2026-11-04 · Fuente:华尔街见闻全球·中继

El relato del gasto de capital en semiconductores se enfría y el mercado busca con urgencia la "siguiente historia de IA"; para los compradores de cómputo, las decisiones de compra durante este cambio de narrativa exigen nuevas coordenadas.
Wall Street está cambiando la pregunta: el próximo relevo del rally de la IA quizá ya no esté en manos de los chips. Pete Callahan, experto en TMT de Goldman Sachs, ofreció en el más reciente debate una valoración: la narrativa de inversión en IA está migrando del gasto de capital en semiconductores hacia la capa de aplicaciones, con la "economía de inferencia" y los agentes personales como nuevas palabras clave. Este juicio no es una afirmación genérica, sino una reflexión sistemática sobre la línea principal del mercado de los últimos dos años. Desde 2023, la lógica central del rally global de IA ha girado en torno al lado de la oferta de cómputo: el ritmo de envíos de los fabricantes de chips, los planes de gasto de capital en centros de datos de los proveedores de nube y el avance de la expansión de procesos avanzados y memoria de alto ancho de banda encendían el ánimo del mercado con casi cada resultado mejor de lo esperado. Pero Callahan señala que, cuando "cuánto se ha invertido" ya es información pública conocida por todos, el margen de diferencial de expectativas de esa línea principal queda fuertemente comprimido.
El peso de este giro está en el cambio de sistema de referencia. Antes, la narrativa de inversión en IA tenía como núcleo el gasto de capital en semiconductores, y el mercado miraba la escala de la inversión en chips y centros de datos: la carrera armamentística por cómputo de entrenamiento en la nube, la competición de parámetros entre modelos gigantes y la infraestructura eléctrica y de refrigeración que sostiene todo ello constituyeron el cauce principal del capital en los últimos dos años. Según el marco de Callahan, que el centro de la narrativa se desplace hacia la economía de inferencia implica que el foco pasará de "cuánto se ha invertido" a qué negocio puede generarse del lado de la inferencia. En otras palabras, el mercado comienza a preguntarse cuánto valor comercial medible produce realmente cada GPU tras su despliegue: el volumen de llamadas de inferencia, el coste por token y la conversión de pago en la capa de aplicaciones serán los indicadores que, gradualmente, sustituyan al propio gasto de capital como nueva vara de medir la salud de la industria de la IA.
Si historias de la capa de aplicaciones como los agentes personales toman el relevo, la atención podría extenderse desde la cadena de suministro de hardware hasta la calidad real de la implantación de aplicaciones. Un agente personal es un asistente de IA capaz de ejecutar tareas de forma autónoma en nombre del usuario y de coordinarse entre aplicaciones; se le considera una de las mayores fuentes potenciales de demanda de inferencia, pues cada llamada autónoma de un agente supone un consumo real de cómputo de inferencia. Si esta narrativa se confirma, la sostenibilidad de la demanda de cómputo del lado de la inferencia dejará de depender de la voluntad de gasto de capital de unos pocos proveedores de nube y será impulsada conjuntamente por miles de millones de escenarios de aplicación finales, lo que tiene implicaciones estructurales para el panorama de oferta de cómputo.
Sobre la IA para programación, Callahan fue muy directo: ya no es un secreto para el mercado. Los asistentes de programación fueron vistos como el escenario de monetización más seguro de la capa de aplicaciones, y su velocidad de ingresos y retención de usuarios entusiasmaron al mercado; pero cuando una línea principal la conoce todo el mundo, el diferencial de expectativas que puede aportar es limitado. Lo que el mercado realmente necesita es una nueva historia que tome el relevo. Esa es la urgencia más genuina del debate: el mercado busca con ansia la "siguiente historia de IA", pero la respuesta aún no se ha revelado.
Para compradores de cómputo e inversores, conviene atender lo que este cambio de narrativa implica para el mercado de hardware. Si la capa de aplicaciones toma el relevo como línea principal, el margen posterior del mercado de semiconductores deberá sustentarse en nuevas pruebas más allá del gasto de capital; antes de que aparezca la nueva historia, el trading de IA probablemente será puesto a prueba una y otra vez durante el periodo de vacío en que la historia antigua se agota y la nueva aún no llega. El rasgo típico de este vacío es una volatilidad creciente y una divergencia de valoraciones: los activos sostenidos solo por la narrativa sufren presión correctora, mientras que las empresas cuyos flujos de caja e ingresos por inferencia pueden verificarse resisten mejor.
Para los compradores reales de cómputo de IA, este giro tiene también un valor directo de referencia para la toma de decisiones. Primero, el auge de la demanda de inferencia implica que la estructura de compra debe pasar de "acumular de una vez grandes volúmenes de cómputo de entrenamiento" a "ampliar con flexibilidad y bajo demanda el cómputo de inferencia"; la mayor volatilidad de las cargas de inferencia hace que el coste ajustado por riesgo de modelos de facturación por uso o alquiler de corto plazo puede superar al bloqueo a largo plazo de racks completos. Segundo, el periodo de vacío narrativo suele ser una ventana de negociación de precios: cuando se enfría el relato del gasto de capital y el mercado se vuelve cauto sobre el hardware, la presión al alza sobre los precios spot y de alquiler de cómputo debería aliviarse, y los compradores pueden negociar con más calma sin temor a que la demanda de aplicaciones arrebate el cómputo. Tercero, al evaluar proveedores, además de las especificaciones de hardware, conviene fijarse en la estabilidad de sus servicios de inferencia, la eficiencia de orquestación y la transparencia de la medición: en el contexto de la "economía de inferencia", el rendimiento efectivo real de cada unidad de cómputo es el verdadero denominador del coste.
Cabe recordar que un cambio de narrativa no supone el fin de la lógica del hardware. La carrera de modelos grandes del lado del entrenamiento continúa, y el crecimiento de la demanda de inferencia depende, en esencia, de la continua expansión de la oferta de hardware. El verdadero cambio está en la lógica de valoración: el mercado exigirá una cadena causal más clara entre la inversión en hardware y los ingresos por inferencia. Desde esta perspectiva, el juicio de Callahan es menos una postura bajista sobre los chips que un "estándar de prueba" más exigente para toda la cadena industrial de la IA: quien primero haga rentable el negocio del lado de la inferencia tendrá la entrada a la "siguiente historia de IA".
En cuanto a los datos de mercado, las cotizaciones spot de los activos de cómputo GPU vinculados a este cambio de narrativa no están aún incluidas en el seguimiento en tiempo real de este medio; el modelo en cuestión no cuenta actualmente con datos de precios de venta publicados. Los compradores que necesiten los últimos precios negociables y la información de unidades en venta pueden consultar los próximos informes de mercado de cómputo de este medio u obtener cotizaciones dirigidas a través del canal de consultas de precios.
P: ¿Cuál es el significado esencial de la "economía de inferencia" según Goldman Sachs y en qué se diferencia de la línea principal de inversión en IA del pasado?
R: Según el marco de Pete Callahan, experto en TMT de Goldman Sachs, el cambio esencial es que el foco pasa de "cuánto" gasto de capital se ha invertido a qué negocio puede generarse del lado de la inferencia; los agentes personales se convierten en la fuente clave de demanda incremental, mientras que la IA para programación ya no es un secreto y su margen de diferencial de expectativas es limitado.
P: Durante el periodo de vacío entre la historia antigua y la nueva del trading de IA, ¿cómo deberían ajustar su estrategia de compra los compradores de cómputo?
R: Se recomienda pasar de acumular cómputo de entrenamiento a ampliar con flexibilidad el cómputo de inferencia, priorizando la facturación por uso o el alquiler de corto plazo para cubrir la volatilidad de las cargas, y aprovechando la ventana de negociación que trae el enfriamiento de la narrativa; dado que el modelo relacionado no cuenta actualmente con precios de venta publicados, antes de cerrar cualquier operación debe prevalecer la consulta de precios en tiempo real y los últimos informes de mercado.
P: ¿Cuál es el significado esencial de la "economía de inferencia" según Goldman Sachs y en qué se diferencia de la línea principal de inversión en IA del pasado?
R: Según el marco de Pete Callahan, experto en TMT de Goldman Sachs, el cambio esencial es que el foco pasa de "cuánto" gasto de capital se ha invertido a qué negocio puede generarse del lado de la inferencia; los agentes personales se convierten en la fuente clave de demanda incremental, mientras que la IA para programación ya no es un secreto y su margen de diferencial de expectativas es limitado.
P: Durante el periodo de vacío entre la historia antigua y la nueva del trading de IA, ¿cómo deberían ajustar su estrategia de compra los compradores de cómputo?
R: Se recomienda pasar de acumular cómputo de entrenamiento a ampliar con flexibilidad el cómputo de inferencia, priorizando la facturación por uso o el alquiler de corto plazo para cubrir la volatilidad de las cargas, y aprovechando la ventana de negociación que trae el enfriamiento de la narrativa; dado que el modelo relacionado no cuenta actualmente con precios de venta publicados, antes de cerrar cualquier operación debe prevalecer la consulta de precios en tiempo real y los últimos informes de mercado.
Etiquetas: Goldman Sachs · Pete Callahan · Inference Economy · AI Agents · Semiconductor Capex
萬安算交所 AIXX · AIXX · Exchange verificado · Ir al mercado