El primer superciclo real de chips en 18 años ha llegado, según Bernstein

El 21 de junio de 2026, Stacy Rasgon, analista senior de Bernstein, hizo una declaración que captó la atención de toda la industria de semiconductores: después de 18 años cubriendo el sector, está presenciando el primer 'superciclo' real de su carrera . La afirmación no es solo un titular: viene respaldada por datos que desafían incluso a los inversores más cautelosos a prestar atención.

Rasgon, ingeniero formado en el MIT que ha cubierto chips en todos los ciclos de hype desde la burbuja de las puntocom, detalló su tesis en una extensa entrevista. Su argumento central: esto no es otro auge impulsado por la oferta. Es una ola de demanda de escala histórica, alimentada por una inversión en infraestructura de IA que ya se acerca al 4,4% del PIB de EE. UU. .

Las cifras detrás del superciclo

La magnitud es difícil de exagerar. Los ingresos globales de semiconductores superaron los 800 mil millones de dólares el año pasado y ahora se disparan hacia los 1,3 billones de dólares en 2026 . La firma de investigación de mercado Gartner reportó por separado un aumento interanual del 64% para la misma cifra .

Rasgon señaló que los cuatro grandes hiperescaladores de EE. UU. – Amazon, Microsoft, Google y Meta – planean gastar aproximadamente 725 mil millones de dólares en gastos de capital en 2026, y la mayor parte se destinará a infraestructura de IA . Los precios de la memoria se han disparado verticalmente: los precios de la DRAM subieron aproximadamente un 90% trimestre a trimestre rumbo a 2026 .

El efecto 'golpeta': escasez en todas partes

Una de las observaciones más impactantes de Rasgon es lo que él llama el efecto 'golpeta' – cuellos de botella que se propagan por toda la cadena de suministro de chips. 'Todo está siendo arrastrado por esta demanda insaciable de cómputo de IA. Nunca había visto nada a esta escala en mi carrera', dijo Rasgon .

Rasgon detalló la propagación: la escasez comenzó con los aceleradores GPU, luego pasó a la memoria HBM, después a los equipos de fabricación de semiconductores, luego a las redes y la óptica, después a los chips de potencia, y ahora incluso las CPU escasean .

Un ejemplo concreto del alcance de la demanda: incluso Intel, que tenía un 'inventario previamente valorado en cero', lo ha vendido por completo . Los clientes supuestamente le dijeron a Intel: 'No nos importa; solo véndenoslo' .

HBM: el acaparador de silicio oculto

Un cuello de botella crítico es la memoria de alto ancho de banda (HBM), que representa más del 85% del área de silicio de un chip de IA . Debido a los rendimientos de apilamiento y la sobrecarga del dado lógico, fabricar 1 GB de HBM requiere aproximadamente cuatro veces el área de silicio de la DRAM estándar . Esta matemática explica por qué la oferta de memoria no ha podido seguir el ritmo de la demanda de GPU, y por qué los precios de la memoria se han convertido en un factor dominante en los costos de los chips.

Los ingresos de CPU de Nvidia: un rack cuenta la historia

Rasgon destacó un dato sorprendente: en un rack de 72 GPU, las 36 CPU en su interior generan aproximadamente 20 mil millones de dólares en ingresos por CPU para Nvidia. Esto ilustra cómo el desarrollo de la IA está creando una demanda masiva de chips mucho más allá de los propios aceleradores GPU.

Del entrenamiento a la inferencia: el giro hacia la monetización

Rasgon enfatizó que el enfoque del mercado se está moviendo del entrenamiento de modelos a la inferencia de IA – el camino central hacia la monetización . Citó los ingresos de Anthropic, que se dispararon de 9 mil millones a 30 mil millones de dólares, como evidencia directa de este cambio . A medida que los modelos de IA pasan de proyectos de investigación a producción, el cómputo requerido para la inferencia probablemente superará con creces las cargas de trabajo de entrenamiento.

ASIC vs. GPU: coexistencia, no competencia

Una pregunta común entre los inversores es si los ASIC personalizados (como los de Broadcom) desplazarán eventualmente a las GPU de Nvidia. Rasgon cree que ambos coexistirán a largo plazo en un mercado en crecimiento . Su marco: las GPU programables son más adecuadas para la investigación y la inferencia exploratoria, mientras que los ASIC sobresalen en cargas de trabajo de inferencia predecibles y de alto volumen. El mercado total direccionable es lo suficientemente grande para absorber ambos.

El cuello de botella definitivo: la energía

Rasgon concluyó con una nota aleccionadora. La limitación final no son los chips, ni la memoria, ni las redes – es la energía. La infraestructura de IA requiere aproximadamente un aumento anual del 5% en la capacidad de la red eléctrica de EE. UU. para sostener la trayectoria de crecimiento . Esto supone una demanda asombrosa sobre una red que ha visto un crecimiento mínimo de capacidad durante décadas.

Argumentó que la próxima ola de innovación y cuellos de botella de la IA recaerá inevitablemente en la generación de energía, la refrigeración y la energía nuclear . Sin una inversión significativa en la red, el propio superciclo podría topar con un techo energético.

Qué significa esto para los inversores

El mensaje de Rasgon es claro: mientras la demanda de IA no se desplome, el superciclo de semiconductores es real y sostenible. Pero la naturaleza de la oportunidad está cambiando. El dinero fácil en las acciones de GPU puede estar dando paso a un panorama más complejo donde el propio 'cuello de botella' – ya sea en HBM, chips de potencia o infraestructura energética – se convierte en el generador de riqueza .