Por qué una buena noticia de OpenAI hundió hasta 9% a Intel, AMD y Nvidia

El martes pasado las acciones de Nvidia cayeron casi 9%, AMD perdió más de 7% e Intel cedió alrededor de 5%. No fue un mal dato de inflación ni una suba de tasas lo que provocó el movimiento. Fue una noticia que, a primera vista, parecía excelente para el sector de inteligencia artificial: OpenAI anunció que su próximo modelo de razonamiento avanzado, el o3, requiere significativamente menos poder computacional que sus predecesores.

A simple vista, una mejora de eficiencia debería ser una buena noticia para todos. Sin embargo, los inversores reaccionaron como si hubieran visto un fantasma. El motivo es sencillo: el negocio actual de los fabricantes de chips, especialmente Nvidia, se basa en la premisa de que cada nueva generación de modelos de IA demandará órdenes de magnitud más GPUs de alto rendimiento. Si OpenAI logra entrenar y ejecutar modelos de frontera con mucha menos capacidad de cómputo, esa premisa se resquebraja.

El núcleo del asunto: la escalabilidad del cómputo

Desde el lanzamiento de ChatGPT en noviembre de 2022, el mercado ha internalizado la idea de que “más es mejor”. Más parámetros, más datos, más flops. Esa narrativa impulsó el rally de Nvidia hasta convertirla en la empresa más valiosa del mundo por un tiempo. El anuncio de OpenAI sugiere que estamos entrando en una fase donde la eficiencia algorítmica puede crecer más rápido que la necesidad de hardware bruto.

Según datos que circularon tras el anuncio, el modelo o3 de OpenAI lograría un rendimiento comparable o superior al de o1 con un consumo de cómputo varias veces menor. Para los inversores esto se traduce en una posible desaceleración de la inversión en data centers de IA de próxima generación. Menos demanda de chips equivale, en el margen, a menores ingresos y márgenes para los proveedores.

Reacción del mercado: ¿exagerada o racional?

La caída fue abrupta, pero no irracional. Nvidia cotiza a múltiplos que incorporan expectativas de crecimiento explosivo durante varios años. Cualquier señal que ponga en duda esa trayectoria justifica una corrección. AMD e Intel, aunque con menor exposición directa al boom de IA generativa, sufren por contagio y porque también compiten en el segmento de aceleradores y CPUs para servidores.

Ahora bien, conviene separar dos cosas. Que un modelo específico de OpenAI sea más eficiente no implica que toda la industria dejará de necesitar chips. La demanda de cómputo para inferencia, para entrenamiento de modelos más grandes en otras compañías y para aplicaciones enterprise sigue siendo estructuralmente alcista. Lo que cambió es el techo de expectativas de corto plazo.

Contexto histórico y comparado

Algo similar ocurrió en 2023 cuando surgieron rumores de que los modelos de lenguaje podían optimizarse con técnicas de destilación y cuantización. En aquel momento la corrección fue más leve porque el mercado todavía estaba en fase de euforia inicial. Hoy, con Nvidia negociando a más de 30 veces ventas forward, el margen de error es mucho menor.

Desde una mirada más larga, el episodio recuerda lo que pasó en la industria de los semiconductores durante la transición de los mainframes a la computación distribuida: las mejoras en software y arquitectura a menudo redujeron la necesidad de hardware más potente de lo esperado. Quienes apostaron solo al crecimiento de la demanda bruta terminaron pagando caro.

¿Qué debería mirar el inversor ahora?

Primero, los reportes de ingresos del próximo trimestre de Nvidia. Si la compañía mantiene o mejora su guidance de data center, el mercado probablemente descuente el episodio como un ruido. Segundo, los anuncios de los hyperscalers (Microsoft, Google, Amazon, Meta) sobre sus planes de capex en IA para 2025 y 2026. Ellos son los que realmente compran los chips.

Tercero, el ritmo de adopción de los nuevos modelos de OpenAI. Si o3 demuestra que se pueden lograr resultados de vanguardia con clusters mucho más chicos, varias empresas de IA van a repensar sus presupuestos de infraestructura. Eso no elimina la demanda, pero sí la modera.

El dato relevante acá es que el sector de semiconductores para IA pasó de ser una historia de “cuanto más cómputo mejor” a una donde la eficiencia importa tanto como la escala. Esa transición, aunque positiva para la productividad de largo plazo, genera volatilidad en las valuaciones que hoy lucen exigidas.

Antes de sacar conclusiones definitivas, habrá que ver cómo evoluciona la adopción real y si otros laboratorios (Anthropic, Google DeepMind, xAI) siguen el mismo camino de optimización o continúan apostando por el brute force computacional. Por ahora, el mercado eligió creer que la eficiencia llegó para quedarse. Y castigó en consecuencia.