Morgan Stanley publicó un informe que indica que el lanzamiento de GPT-6 Astra cambiará la dirección del debate del mercado. Astra representa un avance sustancial en capacidad de razonamiento, capacidad de ingeniería, uso de computadoras y ejecución de tareas en el mundo físico, lo que implica que la IA se expande desde interacciones simples hasta la ejecución de tareas complejas.

Autor del artículo: Long Yue

Fuente: Wall Street Journal

El lanzamiento de un modelo está cambiando la dirección del debate del mercado.

Durante los últimos meses, el mercado ha debatido una pregunta: “¿Cuánta infraestructura se necesita para satisfacer la demanda conocida de IA?” La implicación de esta pregunta es: ¿la infraestructura de IA ya ha sido sobredimensionada?

Pero según el equipo de trading Zhui Feng, el informe publicado por Morgan Stanley el 7 de septiembre indica que la importancia de GPT-6 Astra no debe entenderse simplemente como una continuación de la narrativa de escalado. Esto no es otro upgrade de modelo.

Astra representa un salto sustancial en la amplitud de capacidades y la interoperabilidad, manifestado en cuatro direcciones: capacidad de razonamiento, capacidad de ingeniería, uso de computadoras y ejecución de tareas en el mundo físico. Esto significa que la IA comienza a trascender hacia la capacidad de realizar razonamientos complejos, tareas de ingeniería especializadas, operar directamente computadoras y manejar tareas en el mundo real. Cuantas más cosas pueda hacer, más escenarios rentables surgirán. OpenAI también indicó en su último artículo que los modelos mejores abren nuevos "campos de trabajo".

La narrativa de la IA vuelve a centrarse en las limitaciones físicas tras la discusión sobre la demanda

La aparición de Astra podría cambiar el problema central del mercado de "¿Cuánta infraestructura se necesita para satisfacer las demandas conocidas de IA?" a "¿Cuántas nuevas cargas de trabajo se volverán económicamente viables a medida que aumente la inteligencia de los modelos?"

Esta es una pregunta con dirección completamente opuesta. La primera cuestiona la demanda, mientras que la segunda ejerce presión sobre la oferta.

Los analistas presentan en el informe una lógica económica central: mejores modelos generan un efecto de elasticidad; cuanto mayor sea la inteligencia y utilidad que la IA obtiene por cada dólar gastado, mayor será la cantidad, duración y complejidad de las cargas de trabajo de razonamiento.

Esto es similar al clásico “paradójica de Jevons”: el aumento de la eficiencia no reduce el consumo, sino que lo amplía. El aumento de la producción inteligente por unidad de costo → escenarios previamente inviables se vuelven factibles → surgen nuevas cargas de trabajo → la demanda de capacidad de cómputo e infraestructura aumenta.

Los analistas consideran que si las capacidades de Astra se traducen en aplicaciones comercialmente útiles, el mercado de ingresos de IA alcanzable se expandirá significativamente, mucho más allá de los escenarios de uso actuales centrados en chat y codificación.

Morgan Stanley estima que el TAM global del trabajo conocimiento es de aproximadamente 22.5 billones de dólares estadounidenses (basado en 900 millones de trabajadores del conocimiento a nivel mundial, con un salario promedio anual de aproximadamente 25,200 dólares estadounidenses); el TAM del gasto del consumidor es de aproximadamente 30 billones de dólares estadounidenses, que abarca comercio minorista y viajes (aproximadamente 16 billones de dólares estadounidenses), conducción autónoma/movilidad (aproximadamente 4 billones de dólares estadounidenses), entrega de alimentos (aproximadamente 4 billones de dólares estadounidenses) y publicidad (aproximadamente 3 billones de dólares estadounidenses).

La conclusión del analista es que la aparición de Astra ha desplazado la narrativa del cuello de botella desde la "formación de la demanda" de vuelta a las "limitaciones físicas de la oferta": es decir, si se pueden entregar estas inteligencias a escala.

¿Qué se refiere exactamente? Poder de cálculo. Electricidad. Materiales. Mano de obra. Etc.

¿Dónde están exactamente los cuellos de botella físicos: ABF y HBM4E?

La tensión en el lado de la oferta tiene dos puntos de acción concretos.

El primero es la sustrato ABF.

Morgan Stanley estima que los sustratos ABF experimentarán una escasez de oferta y demanda a partir de 2027, y que esta brecha se ampliará continuamente hasta 2030. La restricción clave es que la nueva capacidad requerirá al menos 2 años para entrar en operación.

El segundo es la complejidad del proceso posterior (BEOL) de HBM4E.

El informe indica que el proceso posterior de HBM4E representa un importante cambio de paradigma en la fabricación de semiconductores: HBM evoluciona desde un apilamiento 3D dedicado de memoria hacia un sistema lógico personalizado altamente integrado basado en Chiplets.

Cadena de impacto específica:

• El aumento en el número de capas de interconexión HBM4E (como la introducción de dummy bump por SK Hynix) obligará a una gran parte del gasto en capital de DRAM a destinarse a la expansión de la capacidad BEOL.
• Los gastos de capital por la migración del proceso en la etapa frontal (FEOL) y el crecimiento de la salida de GB de DRAM se espera que se logren a partir del segundo semestre de 2027.
• Los fabricantes de DRAM priorizan el uso de capacidad de producción, por lo que la expansión de la capacidad de NAND podría retrasarse

Las características comunes de estos dos cuellos de botella: son restricciones físicas verificables y rastreables, no emociones del mercado.

Electricity: The most real physical bottleneck

Con el aumento de la presión regulatoria sobre los centros de datos, el suministro de energía se convierte en otro cuello de botella físico clave. Los analistas prevén que la capacidad total de cómputo de los proveedores de nube de gran escala aumentará de aproximadamente 35 GW en 2025 a aproximadamente 145 GW en 2028, un crecimiento de aproximadamente 4 veces.

Los analistas señalan que Estados Unidos enfrenta un déficit de 38 gigavatios de electricidad, y los centros de datos adoptarán cada vez más soluciones de generación propia detrás del medidor.

La línea estima que la solución de energía detrás del medidor aumentará los gastos de capital por gigavatio en aproximadamente 3 mil millones de dólares. Por ejemplo, con la generación Rubin Ultra de chips de NVIDIA, el costo total incluyendo energía detrás del medidor es de aproximadamente 50 mil millones de dólares por gigavatio.

¿Qué subestima el mercado?

Los analistas creen que el mercado actualmente subestima tres cosas:

En primer lugar, los beneficiarios globales de la tecnología de GPT-6 Astra aún no están suficientemente valorados.

En segundo lugar, la escasez de oferta podría durar más tiempo. Las restricciones en ABF y HBM4E BEOL no se pueden resolver en el corto plazo.

En tercer lugar, algunas acciones que no dependen de la IA también están fortaleciéndose silenciosamente. Los chips de simulación (STM, NXP, Renesas) han atravesado un fondo en forma de L de más de tres años y ahora se encuentran en la etapa inicial de recuperación cíclica: reducción de inventarios, estabilización de precios y mejora de pedidos industriales.

La conclusión no es "comprar más AI"

La prioridad de inversión proporcionada por Morgan Stanley:

AI computing power (highest priority) > Network (secondary) > Memory (optional) + Analog chips (early-cycle hedge), including:

• Potencia de cómputo de IA: GPU (NVIDIA), ASIC (MediaTek, GUC), sustratos ABF (Unimicron, Ibiden), MLCC (Murata, Samsung Electro-Mechanics), empaquetado y prueba posteriores (Advantest, Tokyo Electron, Hua Feng, ASE, Kyocera) y fuentes de alimentación (Delta)
• Red: GLW, LITE, COHR, KEYS, Furukawa Electric, Fujikura
• Memoria: crecimiento priorizado de cuotas estructuradas y localización (ChangXin Memory), con espacio táctico al alza para SK Hynix, Samsung y Kioxia en un contexto de oferta continuamente ajustada.
• No AI: Chips de simulación (STMicroelectronics, NXP, Renesas)

Esta línea indica: "Preferimos invertir en empresas que se encuentran en la intersección de un ciclo de razonamiento más amplio, capacidad física limitada, intensidad creciente del contenido y mayor complejidad de fabricación."

Los lugares donde necesitas mantener la claridad

El informe de Morgan Stanley no es unilateralmente optimista y señala claramente tres puntos a tener en cuenta:

En primer lugar, las expectativas de IA ya son muy altas. La tolerancia del mercado hacia las empresas de IA ha pasado de "buenos resultados" a "resultados perfectos obligatorios"; incluso si Astra logra avances sustanciales, si los resultados no superan significativamente las expectativas, la reacción del precio de las acciones podría seguir siendo limitada.

En segundo lugar, se espera que la tasa de crecimiento del gasto de capital en 2028 se desacelere. La valoración de las acciones depende de la dirección del cambio en la tasa de crecimiento; la desaceleración en sí misma podría seguir ejerciendo presión sobre las valoraciones, incluso si los valores absolutos siguen creciendo.

En tercer lugar, los vientos en contra macroeconómicos persisten. El informe menciona factores de incertidumbre como el precio del petróleo, la inflación, la trayectoria de las tasas de interés de la Reserva Federal y las elecciones presidenciales estadounidenses de 2028, con especial atención a la posible resistencia política al crecimiento de los centros de datos si el Partido Demócrata gana el poder ejecutivo.