Más allá de las grandes tecnológicas: Cinco temas de IA en las ganancias de las 7 Magníficas

Puntos clave

• Las ganancias de las 7 Magníficas confirmaron que la demanda de IA sigue escalando, con un crecimiento más fuerte en la nube y una guía de capex más alta, pero las reacciones del mercado mostraron que los inversores ahora están valorando la calidad y el retorno del gasto en IA, no solo el tamaño del presupuesto.
• Las reacciones del mercado fueron matizadas, y la historia de la IA ahora es más selectiva: los inversores premiaron un flujo de ingresos más claro y cuestionaron el capex sin compensaciones a corto plazo.
• Destacan cinco temas que los inversores pueden monitorear en el ciclo de ganancias: memoria, infraestructura en la nube, silicio personalizado, energía y potencia, y la columna vertebral del hardware en Asia.

Una reacción diferente a las ganancias: mismo tema, nueva disciplina

La última ronda de ganancias de las 7 Magníficas fue fuerte en la superficie: sólido crecimiento de ingresos, tendencias de nube en mejora y continuo impulso de la IA, pero los detalles importan más esta vez. Crucialmente, la guía de capex fue revisada al alza en los hyperscalers, con un gasto combinado para 2026 que ahora se sitúa alrededor de 725.000 millones de dólares (frente a ~670.000 millones de dólares antes de las ganancias) y Meta elevando su rango a 125.000–145.000 millones de dólares. Alphabet y Microsoft también señalaron restricciones de capacidad, indicando que la demanda supera a la oferta.

La implicación de primer orden es clara: la expansión de la IA está intacta y sigue escalando, lo que mantiene en foco la cadena de valor más amplia de la IA, desde semiconductores y memoria hasta redes, energía y centros de datos.

Pero el cambio de segundo orden es igual de importante: no todas las acciones se beneficiaron.

Las reacciones del mercado divergieron marcadamente a medida que los inversores diferenciaron entre:

• Empresas donde el gasto en IA ya se traduce en crecimiento visible de ingresos (por ejemplo, fortaleza en la nube).
• Empresas donde el capex está aumentando más rápido que la monetización a corto plazo.

En otras palabras, el mercado ya no trata "capex en IA = comprar". La historia se ha vuelto más matizada y más selectiva.

Además, los riesgos de inflación están resurgiendo, especialmente a través de los costos de energía y componentes. A medida que los costos de insumos aumentan junto con el capex, el umbral para la monetización se vuelve más alto, no más bajo.

En conjunto, esto marca un cambio de entusiasmo por la IA a economía de la IA: el tema sigue siendo fuerte, pero la ejecución, la disciplina de costos y el posicionamiento a lo largo de la cadena de valor importan más.

En este contexto, destacamos cinco temas de mercado que los inversores pueden monitorear a medida que evoluciona el ciclo de la IA.

Tema 1: La memoria es el nuevo petróleo de la IA

La memoria se ha convertido en uno de los cuellos de botella más claros en la expansión de la IA. Los servidores de IA necesitan mucha más memoria de alta velocidad que los servidores tradicionales, y las estimaciones de la industria apuntan a un fuerte aumento en los precios de DRAM hasta 2026. Esto ya es visible en los comentarios de los hyperscalers: Meta y Microsoft señalaron ambos un aumento en los precios de los componentes como una de las razones por las que el capex está subiendo, pero ninguno indicó una reducción en la inversión en IA.

Para los inversores, esto sugiere que el problema de la inflación de costos en IA también puede ser una oportunidad de ingresos para los proveedores de memoria. Si los hyperscalers continúan absorbiendo costos más altos de memoria para asegurar capacidad, el poder de fijación de precios podría mantenerse con los productores de HBM, DRAM y NAND por más tiempo.

Los nombres ilustrativos que los inversores suelen monitorear en esta área incluyen SK Hynix, Micron, Samsung Electronics y ETFs vinculados a la memoria, que pueden explorarse a través de la lista corta Memory Stocks & ETFs de Saxo. Estos nombres se incluyen solo como ejemplos de referencia y no son recomendaciones.

El riesgo clave es que la memoria sigue siendo cíclica. Si la nueva oferta llega más rápido de lo esperado, o si el crecimiento del capex en IA se desacelera, el poder de fijación de precios podría desvanecerse rápidamente.

Tema 2: La re-aceleración de la nube es la prueba de monetización

La nube fue la evidencia más importante de que la IA está pasando de la promesa de gasto a la realidad de ingresos. Google Cloud de Alphabet creció aproximadamente un 63% interanual, impulsado por la demanda empresarial de IA, mientras que AWS de Amazon subió alrededor de un 28% interanual, su ritmo más rápido en varios trimestres, con un fuerte ingreso operativo. Azure de Microsoft creció alrededor de un 39–40% interanual, reflejando la demanda continua de software empresarial vinculado a IA y servicios en la nube.

Para los inversores, esto importa porque la nube es donde el capex en IA comienza a mostrar retorno comercial. Si las cargas de trabajo de IA continúan entrando en producción, los beneficiarios no son solo las plataformas en la nube, sino también los proveedores detrás de ellas: redes, infraestructura de centros de datos, silicio personalizado, refrigeración y gestión de energía.

Los nombres ilustrativos que los inversores suelen monitorear incluyen Arista Networks para redes en la nube, Broadcom y Marvell para silicio personalizado, y Vertiv y Eaton para energía y refrigeración de centros de datos. Estos ejemplos son solo de referencia y no recomendaciones. La lista corta AI Value Chain de Saxo puede usarse como un punto de referencia más amplio para inversores que buscan más allá de las plataformas tecnológicas más grandes.

También abre un ángulo emergente en torno a los "neonubes" centradas en IA — proveedores especializados de nube que alquilan capacidad de GPU y computación de IA a empresas que necesitan acceso más rápido de lo que los hiperescaladores pueden proporcionar. Los ejemplos que se discuten a menudo en este espacio incluyen CoreWeave, Nebius y Applied Digital. Estos son solo ilustrativos y no recomendaciones, y el segmento puede ser más volátil y sensible a la ejecución.

El riesgo clave es que el crecimiento de los ingresos en la nube aún podría no compensar completamente la escala del gasto en infraestructura. Los márgenes podrían seguir bajo presión si el uso de IA crece pero la fijación de precios, la utilización o la adopción empresarial decepcionan.

Tema 3: El silicio personalizado amplía el ecosistema de chips

Los hiperescaladores están intentando cada vez más controlar más de su pila de IA, incluido el diseño de chips. Los TPUs de Google, Trainium de Amazon y el programa MTIA de Meta apuntan todos al mismo objetivo estratégico: reducir los costos unitarios, mejorar el rendimiento para cargas de trabajo específicas y reducir la dependencia de una base estrecha de proveedores externos. Esto es especialmente relevante para la inferencia, donde la eficiencia y la escala importan a medida que se expande el uso de IA.

Para los inversores, esto no significa necesariamente que los líderes en GPU pierdan relevancia de la noche a la mañana. Nvidia y AMD siguen siendo centrales en el desarrollo de IA, pero el silicio personalizado podría cambiar gradualmente dónde se sitúan las futuras fuentes de beneficio, especialmente en la inferencia. Los diseñadores de ASIC, el empaquetado avanzado, las fundiciones y los proveedores de equipos para semiconductores pueden ganar importancia a medida que los hiperescaladores diversifican sus hojas de ruta de hardware.

Los nombres ilustrativos que los inversores suelen monitorear incluyen Broadcom y Marvell para ASIC personalizados, TSMC para exposición a fundiciones, ASML para equipos avanzados y Amkor o ASE Technology para empaquetado. Estos nombres son ejemplos solo para referencia y no son recomendaciones. Esto también refuerza el papel central de Asia en la cadena de suministro de IA, particularmente en Taiwán, Corea y Japón, sin necesidad de tratarlo como un tema separado.

El riesgo clave es la ejecución. El silicio personalizado es difícil de escalar, y los proveedores incumbentes de GPU aún tienen ecosistemas de software profundos, relaciones con clientes y ventajas de rendimiento. El riesgo a corto plazo para Nvidia y AMD está más relacionado con las expectativas de valoración y la futura cuota de cargas de trabajo de inferencia que con un colapso inmediato de la demanda. 

Tema 4: La energía y la potencia son los cuellos de botella ignorados

La IA no solo es intensiva en computación; también es intensiva en energía. A medida que los hiperescaladores aumentan el gasto de capital, el factor limitante es cada vez más no solo los chips, sino si se puede asegurar suficiente energía confiable, capacidad de red e infraestructura de refrigeración para operar los centros de datos. Esto se vuelve aún más importante a medida que los costos de energía aumentan y los riesgos inflacionarios regresan a la conversación macroeconómica.

Para los inversores, esto convierte a la energía en uno de los temas secundarios más importantes de la IA. El desarrollo de la IA puede apoyar la demanda de servicios públicos, proveedores de energía nuclear y de gas, equipos de red, sistemas eléctricos, soluciones de refrigeración y REITs de centros de datos.

Los nombres ilustrativos que los inversores suelen monitorear incluyen Constellation Energy y Vistra para generación de energía, NextEra Energy para renovables y exposición vinculada a la red, Bloom Energy y GE Vernova para generación distribuida y soluciones de red/energía, Eaton y Vertiv para sistemas eléctricos y refrigeración, y Equinix y Digital Realty para bienes raíces de centros de datos. Estos nombres son ejemplos solo para referencia y no son recomendaciones. No siempre se consideran "acciones de IA", pero pueden ser habilitadores críticos del crecimiento de la capacidad de IA.

El riesgo clave es que la energía también es donde los riesgos de políticas, permisos y financiamiento son más visibles. Los retrasos en las actualizaciones de la red, precios más altos de electricidad o financiamiento de deuda más costoso podrían ralentizar el despliegue de centros de datos y dificultar la justificación económica de la IA.

Tema 5: Asia es la columna vertebral del hardware en la cadena de suministro de IA

El ciclo de ganancias también destaca que, aunque el software y la adopción de IA aún están evolucionando, la columna vertebral del hardware ya está en plena construcción, y esa columna vertebral está en gran parte en Asia. A medida que el gasto de capital escala y surgen cuellos de botella, el valor se concentra en las partes de la cadena de suministro que pueden entregar capacidad física: semiconductores avanzados, memoria, equipos y fabricación.

Para los inversores, esto desplaza el enfoque hacia el papel de Asia como motor de producción de IA. El ecosistema de fundiciones de Taiwán, el dominio de Corea en memoria y la fortaleza de Japón en equipos y materiales para semiconductores son centrales para habilitar la fase actual del ciclo de IA. Estos no dependen de la monetización a corto plazo de la IA. Se benefician directamente del desarrollo en sí.

El riesgo clave es que esta ventaja liderada por hardware también conlleva exposición geopolítica. La concentración de la cadena de suministro, los controles de exportación y los riesgos relacionados con Taiwán significan que Asia puede seguir siendo estructuralmente crítica, pero también más sensible a cambios políticos y geopolíticos.

Reflexión final: Del escenario de IA a la economía de IA

La historia de la IA no se ha debilitado, se ha madurado.

El mercado está pasando de recompensar la participación a recompensar la ejecución. Eso significa:

• La monetización importa más que los anuncios.
• La disciplina de costos importa junto con el crecimiento.
• La selección de acciones dentro del ecosistema de IA se vuelve más importante que la exposición amplia.

Para los inversores, esto marca un cambio de un rally de un solo tema a un ciclo más matizado — donde identificar la parte correcta de la cadena de valor puede importar tanto como identificar el tema en sí.

Lea el análisis original aquí