Los cuellos de botella de la IA en 2026: chips, memoria HBM, encapsulado y energía

La tesis más fácil de escribir sería: «los modelos pequeños están mermando la demanda de centros de datos». Las cifras dicen exactamente lo contrario. El gasto en inversión (capex) de los gigantes tecnológicos se está acelerando, no ralentizando; pero la verdadera limitación ya no es el silicio en sí mismo. Es todo lo que se necesita para convertirlo en un chip que funcione y mantenerlo en funcionamiento.

Las inversiones en IA se aceleran: el gasto en capital de las grandes tecnológicas sigue creciendo

El gasto en capital combinado de Microsoft, Amazon, Alphabet y Meta para 2026 roza los 725 000 millones de dólares, frente a unos 410 000 millones en 2025 —un crecimiento del 77 % en un solo año—. Amazon lidera la lista con unos 200 mil millones, seguida de Microsoft (190), Alphabet (hasta 205, cifra revisada al alza a lo largo del año) y Meta (hasta 145, previsión revisada al alza en dos ocasiones).

El flujo de caja libre se ve muy afectado: algunas estimaciones apuntan a una caída de casi el 90 % para Meta, con previsiones de flujo de caja libre negativo para Amazon en 2027-28. Y aquí es donde surge la primera señal interesante para los inversores: tras los resultados trimestrales de Alphabet, la acción cayó un 7 % a pesar de un crecimiento del negocio en la nube del 63 %. Los inversores empiezan a exigir un retorno de la inversión (ROI) visible, no solo un aumento ciego del gasto en inversión (capex). Es la primera grieta en un discurso que, hasta ahora, parecía a prueba de dudas.

Nvidia y AMD: la demanda de GPU y chips de IA no se está ralentizando

Si el gasto en capital de los clientes se acelera, esto se refleja ante todo en los ingresos de quienes les venden las GPU. Nvidia cerró el trimestre con 75 200 millones de dólares de facturación en el segmento de centros de datos, un +92 % interanual, con un margen neto del 72 %. AMD le sigue con 6.7 mil millones en el segmento de centros de datos, un +107 % interanual, y una facturación total de +50 %, impulsada por la puesta en marcha de Helios: el sistema «rack-scale» de AMD —un armario de servidores completo diseñado para que cientos de chips funcionen juntos como un único gran ordenador para la IA, en competencia directa con las soluciones equivalentes de Nvidia—. Cerrar ✕ (su sistema «rack-scale») con Meta, OpenAI y Oracle como clientes.

Ninguna de las dos empresas muestra signos de ralentización relacionada con la difusión de los SLM o la inferencia local. Si acaso, el problema del que hablan en las conferencias con los analistas es justo el contrario: no consiguen suministrar con la suficiente rapidez. Y es aquí donde la historia pasa de «cuántos chips se necesitan» a «qué se necesita realmente para convertir un chip en un producto que funcione».

Los tres cuellos de botella de la cadena de suministro de la IA: encapsulado, memoria y energía

El discurso público se centra casi siempre en la escasez de GPU. Pero en 2026 la limitación se ha desplazado hacia la fase final de la cadena, a tres puntos concretos —y son estos, y no la adopción de modelos más pequeños, el verdadero límite a la velocidad a la que puede crecer la infraestructura de IA.

1. Empaquetado avanzado y CoWoS: por qué el montaje de los chips de IA se ha convertido en un cuello de botella

Un chip de IA moderno no es una simple pieza de silicio: es un procesador lógico unido a pilas de memoria de altísima velocidad mediante un proceso denominado CoWoS (Chip-on-Wafer-on-Substrate), controlado casi en su totalidad por TSMC. Sin este paso, incluso una oblea perfecta de 3 nanómetros sigue siendo una pieza de silicio inerte, no un chip funcional.

Casi cuatro veces más capacidad en dos años — y, aun así, el director ejecutivo de TSMC, C.C. Wei, ha declarado a los accionistas que la capacidad de CoWoS sigue siendo «extremadamente limitada y agotada hasta finales de 2026». Solo Nvidia ha reservado una cuota estimada de entre 800 000 y 850 000 obleas de la capacidad prevista para 2026 —más de la mitad del total disponible—. Según algunas estimaciones del sector, las instalaciones de encapsulado avanzado de TSMC están reservadas hasta 2027, con plazos de entrega de entre 52 y 78 semanas. También los sustratos ABF —otro material necesario, controlado en más de un 95 % por un único proveedor japonés— son señalados por TSMC como el próximo posible cuello de botella después de la memoria. Vale la pena abrir este paréntesis, porque quizá describa el punto más estrecho de toda la cadena de suministro. Los ABF (Ajinomoto Build-up Film) son el material aislante indispensable para encapsular cualquier chip de IA de gama alta —y el nombre no es casualidad: se descubrieron en los años 90 como subproducto de la producción de glutamato monosódico, el típico cubito de caldo—. Ajinomoto, la empresa japonesa conocida por el gran público sobre todo por sus productos alimenticios, controla hoy en día más del 95 % del mercado mundial de este material —una concentración incluso más extrema que la de TSMC en el ámbito del encapsulado avanzado—. En agosto de 2026 comunicó a sus clientes chinos un recorte del 30 % en los suministros y un nuevo sistema de precios vigente a partir del tercer trimestre, con subidas de hasta el 30 %; los plazos de entrega superaron los seis meses. Según Morgan Stanley, la brecha entre la oferta y la demanda de sustratos ABF de gama alta pasará del 10 % en la segunda mitad de 2026 al 21 % en 2027, hasta alcanzar el 42 % en 2028. La empresa ha anunciado inversiones de al menos 25 000 millones de yenes de aquí a 2030 para aumentar la capacidad en un 50 %; sin embargo, dado que Goldman Sachs prevé un crecimiento compuesto anual del mercado del 33 % hasta 2028, no es en absoluto seguro que eso sea suficiente. La acción, considerada históricamente como la de una empresa alimentaria tranquila, ha subido más del 40 % desde principios de 2026, alcanzando un máximo histórico a finales de febrero: el mercado ha empezado —con unos meses de retraso— a darse cuenta de que una empresa de condimentos tiene en sus manos toda la cadena de suministro de chips de IA.

2. Memoria HBM y DRAM: por qué la IA está absorbiendo la capacidad productiva global

Aquí, el cuello de botella se ha hecho visible incluso para quienes no siguen los mercados bursátiles. SK Hynix, Samsung y Micron —que juntas controlan más del 90 % de la producción mundial de DRAM— han declarado que su capacidad de memoria HBM (High Bandwidth Memory) está agotada para todo el año 2026, y algunos clientes ya se han asegurado suministros hasta 2027. El motivo: la producción de una sola oblea de HBM absorbe aproximadamente tres veces la capacidad de una oblea de DRAM convencional, y los fabricantes han trasladado masivamente la producción hacia la HBM, mucho más rentable.

Samsung ha subido el precio de los módulos DDR5 de 32 GB de 149 a 239 dólares —un aumento del 60 %—, mientras que los precios contractuales del DDR5 se han más que duplicado en el mismo periodo. Esto no supone un problema para los expertos del sector: ya está incluido en el precio del próximo ordenador que compres.

Las previsiones no apuntan a una recuperación rápida: Samsung y SK Hynix han señalado que la escasez podría prolongarse al menos hasta 2027, y en algunas declaraciones del Grupo SK se ha hablado incluso de presión sobre la demanda hasta 2030. En 2026, se prevé que los centros de datos absorban hasta el 70 % de toda la memoria de gama alta producida en el mundo —una inversión casi total con respecto a una industria históricamente concebida para ordenadores personales y smartphones de consumo—.

3. Energía y red eléctrica: el límite físico al crecimiento de los centros de datos de IA

El último cuello de botella es también el más difícil de resolver con la inversión en una nueva fábrica: la red eléctrica. Un solo campus para el entrenamiento de la IA puede requerir entre 100 y 500 megavatios continuos —el equivalente al consumo de una pequeña ciudad—. Los plazos de espera para conectar nueva capacidad a la red se han alargado hasta los 3-5 años, frente a los 24-30 meses habituales antes de 2020, principalmente debido a la escasez de transformadores de alta tensión.

El resultado: según un análisis citado por varios operadores del sector, de los aproximadamente 12 gigavatios de capacidad de centros de datos anunciados para 2026 en Estados Unidos, solo 5 se encuentran realmente en construcción. El resto permanece estancado en la fase de proyecto. Las cinco mayores empresas de «Big Tech» gastan ahora, solo en inversión en activos fijos (capex) relacionados con la energía, casi el doble de lo que toda la industria eléctrica estadounidense ha invertido en generación, transmisión y distribución en un año reciente. No es de extrañar que en algunas zonas residenciales cercanas a grandes agrupaciones de centros de datos (Virginia, Texas, Georgia) las facturas de electricidad ya hayan subido entre un 8 % y un 15 %, ni que analistas como Gartner prevean que, para 2027, las limitaciones de potencia restringirán hasta un 40 % de los centros de datos de IA previstos.

La respuesta de las grandes tecnológicas ha sido eludir por completo la red pública: acuerdos directos con productores de energía (Microsoft ha firmado un contrato por 10,5 GW con Brookfield Renewable), inversiones en centrales nucleares modulares y pilas de combustible in situ. Es una señal que merece la pena analizar con atención: cuando las empresas con mayor capitalización bursátil del mundo empiezan a construirse su propia central eléctrica con tal de no tener que esperar a la red, el cuello de botella ya no se percibe como algo temporal.

Chips de IA emergentes: Microchip, CEVA y Cerebras entre el «edge» y la nube

En medio de esta carrera dominada por unas pocas megacapitalizaciones, hay historias más modestas que merece la pena observar, porque muestran la otra cara de la misma moneda: no todos están apostando a la misma escala.

Microchip Technology ha adquirido Hailo, una startup israelí de chips para IA en el borde, después de que esta última viera cómo su valoración se desplomaba de más de mil millones de dólares a una fracción de esa cifra —no se trata de una adquisición triunfal, sino de un rescate, integrado en la red de distribución OEM que Microchip ha construido a lo largo de décadas. CEVA, licenciante de propiedad intelectual para NPU a una escala mucho menor, acaba de firmar un acuerdo de licencia con lo que define como «una plataforma líder mundial en IA» — un éxito de diseño que, si se traduce en regalías por volúmenes de hiperescaladores, podría cambiar la dimensión de la empresa en un plazo de 2 a 3 años. Y Cerebras, con su salida a bolsa en la que ha recaudado 6.4 mil millones de dólares, debe considerarse más bien como un rival de Nvidia en la inferencia en la nube a altísima velocidad —no como una prueba de la tesis del «edge»—: su facturación en la nube ha crecido un 281 % interanual, pero la pérdida neta según los principios contables generalmente aceptados (GAAP) solo en el último trimestre superó los 450 millones de dólares.

El futuro de la IA dependerá del encapsulado, la memoria y la energía

Al analizar los balances de las grandes tecnológicas, los fabricantes de chips y los actores externos, el panorama que surge no es el que sugiere el titular más fácil de escribir. No hay pruebas de que el auge de los SLM esté canibalizando la demanda de centros de datos; al contrario, el gasto en capital y los ingresos se aceleran en ambos frentes al mismo tiempo. La verdadera tesis de inversión, para quienes siguen este sector, no es «periferia frente a la nube»: sino que el cuello de botella se ha desplazado del chip a todo lo necesario para que funcione —carcasa, memoria, electricidad— y que estas tres limitaciones físicas, y no la adopción de modelos más pequeños, son las que realmente determinarán la velocidad a la que podrá crecer la infraestructura de IA en los próximos años.

Es el mismo principio subyacente del artículo anterior, visto desde una perspectiva diferente: la inteligencia artificial se está bifurcando entre una nube cada vez más grande y potente y un «edge» cada vez más capaz —no a costa de uno u otro, sino ambos limitados por la misma física subyacente: cuánta memoria se consigue producir, cuántos chips se consiguen montar realmente y cuánta electricidad se consigue llevar donde se necesita.