Goldman Sachs y SemiAnalysis chocan sobre la valoración de la infraestructura de IA y los futuros ganadores

En los últimos dos años, el trading de IA ha dominado casi por completo el mercado de acciones global.

NVIDIA, equipos de semiconductores, HBM, empaquetamiento avanzado, centros de datos, equipos eléctricos, transformadores, refrigeración, turbinas de gas: todos los activos que puedan integrarse en la cadena de infraestructura de IA han sido reevaluados repetidamente por el mercado. Esta operación no ha perdido validez; por el contrario, ha aumentado hasta obligar a los inversores a enfrentar un problema más difícil: ¿los ganadores de la primera etapa de la cadena de IA ya han sido recompensados al máximo por el mercado? ¿Pueden seguir subiendo?

Dos informes de Goldman Sachs y SemiAnalysis se encuentran justo en este cruce.

La evaluación de James Covello de Goldman Sachs es más cautelosa: la primera fase de la infraestructura de IA ya está completamente preciada; los chips y las cadenas de “vender palas” se han llevado demasiadas ganancias seguras, pero el ROI en el lado empresarial aún no se ha generalizado, y la presión sobre el flujo de efectivo de los proveedores de nube también está aumentando. Siguiendo esta lógica, la próxima mejor operación relativa no es seguir persiguiendo semiconductores, sino apostar por proveedores de nube de gran escala y semiconductores de menor configuración.

La respuesta de SemiAnalysis es casi lo opuesto: si la IA agente realmente convierte los tokens en medios de producción, y los márgenes brutos de los laboratorios de modelos comienzan a mejorar, y los modelos de vanguardia aún mantienen poder de fijación de precios, entonces la infraestructura de IA no está "sobrevaluada", sino que aún no se ha revalorizado completamente según el nuevo valor de los tokens. NVIDIA, TSMC, memoria, Neocloud y los laboratorios de modelos aún tienen razones para seguir captando valor adicional.

Esta no es una discusión sobre si la IA tiene futuro.

El gasto en capital de la IA sigue aumentando, y las acciones de infraestructura de IA tampoco se han enfriado. La verdadera pregunta ahora es: ¿la capa de chips ya ha retenido las primeras ganancias en sus libros, y el mercado ahora se debate sobre si estas ganancias ya están plenamente preciadas? Si la IA agente continúa amplificando el valor de los tokens, ¿la próxima ola de ganancias adicionales seguirá reteniéndose en la capa de hardware, o comenzará a redistribuirse hacia los laboratorios de modelos, los proveedores de nube y la capa de software empresarial?

Lo más contundente del informe de Goldman Sachs no es cuestionar el crecimiento de usuarios de IA ni negar el progreso tecnológico.

Covello reconoció primero dos cosas: la adopción de IA por parte de los consumidores ha sido más rápida de lo que esperaban; los proveedores de nube, aunque enfrentan presión en sus acciones, no han reducido los gastos de capital en IA como se anticipaba, sino que continúan aumentando su inversión. La IA no se ha enfriado, ni los gastos de capital han retrocedido.

Pero Goldman Sachs ve más lejos.

Los consumidores utilizan IA, pero muchos aún se mantienen en el nivel gratuito. El crecimiento de usuarios puede demostrar el atractivo del producto, pero no puede pagar directamente las facturas de GPU, centros de datos, electricidad, red e inferencia de modelos. El sector empresarial es clave para determinar si la economía de la IA puede cerrarse: la disposición de las empresas a pagar de forma continua, su capacidad para reducir costos, aumentar ingresos y mejorar la productividad mediante la IA, decidirá si toda la cadena puede soportar a largo plazo los gastos de capital actuales.

La respuesta de Goldman Sachs es cautelosa.

El informe señala que las empresas ya han realizado grandes inversiones en IA generativa, pero muchas organizaciones aún no han obtenido retornos verificables; al mismo tiempo, el gasto global en TI sigue aumentando, y la IA no ha reducido los presupuestos tecnológicos empresariales en su conjunto. Para los inversores, esto plantea un problema muy real: las empresas están comprando, probando y discutiendo IA, pero la IA aún no ha ingresado de manera generalizada a los estados de resultados.

Esto contrasta fuertemente con las ganancias de la cadena de infraestructura de IA.

Las empresas de chips ya están generando ganancias, y las empresas relacionadas con almacenamiento, energía y centros de datos han sido reevaluadas repetidamente por el mercado. Por otro lado, los proveedores de nube asumen los gastos de capital. Los gastos en construcción de centros de datos, adquisición de GPU, conexión eléctrica, equipos de red y racks de servidores recaen inicialmente en los proveedores de nube. Según un informe de Goldman Sachs, los proveedores de nube a gran escala ya han agotado parte de su excedente de efectivo operativo y han comenzado a financiar la construcción de centros de datos mediante deuda, con la emisión de deuda para centros de datos duplicándose hasta alcanzar los 182.000 millones de dólares en 2025.

This is the imbalance according to Goldman Sachs.

En el ciclo normal de la industria de semiconductores, cuando las empresas de chips ganan mucho dinero, generalmente indica que sus clientes también están expandiéndose. Cuando los clientes ganan dinero, siguen comprando chips, y las empresas de chips continúan prosperando. Esta ola de IA es más complicada: los beneficios en la cadena de chips son los más claros, pero los retornos en las capas de clientes y aplicaciones aún no son tan evidentes.

Por lo tanto, el juicio de Goldman Sachs no es que "la IA no sirva", sino que "el modelo de reparto actual es difícil de extrapolar linealmente a largo plazo".

Las empresas de semiconductores ya han asegurado las ganancias más seguras de la primera fase. El problema es si los clientes aguas abajo tienen suficientes ganancias para seguir financiando estos altos gastos de capital y concentración de ganancias en la cadena de suministro.

La recomendación de trading de Goldman Sachs parece contraintuitiva: estar más positivo sobre los grandes proveedores de nube y menos positivo sobre los semiconductores.

Hay dos caminos detrás de esto.

En la primera vía, el ROI de la IA empresarial comienza a materializarse. Cuando las empresas demuestren que la IA genera ingresos, eficiencia y ventajas de costos, el mercado reevaluará los gastos de capital de los proveedores de nube. Las inversiones anteriormente consideradas como una carga para el flujo de efectivo libre se transformarán nuevamente en ingresos futuros y control de la plataforma. La valoración de los proveedores de nube se recuperará, y el sector de semiconductores también se beneficiará; sin embargo, dado que el sector de semiconductores ya ha sido ampliamente recompensado por el mercado, su elasticidad relativa no necesariamente será mayor.

Segunda vía: el ROI empresarial sigue siendo difícil. Los proveedores de nube reducen el gasto de capital bajo presión de flujo de efectivo y de los inversores; el mercado recompensará una mejor disciplina en el flujo de efectivo. La cadena de semiconductores enfrentará una revisión a la baja de las expectativas de pedidos.

Goldman Sachs considera que ambas vías respaldan la idea de que "los proveedores de nube son más favorables que los semiconductores". El escenario que haría fracasar esta inversión sería la tercera vía: la ROI empresarial sigue siendo incierta, pero los proveedores de nube continúan aumentando sus inversiones sin considerar costos, mientras que los semiconductores siguen absorbiendo la mayor parte de las ganancias de la cadena de valor.

Esto es exactamente el estado más familiar para el mercado en los últimos dos años.

Precisamente por eso, el enfoque del informe de Goldman Sachs no es la tecnología de IA, sino la valoración del mercado. Los beneficios de la infraestructura de IA ya han sido ampliamente negociados, al igual que las desventajas de los proveedores de nube. El próximo paso para el mercado es observar si estas dos tendencias se invierten.

SemiAnalysis aborda el tema desde una perspectiva completamente diferente.

No niega que, entre 2023 y 2025, el valor de la IA fluyó principalmente hacia la infraestructura. NVIDIA, la electricidad, los centros de datos y el almacenamiento fueron sin duda los grandes ganadores de la primera fase. Las empresas de modelos y los proveedores de inferencia no se sintieron cómodas al principio, y muchos productos de IA parecían ser simplemente cuadros de búsqueda mejorados, con márgenes brutos que distaban mucho de ser atractivos.

Pero SemiAnalysis considera que, a partir de finales de 2025, las cosas cambiaron.

Los cambios provienen de la IA agente.

Los tokens anteriores eran más como un "costo de pregunta-respuesta". El usuario hacía una pregunta y el modelo respondía una vez. Podía ahorrar tiempo, pero su límite de valor era limitado. Ahora, los tokens comienzan a integrarse en flujos de trabajo complejos: escribir código, crear modelos financieros, generar paneles de control, analizar estados financieros, organizar datos y elaborar gráficos.

SemiAnalysis utiliza su propia empresa como ejemplo. Sus analistas ya utilizan agentes diariamente para procesar tareas de investigación y modelado, tareas que anteriormente requerían muchas horas de analistas juniors o simplemente no tenían espacio en el flujo de trabajo. El artículo revela que el gasto anual en tokens en Anthropic Claude de SemiAnalysis llegó a alcanzar los 10,95 millones de dólares, lo que representa aproximadamente el 30% del salario de los empleados.

Este conjunto de números no necesariamente representa a todas las empresas, pero representa un cambio en un tipo de usuario marginal.

Para los consumidores comunes, las suscripciones de IA pueden ser simplemente herramientas de unos pocos dólares al mes. Para los profesionales de conocimiento de alto rendimiento, los tokens comienzan a convertirse en medios de producción.

Tokens que cuestan unos pocos o decenas de dólares no solo compran unos pocos párrafos de texto, sino también modelos, gráficos, código, limpieza de datos, análisis de estados financieros e incluso tareas que antes nunca se ejecutarían. La forma en que los usuarios perciben el costo de la IA también cambiará: ya no solo preguntarán “¿cuánto cuesta por millón de tokens?”, sino también “¿cuánto trabajo humano reemplazan estos tokens y cuánto aumento de producción generan?”.

Este es el punto de divergencia entre SemiAnalysis y Goldman Sachs.

Goldman Sachs ve que el ROI promedio de las empresas aún no está claro. SemiAnalysis ve que los usuarios más fuertes ya están consumiendo grandes cantidades de tokens y están dispuestos a pagar por modelos más potentes.

La segunda evaluación clave de SemiAnalysis es que la economía por unidad de los laboratorios de modelos está mejorando.

This contrasts with past market concerns.

Anteriormente, las empresas de modelos se consideraban atrapadas entre los fabricantes de chips y los proveedores de nube. Sus ingresos crecían rápidamente, pero los costos de entrenamiento e inferencia crecían aún más rápido. Cuantos más usuarios, mayores eran los costos. Cuanto más potente era el modelo, mayor era el gasto de capital. Este modelo parecía ser de alto crecimiento, baja margen y alto consumo de efectivo.

La IA agente cambió esta tabla.

• En términos de precios, los modelos de vanguardia pueden realizar tareas de mayor valor, y los usuarios están dispuestos a pagar una prima por modelos más potentes.
• En el lado de los costos, la iteración del hardware, la optimización de inferencia, los mecanismos de caché y la ingeniería de software reducen continuamente el costo por token unitario.
• En la parte del producto, las empresas de modelos pueden establecer precios diferenciados mediante SKU más avanzados, respuestas más rápidas y mayor capacidad de razonamiento.

SemiAnalysis señala que, en el caso de ejecutar DeepSeek en el B300, diferentes combinaciones de optimizaciones de software pueden aumentar el rendimiento del mismo hardware de aproximadamente 1000 a 8000 tokens/segundo/GPU hasta aproximadamente 14000 tokens/segundo/GPU. Al combinar la actualización de hardware, la configuración optimizada GB300 NVL72 ofrece un rendimiento aproximadamente 17 veces mayor que el H100 en FP8; si se cambia a FP4, que no es nativamente compatible con Hopper, la diferencia puede alcanzar 32 veces, mientras que el costo total de propiedad por GPU solo aumenta aproximadamente un 70%.

Esto significa que el laboratorio de modelos puede aumentar el valor económico del token mientras reduce el costo de producción del token.

SemiAnalysis indica que el ARR de Anthropic aumentó de 9.000 millones a más de 44.000 millones de dólares, y la margen bruta de infraestructura de inferencia subió del 38% al más del 70%. Incluso con la caída de los precios de los modelos, el aumento del uso de modelos de gama alta, la mejora en la tasa de aciertos de caché y la eficiencia del hardware podrían impulsar una expansión continua de la margen bruta.

Si este juicio es válido, la segunda fase de la cadena de valor de la IA ya no será solo "los chips siguen ganando" o "la recuperación de los proveedores de nube".

El laboratorio de modelos se convertirá de una capa de gasto en una nueva capa de captura de valor.

Goldman Sachs y SemiAnalysis aparentemente disputan el ROI de la IA, pero en realidad disputan qué muestra representa mejor el futuro.

Goldman Sachs mira a las empresas promedio.

Estas empresas tienen sistemas de datos complejos, cargas históricas de TI, gestión de permisos, requisitos de cumplimiento y procesos de aprobación. Muchas empresas, para justificar ante el mercado y la junta directiva su estrategia de IA, primero implementan chatbots, asistentes internos y proyectos piloto. El gasto es real, pero los procesos de negocio no necesariamente cambian. Sin cambios en los procesos, es difícil que el ROI aparezca en los estados financieros.

Esta es la razón por la que Goldman Sachs enfatiza la estructura de datos y la capa de orquestación.

Una empresa minorista sin integrar inventario, perfiles de clientes y sistemas de recomendación puede ver que su servicio de IA recomiende un producto agotado. Una empresa sin una capa de enrutamiento de modelos puede asignar consultas simples al modelo más caro y avanzado, haciendo que los costos se descontrole. Los obstáculos para la implementación de la IA ya no son solo la insuficiente potencia de los modelos, sino que las empresas aún no están preparadas para integrar los modelos en sus sistemas operativos.

SemiAnalysis observa a los usuarios marginales.

Las tareas de investigación, código, modelado, gráficos y análisis de estados financieros son naturalmente adecuadas para agentes. Son altamente textuales, digitales y estructuradas, los resultados son fáciles de evaluar y los usuarios tienen la capacidad de integrar la IA en sus flujos de trabajo. Tales organizaciones verán un ROI más temprano que las empresas comunes y estarán más dispuestas a aumentar el consumo de tokens.

El mercado de capitales debe determinar si esta muestra líder se extenderá.

Si SemiAnalysis solo observa valores atípicos de unos pocos usuarios superiores, el marco de Goldman Sachs prevalecerá. El gasto en capital de IA se verá cada vez más limitado por el flujo de efectivo, la cadena de semiconductores necesita absorber expectativas altas, y los proveedores de nube podrían obtener retornos relativos gracias a la disciplina en gastos y la compresión de valoraciones.

Si lo que SemiAnalysis está viendo son indicadores adelantados de la víspera de una expansión, el mercado no puede descartar la cadena de IA basándose en el bajo ROI de las empresas promedio hoy. Una vez que la IA agente se integre en más flujos de trabajo de oficina, la demanda de tokens, los ingresos de los modelos, los ingresos en la nube y la demanda de hardware aumentarán simultáneamente.

Este juicio es más importante que "estar largo en IA o corto en IA". El mercado nunca negocia promedios estáticos, sino si los cambios marginales pueden convertirse en tendencia dominante.

La mayor divergencia de capital entre Goldman Sachs y SemiAnalysis finalmente se centra en NVIDIA y la cadena de semiconductores.

La perspectiva de Goldman Sachs es directa: los semiconductores ya han captado las ganancias más grandes y más seguras de la primera fase. Después de que el mercado incorpore la lógica de "vender picos", la relación riesgo-retorno comienza a empeorar. Si los gastos de capital de los proveedores de nube se relajan, la cadena de semiconductores enfrentará presiones simultáneas sobre su valoración y sus órdenes.

SemiAnalysis considera que NVIDIA y TSMC controlan los recursos más escasos de la era de la IA, pero aún no los han valorado completamente según su verdadero valor.

El artículo señala que los precios de la memoria aumentaron aproximadamente seis veces en el último año, y el precio del contrato de alquiler de H100 a un año de Neocloud aumentó aproximadamente un 40% desde el mínimo de octubre de 2025. Al mismo tiempo, NVIDIA y TSMC no han reajustado sus precios tan rápidamente como lo hicieron los valores de los tokens aguas abajo.

SemiAnalysis llama al ecosistema de IA de NVIDIA el "banco central".

Esta analogía es muy acertada. NVIDIA controla la liquidez de la capacidad de cómputo. Tiene la capacidad de aumentar los precios, pero no puede agotar todo el sistema. Si sube demasiado los precios, estimulará a los clientes a acelerar su transición hacia ASIC, TPU y Trainium propios, y también generará presión regulatoria. TSMC es similar. Los nodos avanzados son extremadamente escasos, pero durante mucho tiempo ha priorizado las relaciones con los clientes y la estabilidad del ecosistema, y no intentará monetizar toda su escasez de una sola vez durante los períodos de auge.

La contención no significa que no haya espacio.

Rubin VR NVL72 es una evidencia clave según SemiAnalysis para determinar que NVIDIA aún mantiene poder de fijación de precios. Según su modelo, Neocloud necesitaría un alquiler de aproximadamente 4,92 dólares/hora/GPU para que el proyecto VR NVL72 alcance una TIR del 15,6% similar al proyecto GB300; si se calcula según el precio de alquiler por PFLOP del GB300, el techo teórico de VR NVL72 sería de aproximadamente 12,25 dólares/hora/GPU; incluso con un valor más conservador de 0,55 dólares/PFLOP, se corresponde con aproximadamente 9,63 dólares/hora/GPU, casi el doble del umbral de precio basado en costos.

El significado aquí es claro: mientras el valor del token aguas abajo siga aumentando, el nuevo sistema de NVIDIA aún tiene margen para aumentar los precios, Neocloud aún podría ganar dinero y los usuarios finales aún podrían aceptarlo.

La divergencia entre Goldman Sachs y SemiAnalysis se ha vuelto aguda.

Goldman Sachs considera que los beneficios exclusivos del sector de semiconductores no son sostenibles, ya que la cadena de valor inferior aún no tiene suficientes utilidades.
SemiAnalysis cree que el depósito de beneficios aguas abajo está creciendo, por lo que la capa de hardware no está ganando demasiado, sino que aún no está cobrando completamente según su valor.

La única variable que determina el resultado es si el nuevo fondo de beneficios creado por la IA es lo suficientemente grande como para sostener simultáneamente el laboratorio de modelos, los proveedores de nube, Neocloud, NVIDIA, TSMC, el almacenamiento y la cadena de energía.

El pastel no es lo suficientemente grande; Goldman Sachs gana.

El pastel sigue creciendo, SemiAnalysis gana.

El proveedor de nube es la capa más incómoda en esta discusión.

Son tanto los mayores compradores de gastos de capital como las plataformas más propensas a monetizar la demanda de IA. Están siendo presionadas por NVIDIA, almacenamiento y la cadena eléctrica, pero también cuentan con clientes empresariales, servicios en la nube, API de modelos, chips propios y ecosistema de software.

Goldman Sachs es alcista con los proveedores de nube porque el mercado ya ha incorporado muchos aspectos negativos. El gasto en capital restringe el flujo de efectivo libre, los inversores cuestionan el ROI de la IA y las valoraciones están bajo presión. Si se presenta cualquiera de las dos situaciones siguientes, los proveedores de nube tendrán una vía de recuperación: la materialización de los ingresos por IA empresarial o la reducción del gasto en capital.

SemiAnalysis analiza a los proveedores de nube desde el lado de la demanda. Mientras la demanda de tokens siga creciendo, los laboratorios de modelos y los clientes corporativos necesitarán más capacidad de cómputo. La capacidad de cómputo está limitada por procesos avanzados, memoria, electricidad y sistemas a nivel de rack. Lo que más preocupa a los compradores no es el precio, sino no poder obtenerla.

Por lo tanto, los proveedores de nube no son simplemente víctimas ni ganadores automáticos.

Deben demostrarse mediante los estados financieros que el gasto en capital de IA se puede convertir en ingresos, ganancias y fidelización de clientes. Si el crecimiento del negocio en la nube vuelve a acelerarse, si la divulgación de ingresos de IA es más clara, si se puede aumentar la utilización de inferencia, si los chips propios pueden reducir la dependencia de NVIDIA, y si los clientes empresariales pasan de pruebas piloto a implementaciones a largo plazo, y si el flujo de efectivo libre se ha estabilizado, estos indicadores serán más importantes que antes.

La mejora de estos indicadores fortalecerá la lógica alcista relativa de Goldman Sachs respecto a los proveedores de nube.

Estos indicadores no mejoran aún, y los proveedores de nube siguen siendo una capa presionada por el gasto de capital entre NVIDIA y los clientes empresariales.

La énfasis en "estructuras de datos" y "capa de orquestación" en el informe de Goldman Sachs podría ser la parte más cercana a la realidad empresarial.

La IA empresarial no se quedará para siempre en los empleados abriendo un cuadro de chat para hacer preguntas. La IA con verdadero impacto financiero debe integrarse en atención al cliente, ventas, finanzas, compras, I+D, gestión de riesgos, cadena de suministro y operaciones de TI. Cada proceso tiene datos, permisos, cumplimiento, aprobaciones, sistemas históricos y límites de responsabilidad.

No importa cuán fuerte sea el modelo, no puede saltarse estas cosas.

Aquí es donde la capa de software empresarial vuelve a cobrar importancia. Las tareas de bajo riesgo y alta frecuencia pueden delegarse a modelos ligeros o de código abierto; solo las tareas de alto riesgo y alto valor requieren modelos de vanguardia. Se necesita una capa intermedia que determine el tipo de tarea, invoque los datos, controle los permisos, seleccione el modelo, monitoree los costos y escriba los resultados de nuevo.

• Las ventajas de las empresas tradicionales de SaaS son la experiencia industrial, las relaciones con los clientes, el acceso a los datos y la acumulación de flujos de trabajo. Las desventajas son la deuda técnica y la velocidad de iteración.
• Las ventajas de las empresas nativas de IA son la velocidad del producto, la capacidad de llamada al modelo y la estructura de costos. Las desventajas son la falta de acceso empresarial y contexto industrial.
• La ventaja de la empresa de modelos de vanguardia es la inteligencia más potente. La desventaja es la falta de control sobre los procesos empresariales.

La capa de software no será simplemente consumida por la IA. Las empresas de software que no controlen los datos ni el control de procesos podrían ser abstraídas por los modelos. Las empresas de software que dominen la estructura de datos, los flujos de trabajo y la enrutación de modelos, en cambio, tendrán la oportunidad de convertir la IA en un mercado más grande, pasando de vender asientos a vender productividad.

La capacidad de extender el ROI empresarial desde muestras de usuarios fuertes como SemiAnalysis hasta empresas generales depende en gran medida de este nivel.

En el pasado, la pregunta sobre el comercio de IA era: ¿quién está más cerca de la potencia de cálculo?

Esta pregunta es demasiado general ahora.

En la próxima fase, el mercado preguntará por variables más detalladas.

En primer lugar, ¿continuará aumentando el valor del token? Si la IA agente se extiende desde el código, la investigación y el análisis hacia más flujos de trabajo de oficina, los laboratorios de modelos y las cadenas de razonamiento seguirán siendo reevaluados.

En segundo lugar, si el margen bruto del laboratorio de modelos continúa mejorando. El crecimiento de los ingresos ya no es suficiente; el mercado observará los costos de inferencia, la eficiencia de la caché, la actualización de SKU y el poder de fijación de precios de los modelos de vanguardia.

Tercero, ¿pueden los proveedores de nube convertir los gastos de capital en ingresos? El gasto de capital en IA ya no se considera automáticamente positivo; solo el gasto de capital que se traduzca en ingresos de nube, márgenes brutos de inferencia y contratos empresariales será recompensado por el mercado.

Cuarto, ¿puede NVIDIA seguir aumentando los precios debido a cuellos de botella a nivel de sistema? La GPU es solo la primera capa; Rubin, SOCAMM, red, sistemas a nivel de rack, pila de software y capacidad de adquisición de la cadena de suministro determinan si NVIDIA puede seguir cobrando comisiones.

Quinto, ¿pueden TSMC y el almacenamiento volver a valorar la escasez? Los nodos avanzados, HBM, DRAM, SOCAIMM y el empaquetado avanzado, si siguen siendo cuellos de botella en la oferta, no perderán fácilmente su valor en la parte superior de la cadena.

Sexto, ¿pueden las empresas de software obtener la entrada para la implementación de IA? Las empresas de software sin entrada de proceso serán comprimidas, mientras que aquellas con entrada, datos y capacidad de orquestación podrían volverse más valiosas.

The AI infrastructure trade has not expired.

Subió demasiado rápido, lo que provocó la divergencia entre Goldman Sachs y SemiAnalysis.

Goldman Sachs advierte al mercado que los beneficios de la cadena de chips ya han sido completamente aprovechados. Si el ROI de las empresas no llega pronto, el flujo de efectivo de los proveedores de nube repercutirá negativamente en los gastos de capital, y el modelo de ganancias exclusivas del sector semiconductores será corregido.

SemiAnalysis advierte al mercado que no se debe usar la experiencia con la IA en 2024 para juzgar la IA agente en 2026. Los tokens están convirtiéndose en medios de producción, los laboratorios de modelos están mejorando los márgenes brutos, la oferta de capacidad de cómputo sigue siendo limitada, y NVIDIA y TSMC aún podrían no haber valorado completamente su valor.

Al poner juntas estas dos evaluaciones, el enfoque del trading de IA ya ha cambiado.

En los últimos dos años, el mercado ha recompensado los activos escasos. A continuación, el mercado observará quién puede mantener de forma sostenible el valor económico creado por la IA en su estado de resultados.

Si SemiAnalysis está viendo un punto de inflexión marginal, el pastel de la cadena de IA seguirá creciendo, y los laboratorios de modelos, los proveedores de nube, NVIDIA, TSMC, la cadena de almacenamiento y la cadena eléctrica tienen motivos para seguir repartiendo beneficios.

Si Goldman Sachs ve una realidad más cercana al promedio de las empresas, el gasto de capital se encontrará primero con el flujo de efectivo; la cadena de semiconductores necesita absorber expectativas excesivas, mientras que los proveedores de nube obtienen mejores retornos relativos debido a la compresión de valoraciones y una posible disciplina en los gastos.

El estado más probable ahora, entre ambos.

Los usuarios más fuertes ya han comenzado a comprar tokens masivamente, mientras que las empresas comunes aún no han terminado de hacer sus cuentas. El mercado de capitales primero reaccionará a los cambios marginales generados por los usuarios más fuertes, y luego esperará a que las empresas promedio validen con sus estados financieros. Cuanto más rápido sea la validación, más cerca estará el mundo de SemiAnalysis; cuanto más lenta sea, mayor será la probabilidad de éxito de las operaciones de Goldman Sachs.

La "pala" de IA aún domina el mercado, pero la pregunta ha pasado de "quién vende las palas" a otro libro contable: ¿quién ya ha ganado suficiente, quién aún puede seguir aumentando los precios y quién se convertirá en el verdadero cobrador de la próxima capa?