de los modelos de lenguaje de gran tamaño (LLM). El auge de modelos de alta calidad y bajo coste —particularmente de China— está desafiando el dominio de las empresas con sede en EE. UU.
Por ejemplo, el lanzamiento de GLM-5.2 de Z.ai ha sido descrito como casi igual a Anthropic para uso corporativo, pero a solo una cuarta parte del coste por token. Los datos de OpenRouter muestran un cambio significativo en el volumen; a finales de junio, los principales modelos de IA chinos procesaron 21,37 billones de tokens, superando significativamente los 5,76 billones de tokens procesados por los principales modelos estadounidenses. Esta afluencia de alternativas baratas y capaces ejerce una presión inmensa sobre los márgenes de beneficio de las empresas que lideran la carrera de la IA.
Conclusiones clave
- El riesgo principal: Es más probable que el fin del sector de la IA sea provocado por la percepción de una "mala inversión" y bajos retornos sobre el capex, en lugar de una sobreoferta tradicional de semiconductores.
- Cambio estructural en la memoria: Los proveedores de DRAM y memoria son actualmente los beneficiarios de "picos y palas" más protegidos, aprovechando acuerdos estratégicos a largo plazo para mantener su poder de fijación de precios.
- Amenaza de la comoditización: La rápida aparición de modelos de IA de bajo coste y alto rendimiento (especialmente de China) está convirtiendo el panorama de los LLM en un producto básico, amenazando los modelos de alto margen de los líderes de la IA en Occidente.