En los últimos dos años, la inteligencia artificial sin duda ha sido la vía más candente del mercado global de capitales, desatando una celebración de la riqueza que se extendió por toda la cadena industrial.

Desde el hardware clave aguas arriba hasta la aplicación en producción aguas abajo, el sector de la IA vivió una racha de mercado de nivel épico: Nvidia (NVDA.US), gracias a su posición monopolística en cómputo, vio cómo su valor de mercado se disparaba sin parar. Empresas de grandes modelos como Zhipu (02513.HK), OpenAI y Anthropic registraron subidas de valoración; gigantes de semiconductores como SK Hynix (SKHY.US) y Intel (INTC.US) surgieron con fuerza. Los subsectores como módulos ópticos, chips ópticos y materiales cerámicos especiales se duplicaron en alza. Incluso sectores de infraestructura relativamente tradicionales, como la construcción de centros de datos, el soporte eléctrico y los dispositivos de almacenamiento, aprovecharon el impulso de la construcción de capacidad de cómputo de IA para salir de la tendencia contraria y registrar resultados positivos.

En un momento, el capital se volcó de manera desenfrenada, las empresas intensificaron sus planes y el ánimo del sector se disparó. Todos estaban convencidos de que la IA iniciaría una nueva ronda de revolución industrial de varias décadas y un ciclo de crecimiento.

Sin embargo, en el próspero verano de 2026, la ola de calor en Silicon Valley sigue ahí, pero la industria de la IA se encontró con un “crujido” a fondo: una corriente de frialdad de capital que cala hasta los huesos. El índice de semiconductores de Filadelfia en los últimos 20 días de negociación acumuló una caída de más del 18%. De ellos, las acciones de chips con mejor desempeño este año, Micron Technology (MU.US), cayeron acumuladamente casi un 24% en los últimos 20 días; y el “favorito” de Huang Renxun, la estrella en IA/semiconductores Marvell Technology (MRVL.US), cayó más de 37% en 20 días. La narrativa de “el cómputo siempre faltará” que antes se tomaba como dogma muestra grietas.

Esta repentina caída en la valoración quizá sea solo la retirada del ánimo del mercado o el cierre de ganancias de corto plazo, pero todos empiezan a hacer frente a los arrecifes ocultos en la carrera frenética de la ola de la IA. Eso podría determinar la sostenibilidad de este auge.

Primer arrecife: impacto del telón regulatorio

La velocidad de iteración de la tecnología de IA supera con creces el ritmo de actualización de las regulaciones. Además, los límites difusos entre lo que la tecnología habilita y lo que no, los riesgos de seguridad de datos, los problemas de ética de algoritmos y cuestiones de monopolio e infracción de derechos, podrían empujar a que la regulación global de la IA pase de la exploración en blanco a un endurecimiento integral, convirtiéndose en una compuerta importante para frenar la expansión desordenada de la IA.

Actualmente, el sistema global de regulación de la IA ha entrado en una fase de implementación intensiva. En la Unión Europea, la Ley de IA (Artificial Intelligence Act) entra oficialmente en vigor: se aplican controles estrictos de acceso a sistemas de IA de alto riesgo y se exigen requisitos de transparencia y evaluación de riesgos para modelos de IA de propósito general. En China, se siguen perfeccionando las medidas de gestión para la IA generativa, con exigencias obligatorias claras como el registro de modelos grandes, la conformidad de datos y la revisión de contenido. En Estados Unidos, mediante órdenes ejecutivas y normativas sectoriales, se implementa supervisión específica sobre el entrenamiento de modelos grandes, la recopilación de datos y las conductas de monopolio de IA. Además, en cada país se siguen materializando reglas específicas sobre transferencias transfronterizas de datos de IA, derechos de autor del contenido generado por IA y riesgos de sustitución del empleo por IA, entre otras.

El endurecimiento integral de la regulación eleva directamente el umbral de acceso para la industria. Para las pequeñas y medianas empresas de IA, el aumento brusco de los costos de cumplimiento implica más presión de supervivencia; para los gigantes tecnológicos líderes, las restricciones regulatorias hacen que se alargue el ciclo de lanzamiento de sus productos y obligan a ajustar su estrategia de despliegue global. La regulación no busca frenar el proceso de comercialización de la IA, pero cambiará las reglas del juego.

Segundo arrecife: sostenibilidad de la expansión de capital; revisión de costos y beneficios

La explosión de las valoraciones de la industria de la IA en la primera mitad de este año se enfocó claramente en la parte superior de la cadena industrial. Los gigantes tecnológicos orientados a usuarios finales, como los grandes modelos y aplicaciones en la parte inferior, que enfrentan directamente al consumidor, gastan enormes sumas en la construcción de cómputo, el entrenamiento de modelos, la construcción de centros de datos y la investigación técnica; esto es un soporte importante para mejorar el desempeño de la cadena industrial aguas arriba y así disparar las valoraciones. Del mismo modo, si estos gigantes tecnológicos, o entidades soberanas, reducen su inversión en IA, o la desaceleran, esta lógica de valoración se vería socavada.

Al evaluar inversiones en IA, principalmente se miden dos aspectos: el retorno de la inversión y la capacidad para ejecutarla. La inversión en IA ya se ha realizado durante varios años; los efectos que puede generar ya empiezan a asomarse. En la evaluación actual de la cadena industrial de la IA, todavía hay muchas expectativas de monetización. Por la velocidad y la magnitud con que recientemente se ha perseguido el valor en la parte superior de la cadena, el mercado mantiene expectativas muy optimistas sobre inversiones en IA. Si el desarrollo de la IA no cumple lo previsto, se ralentiza el ritmo de inversión y los montos de inversión se reducen, el valor de mercado global de la cadena industrial aguas arriba se contraerá.

Los resultados de la próxima temporada de junio serán una señal clave para anticipar hacia dónde se moverán los gastos de capital de la IA. Tanto gigantes tecnológicos en el exterior como Google (GOOG.US), Microsoft (MSFT.US), Amazon (AMZN.US) y Meta (META.US), como empresas líderes de Internet en China como Tencent (00700.HK) y Alibaba (09988.HK), serán observados con lupa. Se examinarán de manera más estricta sus perspectivas sobre inversiones en IA, el progreso del desarrollo de la IA y cómo las aplicaciones de IA se integran en sus servicios de ecosistema. Si el negocio de IA de los gigantes no cumple expectativas, y no es muy probable que se pueda anticipar la materialización de flujo de caja positivo; si la relación costo-beneficio de las inversiones en cómputo, I+D e infraestructura no mejora, inevitablemente recortarán de forma proactiva los gastos de capital posteriores, lo que provocará una contracción directa de la demanda en la cadena de suministro de arriba.

Al mismo tiempo, el desempeño de las operaciones actuales de estas empresas y su situación de flujo de caja también influirán directamente en las futuras inversiones en IA. Las utilidades y el flujo de caja del negocio central son la base para que estos gigantes tecnológicos sigan reforzando el sector tecnológico y apostando por la IA a largo plazo.

Pero la rápida penetración de la tecnología de la IA está desmantelando continuamente el panorama tradicional de las industrias. El negocio de anuncios de Google, el comercio minorista de Amazon, el paquete Office de Microsoft, los anuncios en redes sociales de Meta… esos son realmente la fuente de los grandes gastos de capital de los gigantes tecnológicos. Sin embargo, la disrupción que la IA causa en las industrias tradicionales está revirtiéndose contra sus propios “patrocinadores”.

Por ejemplo, en la industria publicitaria: la IA generativa vuelve la creación de contenido extremadamente barata. Se inunda la plataforma con grandes cantidades de información de baja calidad generada por IA; baja la tasa real de alcance de los espacios publicitarios, y los anunciantes empiezan a cuestionar la relación costo-beneficio de la publicidad digital. Al mismo tiempo, la búsqueda con IA está comiéndose la participación de los motores de búsqueda tradicionales—cuando el usuario puede obtener respuestas directamente del gran modelo, ¿quién querría hacer clic en esos “enlaces patrocinados”?

Más importante aún: que estos gigantes tecnológicos generen ingresos depende de la capacidad de pago y de la demanda de consumo de los usuarios. Los recursos humanos reemplazados por la IA, al ver reducidos sus ingresos, disminuyen su consumo y finalmente esto se retroalimenta en estos gigantes tecnológicos, haciendo que las ganancias de los gigantes que dependen de industrias tradicionales caigan con fuerza. Bajo presión por la debilidad en los ingresos propios, los inversores no tienen capacidad, naturalmente, para respaldar gastos de capital anuales de miles de millones en el sector de la IA.

Tercer arrecife: “buenos aplausos, pero poco público” en la comercialización de la IA

¿Puede mantenerse la ola de la IA? Al final, depende de una pregunta sencilla: ¿puede realmente generar ganancias?

Como el frente principal de monetización de toda la cadena de la industria de la IA, los grandes modelos son la vara clave para comprobar la capacidad comercial del sector. Actualmente, tanto en China como en el extranjero, los principales grandes modelos se enfrentan a dificultades similares: en China, Zhipu (智谱), Baidu (09888.HK) con Ernie Bot (文心一言) y Alibaba con Qwen (通义千问); en el exterior, la familia GPT y Claude, entre otros. Los costos de entrenamiento por una sola vez alcanzan decenas de millones de dólares e incluso más de cien millones; el consumo diario de cómputo para inferencia, la iteración de datos y los costos de operación y mantenimiento siguen subiendo. Sin embargo, los modelos de monetización están altamente concentrados en solo tres rutas: llamadas a API, servicios personalizados para empresas y suscripciones de membresía.

Lo más importante es que, después de que la mayoría de las empresas introducen IA, les resulta difícil cuantificar en el corto plazo su retorno económico. Para los usuarios individuales, la capacidad de asumir cuotas mensuales es limitada y, en general, la tasa de conversión es baja; mientras que para clientes empresariales, aunque tienen presupuestos más holgados, un presupuesto alto también implica un retorno alto, y normalmente esperan acelerar la conversión de la inversión en IA de “partida de costos” a “partida de ingresos”, algo que en el corto plazo quizá sea difícil de lograr.

Mientras tanto, el costo de inferencia de los grandes modelos está disminuyendo a gran velocidad. Esto es un alivio y también una maldición: los costos bajos hacen viables más casos de uso, pero también debilitan de forma continua el poder de fijación de precios de las empresas de grandes modelos, incrementando la dificultad de su comercialización.

Cuarto arrecife: el ciclo de alzas de tasas vuelve cara la inversión en IA

La rápida expansión de la industria de la IA no podría haberse logrado sin el “fertilizante” del entorno global de bajas tasas de interés. En los últimos años, la política monetaria expansiva global ha permitido que las empresas tecnológicas emitan deuda, pidan préstamos y consigan financiamiento a costos muy bajos, y aumenten sin freno la construcción de infraestructura de cómputo de IA y la investigación tecnológica. Pero con que los principales bancos centrales del mundo entren en un ciclo de alzas de tasas, se acabará el “bono” de la liquidez: subirá el costo de inversión y financiamiento de toda la cadena industrial de la IA, y las exigencias de retorno de los proyectos de IA se elevarán de forma considerable.

Actualmente, el mercado global de bonos soberanos está bajo presión constante; los déficits fiscales de los países desarrollados siguen elevados, lo que impulsa un aumento continuo de los rendimientos de los bonos del Estado y hace que, en general, suban las tasas de financiación del mercado. Al mismo tiempo, gigantes tecnológicos como Google, Amazon y Meta, para seguir posicionándose fuertemente en la IA, emiten deuda a gran escala para recaudar fondos, lo que podría elevar aún más las tasas de interés del mercado. Para las empresas de IA, el alza del costo de financiamiento significa que las exigencias de retorno por cada inversión en cómputo, inversión en I+D e inversión en infraestructura también serán más altas; cuando los inversores evalúen estos proyectos, serán aún más estrictos.

Quinto arrecife: preocupación oculta por el exceso de capacidad

En el periodo de inversión febril, los gigantes suelen caer fácilmente en el “culto al tamaño”, pero pasan por alto las leyes de la oferta y la demanda. En los sectores centrales como los chips de almacenamiento, chips de cómputo, módulos ópticos y servidores, se está recibiendo una inversión de capacidad a escala de billones. Pero esta expansión ciega está generando una crisis grave de desequilibrio entre oferta y demanda, y podría convertirse en un factor importante que obstaculice la subida sostenida de la industria.

Por ejemplo, en el caso de los chips de almacenamiento, las inversiones de los gigantes por encima de los billones de dólares es muy probable que, en unos años, se transformen en una seria crisis de exceso de capacidad. Cuando en el mercado se inunden de modelos grandes homogéneos y hardware sobrante, la guerra de precios será inevitable y los márgenes de ganancia se comprimirán de manera extrema.

Sexto arrecife: el “efecto rebote económico” provocado por la sustitución del empleo

La popularización de la tecnología de IA está pasando de reemplazar trabajo repetitivo a reemplazar trabajo cognitivo de nivel medio y alto, provocando una reconfiguración a gran escala del empleo. Antes, el público en general pensaba que la IA solo sustituiría a trabajadores de líneas de montaje y personal de servicios básicos, pero ahora los modelos de generación de código pueden sustituir a programadores junior y mid para completar tareas de programación; las herramientas de oficina con IA pueden reemplazar funciones como redacción, operación, finanzas y asuntos legales básicos, entre otros. Ya se ha vuelto una norma la reducción masiva de personal en grandes empresas tecnológicas y muchos puestos de alta remuneración en tareas cognitivas están siendo reemplazados por IA.

Esta sustitución del empleo no es un fenómeno individual, sino un cambio estructural colectivo y sectorial. La población laboral reemplazada suele cargar con gastos fijos como hipotecas, créditos de consumo y cuidados familiares/educación para el envejecimiento y la crianza. Un desempleo masivo implica una interrupción de ingresos, lo que provoca una cadena de reacciones económicas: disminuyen los ingresos de los residentes y con ello se contrae el consumo; aumenta el riesgo de impago de hipotecas; sube de manera continua la tasa de incumplimiento de créditos. Todo esto reprime la vitalidad del mercado inmobiliario y del mercado de consumo, generando presiones deflacionarias en algunas áreas.

Visto desde la transmisión a través de la cadena industrial, la debilidad persistente del mercado de consumo aguas abajo se irá trasladando gradualmente hacia arriba, a la industria real y la industria tecnológica. La presión sobre la rentabilidad de las empresas de todos los sectores hará que ponderen con más cautela la relación costo-beneficio de invertir en IA y que ya no sigan tendencias de forma ciega para aumentar su despliegue de IA. Además, la presión de deflación en la economía general también obligará a ajustar de manera pasiva la política monetaria global, afectando aún más la liquidez del mercado de capitales y limitando desde la base la expansión sostenida de la industria de la IA.

Límite físico y barreras abstractas

Además de las restricciones económicas y sociales, la propia IA también enfrenta techos físicos y cognitivos difíciles de superar.

Primero están los cuellos de botella rígidos de la infraestructura física. Entrenar y realizar inferencia con grandes modelos es, en efecto, un “tigre eléctrico”; se estima que para 2030 el consumo eléctrico de los centros de datos globales se duplicará. El factor limitante en el futuro quizá ya no sea la disponibilidad de chips, sino la energía a nivel de gigavatios que los alimente.

Además, existe una brecha imposible de eliminar entre la simulación virtual de la IA y el mundo material real. Los modelos digitales solo pueden ajustar correlaciones; no pueden replicar por completo causas físicas como deformaciones por calor y tensiones de materiales. En sectores con tolerancia al error extremadamente baja, como la manufactura y la aviación, las “alucinaciones” de la IA pueden causar riesgos mortales.

Desde la perspectiva cognitiva, en esencia, los sistemas de IA actuales todavía solo trabajan dentro del marco de la cognición humana: recitan patrones del texto, pero carecen de comprensión de la lógica causal del mundo real. Además, ni siquiera pueden inventar nuevos conceptos y crear cosas nuevas como lo hace el ser humano mediante la interacción con el mundo físico. Si no hay datos nuevos y auténticos que lleguen sin cesar, aunque se amplíen los parámetros del modelo, este también puede quedar atrapado en un callejón sin salida de sobreajuste repetitivo.

Lección: volver del frenesí al respeto

Lo que detiene la ola de la IA nunca es un único cuello de botella tecnológico, sino una gran red en la que se entrelazan la regulación, el capital, la economía, la sociedad, lo físico y la cognición. Esto nos trae una lección profunda: el punto de inflexión clave de las revoluciones tecnológicas, con frecuencia, no es el momento en que la tecnología se fortalece, sino cuando la sociedad y las empresas por fin encuentran nuevas formas de organización que se ajusten a la nueva tecnología.

Después de que se inventara la máquina de vapor durante más de medio siglo, el sistema de fábricas recién liberó de verdad su capacidad productiva; después de que surgiera la electricidad durante décadas, la línea de producción transformó por completo la manufactura. La IA también es así: su verdadero punto de inflexión quizá no esté en el día en que se rompan los límites del cómputo, sino en el momento en que por fin aprendamos a organizar talento, reconfigurar procesos y diseñar mecanismos de incentivos, para que la IA y los seres humanos tengan cada uno su función y evolucionen en coordinación.

La regulación debe ponerse al día, el capital debe hacer cuentas, el modelo de negocio debe validarse, el empleo debe transformarse y deben superarse los cuellos de botella físicos. No es algo que se resuelva de la noche a la mañana. Pero justamente esas “resistencias” hacen que el desarrollo de la IA pase del alboroto a la serenidad y del oportunismo al valor.

Texto: Wu Yan