No se trata de un ajuste técnico aislado. Cuatro presiones estructurales están actuando de manera simultánea sobre la lógica de valoración de los semiconductores de IA: la reconfiguración de la cadena de suministro por la industrialización y sustitución doméstica de semiconductores en China, la redefinición del riesgo crediticio de NVIDIA, el desafío que supone la mejora de la eficiencia de los modelos a la lógica de expansión de capacidad de cómputo, y la retirada de capital en un contexto de operaciones con múltiplos elevados y alta congestión. A continuación, desglosamos cada una.
Diagrama de la lógica de transmisión de cuatro presiones en los semiconductores de IA
Avance en la sustitución doméstica de semiconductores de China, que impulsa una nueva reevaluación global de la cadena de suministro
El 27 de julio, el líder chino de DRAM, ChangXin Memory Technologies (CXMT), se listó en el STAR Market de la Bolsa de Shanghai. Cerró con un precio de 49,00 yuanes, frente a un precio de emisión de 8,66 yuanes, lo que supone un salto del 466%; su valor de mercado diario llegó a 3,28 billones de yuanes (aprox. 4846 millones de dólares). En un momento llegó a superar a Tencent y a Intel, convirtiéndose en el mayor valor por capitalización en el mercado A. La facturación del día superó 1.400 millones de yuanes, estableciendo un récord histórico en el mercado A. El Financial Times del Reino Unido informó que CXMT se ha convertido en el “cuarto mayor productor global de DRAM”.
Al mismo tiempo, circuló la noticia de que una empresa con respaldo de capital estatal de Shanghái ya comenzó la producción en masa de lithógrafos DUV inmersivos. Este año planea producir unos 5 equipos; el objetivo para el próximo año se elevó a unas 20 unidades. Los primeros equipos se entregarán a SMIC, HuaHong Semiconductor y CXMT. Aunque los 5 equipos previstos para 2026 por el equipamiento doméstico equivalen solo al 3,8% del volumen de envíos de ASML en 2025 (131 unidades), el mercado no está negociando la capacidad de sustitución a corto plazo, sino el cambio del panorama de suministro a largo plazo.
La narrativa central de los últimos dos años fue: crecimiento de la demanda de chips de IA → escasez global de suministro → Samsung, SK Hynix y Micron obtienen beneficios extraordinarios. La salida a bolsa de CXMT y la producción en masa del lithógrafo DUV doméstico apuntan a una expectativa opuesta: la mejora de la cadena de suministro china → aumento de la oferta global → presión sobre los precios de los chips de memoria → caída de los márgenes de beneficio. CXMT ya ha elevado el rendimiento de chips DDR5 con proceso de 17 nm hasta el 90%. La demanda doméstica de DRAM representa una cuarta parte del total global; durante mucho tiempo dependió de las importaciones. Si la sustitución doméstica se consolida a escala, el impacto sobre la estructura global de oferta y demanda de memoria será estructural.
Esta expectativa se refleja directamente en la magnitud de la caída del sector de memorias. SK Hynix y Samsung Electronics se han retraído cerca de 50% y 41%, respectivamente, desde sus máximos de junio, superando con creces la caída del 21% del índice de semiconductores de Filadelfia en el mismo periodo. El mercado no está negociando “que este año se sustituya a ASML”, sino el escenario a más de tres a cinco años de que la oferta global de memorias podría reconfigurarse.
Comparación del retroceso acumulado de los principales activos de semiconductores de IA desde el máximo de junio
Nueva fijación del riesgo crediticio de NVIDIA
El 27 de julio, los credit default swaps (CDS) a cinco años de NVIDIA llegaron a subir alrededor de 14 puntos básicos en el intradía; el máximo alcanzó aproximadamente 82 puntos básicos por año, registrando la mayor subida diaria desde que el contrato empezó a negociarse activamente en noviembre de 2025. Los CDS pueden considerarse un seguro contra incumplimientos de la deuda corporativa: el alza de precio indica que el mercado cree que aumenta el riesgo crediticio de la empresa emisora.
La causa inmediata de la escalada de los CDS fue la preocupación del mercado por el modelo de “financiación circular” de NVIDIA. El 24 de julio, NVIDIA y el grupo SK de Corea anunciaron un acuerdo de cooperación de más de 500 mil millones de dólares en IA. Al mismo tiempo, NVIDIA está negociando una garantía de hasta 250 mil millones de dólares para ayudar a OpenAI a alquilar capacidad de cómputo de centros de datos. Según reportes, NVIDIA también está discutiendo proporcionar financiamiento para el proyecto estadounidense de 350 mil millones de dólares de OpenAI para comprar sus chips. En conjunto, estos proyectos superan los 750 mil millones de dólares.
Los críticos advierten desde hace meses que este tipo de acuerdos tiene carácter circular: NVIDIA financia o entra con participación en algunas empresas, y esas empresas normalmente compran o utilizan chips de NVIDIA. Michael Ball, estratega macro de Bloomberg, señaló que estos acuerdos a escala masiva reavivaron las dudas del mercado sobre la lógica de “flujos de caja circulares” en el gasto de capital (capex) de la IA: el crecimiento de ingresos de NVIDIA depende en gran medida de la capacidad de financiación de sus clientes downstream; el dinero circula dentro de la cadena de la industria y, si cambia el entorno de financiación, toda la cadena de gasto en IA enfrenta un riesgo de contracción.
Lo relevante es que la escalada de los CDS no es exclusiva de NVIDIA. Los datos del London Stock Exchange Group muestran que los CDS de gigantes de la IA como Oracle, SpaceX, Alphabet, Amazon, Meta y Broadcom han subido recientemente hasta niveles récord propios. Los CDS a cinco años de Oracle cotizaron a 215 puntos básicos el 27 de julio, muy por encima de los 144 puntos básicos al inicio del año. S&P Global Ratings ya había rebajado la calificación crediticia de Oracle a BBB- por su plan de inversión en centros de datos de 70 mil millones de dólares.
El mercado se plantea una cuestión más profunda: ¿NVIDIA es realmente un “proveedor de GPU” o un “participante financiero de infraestructura de IA”? Si lo segundo, la calidad y la sostenibilidad de sus ingresos necesitan ser reevaluadas.
Mejora de la eficiencia de los modelos de IA: desafío a la lógica de expansión de capacidad de cómputo
El 28 de julio, el modelo Kimi K3 de “Moonshot” (月之暗面) se lanzó de forma oficial como open source, junto con un informe técnico y los pesos del modelo. La escala de parámetros de Kimi K3 es de aproximadamente 2,8 billones, cerca de 3 veces la de su predecesor Kimi K2.5. Pero lo más importante es el dato: mediante innovaciones tecnológicas como Kimi Delta Attention, Attention Residuals y MoonEP, la eficiencia a escala mejora aproximadamente 2,5 veces; es decir, en el sentido óptimo de cómputo, la producción de inteligencia por unidad de cómputo es aproximadamente 2,5 veces la anterior. El informe técnico muestra que la atención lineal KDA reemplaza el 75% de las capas tradicionales de atención; la compresión del KV Cache es de 75%; y la velocidad de decodificación de textos largos mejora 6,3 veces.
Kimi K3 no es un caso aislado. Modelos open source como DeepSeek también exploran los límites de la eficiencia algorítmica. Estos avances devuelven al mercado a un problema central: ¿una IA más potente necesariamente requiere más GPU y más centros de datos?
Antes, el mercado solía aceptar la lógica de “Scaling Law”: a mayor modelo, más datos y más potencia de cómputo, con una correlación lineal entre los tres. Pero Kimi K3 muestra un camino diferente: con recursos de cómputo limitados, se logra una mejora sustancial de la producción de inteligencia por unidad de cómputo mediante innovación de arquitectura. Si la optimización del algoritmo puede sustituir parcialmente la acumulación de capacidad de cómputo, entonces las expectativas de crecimiento de la demanda de GPU, la tasa de retorno de la inversión de centros de datos y el calendario de capex de los proveedores de nube deben recalibrarse.
Por supuesto, esta lógica también genera debate. Las posturas de Citi y de Bank of America tienden a negarla: la mejora de eficiencia podría liberar más uso mediante el “paradigma de Jevons” (杰文斯悖论), elevando así el consumo total de recursos. Cuando disminuye el coste de inteligencia por unidad, las empresas desplegarían más agentes en ejecución continua, análisis de contexto largo, automatización de código y servicios multimodales en tiempo real. Pero, de cualquier modo, el open source de Kimi K3 al menos demuestra una cosa: existe una ruta real para mejorar la eficiencia del cómputo, aunque esa ruta aún no estaba clara hace 12 meses. El mercado necesita análisis de escenarios bidireccionales para la “curva de demanda de cómputo”, no una extrapolación en un solo sentido.
Congestión en operaciones con múltiplos elevados: realización de ganancias y salida de capital
En los últimos dos años, el sector de semiconductores de IA acumuló un gran crecimiento. Los múltiplos de mercado de activos clave como NVIDIA, SK Hynix, Broadcom, Micron y ASML ya incorporaron con antelación las expectativas de crecimiento de IA de los próximos años. Cuando aparecen múltiples vientos en contra al mismo tiempo —competencia en la cadena de suministro china, riesgo crediticio de NVIDIA, mejora de eficiencia de los modelos— el capital elige reducir la exposición al riesgo.
El 27 de julio, el mercado estadounidense mostró claramente esta rotación de “de lo alto a lo bajo” (高切低): el índice de semiconductores de Filadelfia llegó a caer casi 5% en la apertura; finalmente cerró con -2,23%. En contraste, Apple cerró con +1,17%; Google - A +2,13%; Microsoft +1,94%; SAP +6,90%; Salesforce +6,04%. El S&P 500 subió 0,80% al excluir acciones relacionadas con la IA, superando claramente al índice general.
Chris Hussey, analista de Goldman Sachs, señaló que la infraperformance del S&P 500 en los últimos dos meses tiene como raíz principal la duda del mercado sobre la sostenibilidad de la inversión en infraestructura de IA, más que factores macro como el precio del petróleo o las tasas de interés. Thomas Martin, gestor senior de carteras de Globalt Investments, fue directo: el “globo” de la inteligencia artificial está mostrando señales de “desinflarse”.
Desde el flujo de fondos, el mercado se está moviendo desde el upstream de semiconductores con valoraciones altas y dependiente de expectativas a futuro, hacia tecnología de consumo empresarial con mayor certeza de resultados y flujos de caja más estables. Esto no niega la tendencia a largo plazo de la IA, sino que ajusta el desfase entre valoraciones a corto plazo y expectativas a futuro.
Conclusión
El 28 de julio de 2026, la caída en bloque del sector global de semiconductores de IA fue la liberación concentrada en la misma ventana temporal de cuatro presiones estructurales.
La sustitución doméstica de semiconductores en China —la salida a bolsa de CXMT y la producción en masa de lithógrafos DUV— disparó en el mercado una nueva reevaluación a futuro del panorama global de suministros de memorias; la escalada récord de los CDS de NVIDIA reveló la re-fijación del precio del riesgo crediticio bajo su modelo de “financiación circular”; el open source de Kimi K3 con datos que muestran una mejora de eficiencia de 2,5 veces desafía la narrativa lineal de “IA más fuerte = más capacidad de cómputo”; y la rotación causada por el hacinamiento en operaciones con múltiplos elevados es la representación inevitable a nivel del mercado de capitales de las tres presiones anteriores.
Estas cuatro presiones no son independientes entre sí. El auge de la cadena de suministro china podría reducir los precios de las memorias y, con ello, influir en las expectativas de beneficios de SK Hynix y Samsung; el aumento del riesgo crediticio de NVIDIA podría elevar el coste de financiación de la infraestructura de IA y, con ello, frenar la tasa de crecimiento de la demanda de capacidad de cómputo; si la mejora de eficiencia de modelos se valida de forma sostenida, podría cambiar la estructura del capex de los proveedores de nube, afectando así el ciclo de pedidos de todo el ecosistema de equipos y chips de semiconductores. En conjunto forman un circuito lógico de refuerzo mutuo.
Para los inversores, lo que se necesita distinguir no es si “la tendencia a largo plazo de la IA se sostiene o no”, sino si “las suposiciones implícitas en los modelos de valoración existentes siguen siendo válidas”. Cuando simultáneamente se desplazan la curva de oferta de capacidad de cómputo, la curva de costes de financiación y la curva de eficiencia de algoritmos, los modelos de valoración basados en la extrapolación de una sola variable deben recalibrarse.
FAQ
P1: ¿Cuál es la principal razón de la fuerte caída de las acciones de NVIDIA?
NVIDIA cerró el 27 de julio con una caída de 4,99%. El factor detonante directo fue la preocupación del mercado por su modelo de “financiación circular”. NVIDIA está impulsando acuerdos de infraestructura de IA por más de 7.500 millones de dólares, incluidos un acuerdo de cooperación con el grupo SK por más de 5.000 millones de dólares y la garantía de financiación para OpenAI. El mercado teme que el crecimiento de ingresos de NVIDIA dependa en gran medida de la capacidad de financiación de sus clientes downstream y que, si cambia el entorno de financiación, toda la cadena de gasto en IA se contraiga. Los CDS a cinco años de NVIDIA saltaron 14 puntos básicos en un solo día, hasta 82 puntos básicos, marcando la mayor subida histórica.
P2: ¿Por qué SK Hynix y Samsung Electronics cayeron con una magnitud mucho mayor que NVIDIA?
SK Hynix cayó 14,65% y Samsung Electronics cayó 13,39%, con una caída claramente superior a la de NVIDIA de 4,99%. La razón central es que el sector de memorias recibe de forma directa el impacto de la sustitución doméstica de semiconductores en China: en el primer día de cotización, CXMT se disparó 466% y los lithógrafos DUV domésticos entraron en producción en masa. El mercado teme que la expansión de la capacidad de producción de memorias en China aumente la oferta global y presione a la baja los precios de las memorias, y la actividad de memorias es la principal fuente de beneficios de SK Hynix y Samsung. Ambas compañías ya se han retraído desde sus máximos de junio aproximadamente 50% y 41%, respectivamente.
P3: ¿Qué impacto tiene el open source de Kimi K3 en la lógica de inversión en semiconductores de IA?
La escala de parámetros de Kimi K3 es de aproximadamente 2,8 billones, y logra una mejora de eficiencia a escala de alrededor de 2,5 veces mediante innovación de arquitectura. Esto desafía la narrativa tradicional de “IA más fuerte = más GPU + centros de datos más grandes”. Si la optimización de algoritmos puede seguir mejorando la producción de inteligencia por unidad de cómputo, las expectativas de crecimiento de la demanda de GPU, la tasa de retorno de la inversión en centros de datos y el ritmo del capex de los proveedores de nube podrían reevaluarse. Por supuesto, la mejora de eficiencia también podría liberar más uso vía el “paradigma de Jevons”; sin embargo, el mercado al menos necesita dejar espacio para fijar precios ante el escenario de que la demanda de cómputo podría crecer de manera no lineal.
P4: ¿Qué tan grande es el impacto de la sustitución doméstica de semiconductores de China en el mercado global de memorias?
El impacto a corto plazo es limitado: los lithógrafos DUV domésticos planean solo 5 unidades en 2026, equivalentes al 3,8% del volumen de envíos de ASML. Pero el mercado negocia un cambio del panorama a largo plazo: CXMT ya se ha convertido en el cuarto mayor productor global de DRAM, y el rendimiento de los chips DDR5 con proceso de 17 nm alcanza el 90%. La demanda doméstica de DRAM representa una cuarta parte del total global. Si la sustitución doméstica continúa avanzando, el panorama global de oferta de memorias pasará del “monopolio de tres gigantes” a la “competencia de cuatro fuertes”, lo que cambiará la lógica de fijación de precios a largo plazo de las memorias.
