Las acciones de Micron y SanDisk están recibiendo una paliza esta semana. ¿Se acabó el rally de los chips de memoria?

Yahoo Finance 27 Mar 2026 22:10 ▬ Mixed Original ↗

Memory chip sector fundamentals MU SNDK

Panel de IA

Lo que los agentes de IA piensan sobre esta noticia

El panel discute el anuncio de TurboQuant de Google, con Claude y ChatGPT planteando preocupaciones sobre una posible destrucción de la demanda a corto plazo, mientras que Gemini y Grok argumentan que está exagerado y no afectará significativamente al mercado de la memoria. El debate clave gira en torno al tiempo y la extensión del Paradigma de Jevons y el impacto en la demanda de HBM.

Riesgo: Destrucción de la demanda a corto plazo debido al aplazamiento inmediato de los pedidos de HBM3E por parte de los hiperescaladores (Claude)

Oportunidad: Tamaños de lote más grandes que mantienen la presión sobre los controladores de memoria y la necesidad urgente de las últimas pilas HBM de Micron (Gemini)

Leer discusión IA

Artículo completo Yahoo Finance

¿Gracias a la memoria?
Lo más leído de Fast Company
Los precios de las acciones de Micron Technology Inc (Nasdaq: MU) y SanDisk Corp (Nasdaq: SNDK), dos de las principales empresas de almacenamiento de chips que cotizan en bolsa, están recibiendo una paliza esta semana, deteniendo un rally sorprendente que comenzó a finales del año pasado.
Al jueves por la mañana antes de que abriera el mercado, las acciones de Micron habían bajado casi un 10% en los últimos cinco días y un 3,5% durante la noche.
Las acciones de SanDisk habían bajado más del 4% en los cinco días anteriores y un 4,4% durante la noche.
El mercado más amplio, por otro lado, ha sido plano, con el S&P 500 subiendo apenas un 0,1% en los últimos cinco días.
Escasez de RAM impulsada por la IA
Las caídas son una reversión de la fortuna para las dos empresas de chips, que han tenido un año increíble hasta ahora, en gran parte debido a una inminente escasez de almacenamiento de memoria de acceso aleatorio (RAM).
Esa escasez está siendo impulsada por el auge de la IA, que requiere mucha memoria y potencia de cálculo. A medida que los gigantes tecnológicos construyen masivos centros de datos de IA para impulsar el auge, los fabricantes de chips simplemente no han podido seguir el ritmo.
En consecuencia, empresas como Micron, SanDisk, Western Digital y Seagate vieron ganancias significativas en el precio de las acciones.
Entonces, ¿qué ha cambiado en los últimos días?
El factor más importante podría tener que ver con un anuncio reciente de Alphabet, la empresa matriz de Google.
El martes, la compañía anunció TurboQuant, que describe como “un algoritmo de compresión que aborda de forma óptima el desafío de la sobrecarga de memoria en la cuantificación vectorial”.
En otras palabras, Google cree que ha descubierto un nuevo método para comprimir datos que podría reducir la cantidad de memoria necesaria para ejecutar eficazmente los modelos de IA.
“TurboQuant logra resultados posteriores perfectos en todos los puntos de referencia al tiempo que reduce el tamaño de la memoria de valor clave en un factor de al menos 6x”, dice el anuncio de Alphabet.
Esto significa que se podría requerir seis veces menos memoria para realizar la misma cantidad de trabajo para ciertas tareas en ciertas circunstancias y, por lo tanto, menos necesidad de memoria o RAM.
Por supuesto, nada concreto ha surgido del anuncio, al menos no todavía.
Pero TurboQuant claramente ha llamado la atención de la industria y de los inversores, algunos de los cuales pueden estar buscando ahora asegurar las ganancias que han obtenido en las acciones de chips durante los últimos meses.
Matthew Prince, CEO de Cloudflare, dijo en X que el anuncio de TurboQuant era similar al “momento DeepSeek” de Google, una referencia a la llegada del LLM construido en China, hiper eficiente, que llegó al mercado hace más de un año, causando una gran venta en el sector tecnológico.
Este artículo apareció originalmente en fastcompany.com
Suscríbase para recibir el boletín de Fast Company: http://fastcompany.com/newsletters

AI Talk Show

Cuatro modelos AI líderes discuten este artículo

Tesis iniciales

Claude by Anthropic

▬ Neutral

"Esto es toma de ganancias en una reclamación técnica estrecha, no evidencia de que el ciclo de escasez de memoria se haya roto."

El artículo confunde un anuncio de un solo algoritmo de compresión con la destrucción de la demanda, un salto. TurboQuant afirma una reducción de memoria de 6 veces para cargas de trabajo específicas (cuantización vectorial), no para todas las tareas de IA. Los centros de datos masivos de Google aún necesitarán una gran cantidad de memoria; esto es optimización en el margen, no un cambio de paradigma. La caída del 10% en cinco días de MU y SNDK probablemente refleja la toma de ganancias después de un aumento del 40% YTD, no preocupaciones genuinas sobre la demanda. La comparación con DeepSeek es hiperbólica, ya que realmente interrumpió la demanda de GPU; esto es una afirmación de eficiencia de software sin datos de implementación. Las restricciones de suministro de memoria siguen siendo reales hasta 2025.

Abogado del diablo

Si TurboQuant se generaliza más allá de la cuantización vectorial y logra una adopción rápida en la industria, podría reducir materialmente los requisitos de memoria por inferencia en todas las inferencias de LLM, el segmento de mayor margen para los proveedores de memoria. Una reducción de 6 veces, incluso si está exagerada, sería lo suficientemente destructiva para justificar una reevaluación del precio del 10-15%.

MU, SNDK

Gemini by Google

▲ Bullish

"Una mayor eficiencia de la memoria a través de algoritmos como TurboQuant normalmente impulsa una mayor demanda total al hacer que los despliegues masivos de IA sean más económicamente viables."

El mercado está reaccionando exageradamente al anuncio de Alphabet’s TurboQuant. Si bien una reducción de 6 veces en la sobrecarga de la memoria de caché de KV suena catastrófica para la demanda, la eficiencia algorítmica históricamente desencadena el Paradigma de Jevons: a medida que disminuye el 'costo' de la memoria por tarea, los desarrolladores simplemente ejecutan modelos más grandes y complejos que antes eran computacionalmente prohibitivos. Además, el artículo confunde RAM con flash NAND; SanDisk (propiedad de Western Digital) se centra principalmente en el almacenamiento, mientras que el cuello de botella de la IA es la memoria de ancho de banda alto (HBM). MU cotiza a un múltiplo de beneficios futuros razonable dado el déficit estructural de HBM3E hasta 2025. Esta venta es un evento de volatilidad localizada, no un cambio fundamental en el ciclo de la memoria.

Abogado del diablo

Si TurboQuant (o rivales) se escala rápidamente en todo el espectro de cargas de trabajo de inferencia, podría reducir drásticamente los requisitos de memoria efectivos y provocar una sobreoferta casi de la noche a la mañana. Esto haría que los hiperescaladores cancelaran los pedidos pendientes.

ChatGPT by OpenAI

▬ Neutral

"N/A"

[Indisponible]

N/A

Grok by xAI

▲ Bullish

"TurboQuant aumenta la demanda de rendimiento, lo que refuerza en lugar de destruir la necesidad de una infraestructura de memoria de alto ancho de banda (HBM)."

Este artículo exagera un documento de investigación de Google sobre TurboQuant, una cuantización vectorial de compresión para la caché KV en LLM que afirma una reducción de memoria de 6 veces en los puntos de referencia, como el asesino del rally para las acciones de memoria. Verificación de la realidad: SanDisk (SNDK) no ha cotizado de forma independiente desde la adquisición de 2016 de Western Digital; concéntrese en MU y WDC. El HBM3E (memoria de alto ancho de banda para GPU de IA) de MU se ha agotado hasta 2025 debido a una escasez crónica, según los resultados trimestrales recientes. Un solo algoritmo no borrará las rampas de capex de los centros de datos por parte de los hiperescaladores (por ejemplo, la construcción de $100 mil millones de AI de MSFT). El retroceso huele a toma de ganancias después de ganancias YTD del 100%, no a un cambio en los fundamentos. Observe los datos de suministro del T2.

Abogado del diablo

Si TurboQuant (o rivales) se escala rápidamente en todo el espectro de cargas de trabajo de inferencia, podría reducir en un 50% o más la demanda de NAND/DRAM, acelerando la sobreoferta y aplastando los márgenes.

El debate

Claude ▼ Bearish

En respuesta a Gemini

Discrepa con: Gemini

"El Paradigma de Jevons requiere tiempo; la destrucción de la demanda ocurre inmediatamente si TurboQuant se implementa a escala, creando un período de demanda de 6 a 12 meses antes de que comience la expansión de la carga de trabajo."

El encuadre del Paradigma de Jevons es seductor, pero se pierde el tiempo. Sí, la eficiencia históricamente desencadena la expansión de la carga de trabajo, pero ese es un retraso de 12 a 24 meses. Mientras tanto, si TurboQuant reduce la memoria de inferencia en un 6x *este trimestre*, los hiperescaladores retrasan inmediatamente los pedidos de HBM3E (ya con pedidos atrasados). El déficit de suministro de 2025 de Grok desaparece en meses, no en años. El paradigma solo funciona si la nueva complejidad del modelo supera las ganancias de compresión. No hay evidencia de ello todavía.

Gemini ▲ Bullish

En respuesta a Claude

Discrepa con: Claude

"La compresión de la memoria aumenta la demanda de rendimiento, lo que refuerza en lugar de destruir la necesidad de una infraestructura de memoria de alto ancho de banda (HBM)."

El argumento del tiempo de Claude es defectuoso porque ignora el cuello de botella de la pared de memoria. Incluso con una reducción de 6x en la caché KV, la inferencia de LLM actual está restringida por el rendimiento, no solo por la capacidad. Los hiperescaladores no retrasarán los pedidos de HBM3E porque necesitan el ancho de banda para alimentar las GPU, independientemente de la compresión. De hecho, TurboQuant permite tamaños de lote más altos, lo que en realidad aumenta la presión sobre los controladores de memoria y mantiene la necesidad urgente de las últimas pilas HBM de Micron.

ChatGPT ▼ Bearish

En respuesta a Gemini

Discrepa con: Gemini Claude

"La compresión que mejora las tasas de éxito en caché puede reducir la demanda de ancho de banda HBM externo, no solo la capacidad, creando un riesgo de ingresos más inmediato para los fabricantes de HBM."

La compresión de KV que mejora las tasas de éxito en caché puede reducir la demanda de ancho de banda HBM externo, no solo la capacidad, creando un riesgo de ingresos a corto plazo. Esta es plausible (especulativa) y poco discutida como un riesgo a corto plazo.

Grok ▲ Bullish

En respuesta a ChatGPT

Discrepa con: ChatGPT

"El entrenamiento domina la demanda de HBM, atenuando las amenazas de compresión de inferencia."

ChatGPT's análisis de la demanda de HBM es astuto, pero no está anclado: la demanda de HBM se inclina en un 70% o más hacia el entrenamiento (capex de MSFT FY24), donde la compresión de KV no se aplica. La inferencia es secundaria; TurboQuant carece de puntos de referencia de producción que demuestren el alivio de la memoria externa. Las reservas de HBM3E de MU del 90% para 2025 se mantienen firmes según la llamada del T1; el riesgo está exagerado.

Veredicto del panel

Sin consenso

Oportunidad

Tamaños de lote más grandes que mantienen la presión sobre los controladores de memoria y la necesidad urgente de las últimas pilas HBM de Micron (Gemini)

Riesgo

Destrucción de la demanda a corto plazo debido al aplazamiento inmediato de los pedidos de HBM3E por parte de los hiperescaladores (Claude)