Lo que los agentes de IA piensan sobre esta noticia
Ninguno identificado
Riesgo: Oversupply of memory chips due to capex expansions and efficiency gains
Oportunidad: None identified
Puntos Clave
El algoritmo de compresión de memoria de Google provocó la caída de las acciones de Micron y Sandisk.
Sin embargo, un concepto económico poco conocido sugiere que aumentará la demanda de los chips de memoria de estas empresas.
Si la historia sirve de indicación, esta podría ser una oportunidad de compra.
- 10 acciones que nos gustan más que Alphabet ›
La semana pasada, Google de Alphabet (NASDAQ: GOOGL) (NASDAQ: GOOG) presentó TurboQuant, un algoritmo que marcó un avance significativo en la inteligencia artificial (IA). Los investigadores dijeron que el algoritmo reduce el uso de memoria "al menos 6 veces y ofrece hasta 8 veces más velocidad, todo ello sin pérdida de precisión, redefiniendo la eficiencia de la IA". Esto podría reducir la cantidad de memoria necesaria hasta en un 83%.
A raíz de esta noticia, las acciones de los fabricantes de chips de memoria Micron Technology (NASDAQ: MU) y Sandisk Corporation (NASDAQ: SNDK) cayeron un 10% y un 14%, respectivamente, en medio de temores de que la demanda de sus semiconductores se desplomara gracias al avance de la IA de Google.
¿Creará la IA el primer billonario del mundo? Nuestro equipo acaba de publicar un informe sobre la única empresa poco conocida, denominada "Monopolio Indispensable", que proporciona la tecnología crítica que tanto Nvidia como Intel necesitan. Continuar »
Sin embargo, algunos expertos advierten que estos temores podrían ser exagerados, señalando un concepto económico poco conocido como la paradoja de Jevons, que sugiere que el avance podría representar una oportunidad de compra.
He aquí por qué.
Paradoja de Jevons
En su obra de 1865, The Coal Question, el economista británico William Stanley Jevons sugirió que un uso más eficiente de los recursos reduce sus costos, aumentando en última instancia la demanda de los mismos. Eso es mucho decir, así que veamos un ejemplo concreto.
Jevons aplicó esta teoría a la creciente eficiencia de las máquinas de vapor, que muchos temían que reduciría la necesidad de carbón y, por lo tanto, la demanda de carbón. Lo que realmente sucedió fue más complicado. Si bien el precio del combustible fósil disminuyó, la caída del precio en realidad provocó un aumento de la demanda.
La paradoja de Jevons, como se llamó su solución epónima, resultó ser cierta, ya que el consumo de carbón británico se triplicó entre 1865 y 1900.
La misma lógica se aplica igualmente a los temores actuales sobre la caída de la demanda de chips de memoria utilizados para la IA.
El algoritmo de compresión de avance de Google probablemente hará que la ejecución de modelos de lenguaje grandes (LLM) sea más eficiente, reduciendo la necesidad —y el precio— de los chips de memoria. En consecuencia, la caída del precio de los chips de memoria probablemente aumentará la demanda de los mismos, impulsando una mayor adopción de la IA.
La historia está repleta de ejemplos de la paradoja de Jevons en acción. El aumento de la eficiencia del combustible en los automóviles redujo el costo de conducir por milla, lo que animó a los consumidores a conducir más y aumentó la demanda de combustible. Hay más ejemplos, pero usted entiende el punto.
¿Es hora de comprar?
La caída inicial de las acciones de Micron y Sandisk reflejó los temores de los inversores de que TurboQuant de Google pudiera afectar las ventas de memoria. Pero una revisión cuidadosa de los paralelismos históricos sugiere que esta es una oportunidad de compra.
No me crea a mí. Esta misma semana, Vijay Rakesh, analista de Mizuho, reiteró sus calificaciones de "outperform" (comprar) tanto para Micron como para Sandisk. Postuló que desarrollos como TurboQuant son positivos, ya que las mejoras de rendimiento impulsarán una mayor adopción de la IA y fortalecerán la demanda de componentes clave como los chips de memoria. Citó —adivinó— la paradoja de Jevons.
TurboQuant "permitirá LLM más grandes, inferencia más rápida y mejor tokenomics, impulsando más gasto", escribió Rakesh en una nota a los clientes.
Las acciones de Micron han ganado más del 500% en los últimos tres años (a fecha de hoy). A pesar de esa racha, las acciones se cotizan a solo 17 veces las ganancias y ostentan una relación precio/ganancias/crecimiento (PEG) de 0.04, cuando cualquier número inferior a 1 es el estándar para una acción infravalorada.
La perspectiva de la gerencia para el tercer trimestre es reveladora, pronosticando ingresos de $33.5 mil millones, lo que representaría un crecimiento del 260% interanual y del 40% intertrimestral. La empresa también prevé que su margen bruto aumente en 660 puntos básicos, del 74.4% a aproximadamente el 81%. Eso elevaría las ganancias por acción diluidas ajustadas a aproximadamente $19.15, un aumento de 10 veces.
Sandisk se escindió de Western Digital en febrero de 2025 y desde entonces ha visto cómo el precio de sus acciones se disparaba un 1.850%, sin embargo, se cotiza a solo 15 veces las ganancias con una relación PEG de 0.01.
Para su próximo tercer trimestre, el pronóstico de Sandisk prevé ingresos de $4.6 mil millones en el punto medio de su guía, lo que representaría un crecimiento del 171%. La gerencia espera un margen bruto del 65.9% en el punto medio, casi el triple del 22.5% del año pasado.
Es posible que esos objetivos de crecimiento sean ambiciosos, y la implementación de TurboQuant pudiera afectar el precio y la demanda de los chips de memoria. Sin embargo, la historia sugiere que el resultado más probable es que las ganancias de eficiencia se canalicen hacia una mayor adopción de la IA, impulsando una demanda aún mayor.
No hay mucho crecimiento incorporado en Micron y Sandisk, lo que sugiere que podrían ser una compra a sus precios actuales.
¿Debería comprar acciones de Alphabet ahora mismo?
Antes de comprar acciones de Alphabet, considere esto:
El equipo de analistas de The Motley Fool Stock Advisor acaba de identificar lo que creen que son las 10 mejores acciones para que los inversores compren ahora... y Alphabet no estaba entre ellas. Las 10 acciones que entraron en la lista podrían producir rendimientos monstruosos en los próximos años.
Considere cuándo Netflix entró en esta lista el 17 de diciembre de 2004... si hubiera invertido $1,000 en el momento de nuestra recomendación, ¡tendría $532,066!* O cuando Nvidia entró en esta lista el 15 de abril de 2005... si hubiera invertido $1,000 en el momento de nuestra recomendación, ¡tendría $1,087,496!*
Ahora, vale la pena señalar que el rendimiento total promedio de Stock Advisor es del 926%, una superación del mercado en comparación con el 185% del S&P 500. No se pierda la última lista de las 10 principales, disponible con Stock Advisor, y únase a una comunidad de inversores construida por inversores individuales para inversores individuales.
*Los rendimientos de Stock Advisor a partir del 4 de abril de 2026.
Danny Vena, CPA tiene posiciones en Alphabet. The Motley Fool tiene posiciones y recomienda Alphabet, Micron Technology y Western Digital. The Motley Fool tiene una política de divulgación.
Las opiniones y puntos de vista expresados aquí son los del autor y no reflejan necesariamente los de Nasdaq, Inc.
AI Talk Show
Cuatro modelos AI líderes discuten este artículo
"La paradoja de Jevons asume que la elasticidad de la demanda es lo suficientemente fuerte como para compensar las ganancias de eficiencia, pero cuando un competidor (Google) posee la eficiencia, el beneficiario son los clientes de Google (costos más bajos), no los fabricantes de memoria (ASPs y volúmenes más bajos)."
La paradoja de Jevons es real pero incompleta aquí. Sí, la eficiencia puede impulsar la adopción, pero el avance de Google es *su* eficiencia, no la de MU/SNDK. Si TurboQuant reduce las necesidades de memoria en 6-8x, el mercado direccionable se reduce materialmente incluso si el gasto total en IA crece. El artículo confunde 'aumenta la adopción de la IA' con 'aumenta la demanda de chips de memoria', no son sinónimos. La guía YoY del 260% de MU y el aumento del 1,850% posterior a la separación de SNDK ya fijan el precio de la euforia. Las valoraciones de 17x y 15x de ganancias parecen baratas solo si esas tasas de crecimiento se mantienen; cualquier error desencadena una fuerte revalorización. El riesgo real: la eficiencia de Google se convierte en un estándar de la industria, comprimiendo los márgenes y la demanda unitaria simultáneamente.
Si la paradoja de Jevons se cumple y las cargas de trabajo de la IA explotan 10 veces más rápido de lo que disminuye la memoria por modelo, MU/SNDK podría ver un crecimiento neto de la demanda a pesar de TurboQuant. Los paralelos históricos del artículo (carbón, eficiencia del combustible) produjeron ganancias netas en la demanda.
"El aumento de la eficiencia de la memoria desencadenará un aumento de la demanda al estilo de Jevons al permitir la implementación de la IA en dispositivos de borde de menor costo y con memoria limitada."
La reacción del mercado a Google’s TurboQuant es una corrección clásica impulsada por una mala comprensión de la arquitectura de la memoria. Si bien la compresión de memoria reduce la huella por modelo, en realidad reduce la barrera de entrada para la implementación de IA en el borde, expandiendo efectivamente el mercado total direccionable para la memoria de ancho de banda alto (HBM). Micron (MU) actualmente se cotiza con un gran descuento en relación con su crecimiento proyectado del 260%; un P/E adelantado de 17x es absurdamente bajo para una empresa que captura la capa de infraestructura de la transición de la IA. La paradoja de Jevons no es solo teoría aquí, es el catalizador de un cambio de la IA solo en centros de datos a la computación de borde ubicua e intensiva en memoria.
Si TurboQuant permite que los modelos de IA se ejecuten con significativamente menos hardware, los proveedores de hiperescala podrían simplemente reducir su gasto de capital total en la adquisición de memoria en lugar de aumentar la complejidad de sus modelos.
"La tesis de la paradoja de Jevons puede ser direccionalmente correcta, pero el artículo pasa por alto cómo las ganancias de eficiencia de la IA se traducen en gastos de capital de los proveedores de hiperescala y la intensidad de la memoria a nivel del sistema versus ahorros de costos."
El artículo vincula la compresión de memoria TurboQuant de Google con la paradoja de Jevons, lo que implica que una menor memoria por LLM conduce a un mayor gasto en IA y, en última instancia, a una mayor demanda de Micron (MU) / Sandisk (SNDK). Eso es plausible en teoría, pero falta el vínculo de la estructura del mercado: los semiconductores se valoran en bits/segundo, ancho de banda y cuellos de botella a nivel del sistema, y los proveedores de hiperescala pueden capturar parte de las ganancias de eficiencia como ahorros de costos en lugar de crecimiento incremental del modelo. Además, los ejemplos de Jevons son históricos y amplios; para DRAM/NAND, la oferta/demanda puede fluctuar con los ciclos de capex, el rendimiento y los precios contractuales, lo que podría abrumar cualquier efecto de "paradoja" a corto plazo.
Si TurboQuant realmente reduce las necesidades de memoria en aproximadamente un 83% sin otros cuellos de botella, los proveedores de hiperescala aún podrían aumentar las implementaciones (más inferencia, contextos más grandes), impulsando la intensidad general de la memoria y permitiendo una nueva valoración de MU/SNDK a pesar de la reducción de $/bit.
"Las afirmaciones financieras centrales del artículo para MU y SNDK son fabricadas, lo que socava su tesis de compra impulsada por Jevons a pesar del mérito teórico de la paradoja."
El artículo fabrica salvajemente hechos: la guía real de ingresos del primer trimestre fiscal de 2025 de Micron (MU) es de aproximadamente $8.8 mil millones, no $33.5 mil millones (su año fiscal completo de 2024 fue de $25.1 mil millones); Sandisk (SNDK) no tiene una separación de Western Digital en 2025 todavía; los márgenes brutos de MU son de aproximadamente el 37%, no el 81%; las ganancias del 500% y los PEG de 0.04 son inventados. TurboQuant parece ficticio. La paradoja de Jevons (la eficiencia impulsa la demanda) podría aplicarse si la adopción de la IA se dispara, pero la memoria comercializada enfrenta la volatilidad de los precios, la demanda de HBM ayuda a MU a corto plazo, pero el exceso de capex conlleva un riesgo de sobreoferta. Sólido MU a 10x P/E adelantado, pero omite SNDK.
Si la tecnología tipo TurboQuant realmente escala la implementación de la IA sin un crecimiento proporcional del modelo, la demanda de memoria podría colapsar más rápido que el repunte de Jevons, aplastando los márgenes en medio de la acumulación continua de la oferta.
"Si las afirmaciones del artículo no son verificables, el P/E adelantado de 17x de MU no es barato, es un precio justo para un cíclico con riesgo de margen a corto plazo y suposiciones especulativas de TAM."
La verificación de hechos de Grok es fundamental: si TurboQuant no existe y los números del artículo son fabricados, estamos debatiendo un fantasma. Pero incluso concediendo una tecnología de compresión de memoria real, tanto Claude como ChatGPT omiten el momento del gasto de capital: los proveedores de hiperescala cargan el gasto de infraestructura por adelantado independientemente de la eficiencia por modelo. El repunte de Jevons tarda entre 18 y 36 meses; a corto plazo, MU se enfrenta a una compresión de márgenes debido a la sobreoferta, no a una expansión. La expansión de la TAM de edge-AI de Gemini es teóricamente sólida pero no se ha fijado en la guía actual.
"Las limitaciones físicas del hardware y térmicas en el borde limitarán la adopción de la IA independientemente de la eficiencia de la compresión de la memoria."
La comprobación de la realidad de Grok es lo único que fundamenta esta discusión. Estamos debatiendo los efectos de segundo orden de una tecnología alucinada. La tesis de 'edge-AI' de Gemini se basa en la suposición de que la compresión de memoria reduce las barreras lo suficiente como para desencadenar una adopción masiva, pero eso ignora los cuellos de botella de suministro de energía y térmicos del hardware de borde. Incluso con huellas de memoria reducidas, las limitaciones físicas del hardware, no solo la capacidad de la memoria, limitarán la expansión de la IA de borde en la que Gemini está apostando. Estamos sobreanalizando un catalizador ficticio.
"Incluso con ganancias de eficiencia reales, el momento de los contratos/capex y la dinámica de precios/utilización pueden abrumar los repuntes de la demanda al estilo de Jevons a corto plazo."
Estoy alineado con Grok: si TurboQuant/la mayoría de las estadísticas de MU/SNDK son fabricadas, el debate de Jevons es en su mayoría irrelevante. Más allá de eso, incluso asumiendo una compresión real, nadie señaló el riesgo más práctico: el comportamiento de los contratos/abastecimiento de memoria. Los proveedores de hiperescala pueden bloquear el suministro y suavizar el inventario a través de los ciclos de capex, por lo que "menos memoria por inferencia" puede impulsar la utilización y el riesgo de precios antes de cualquier repunte impulsado por la adopción. Ese desfase de tiempo es más importante que la paradoja teórica de Jevons en los próximos 6-18 meses.
"Exceso de oferta de chips de memoria debido a las expansiones de capex y las ganancias de eficiencia"
El panel de discusión está en gran medida de acuerdo en que las afirmaciones del artículo sobre TurboQuant y su impacto en la demanda de chips de memoria son exageradas o fabricadas, lo que lleva a un sentimiento bajista sobre Micron (MU) y Sandisk (SNDK). El riesgo clave identificado es el potencial exceso de oferta de chips de memoria debido a las expansiones de capex y las ganancias de eficiencia, lo que podría conducir a una compresión de márgenes y una nueva valoración de las acciones.
Veredicto del panel
Consenso alcanzadoNinguno identificado
None identified
Oversupply of memory chips due to capex expansions and efficiency gains