Déficit de energía en centros de datos de EE. UU. que alcanzará 38 GW: por qué Morgan Stanley prefiere a Nvidia y Broadcom

Los centros de datos de IA en Estados Unidos son infraestructura crítica para entrenar grandes modelos lingüísticos, impulsar servicios de inferencia y dar soporte a negocios de computación en la nube. Construirlos exige volúmenes enormes de GPU, chips ASIC, memoria, equipamiento de red y un suministro eléctrico fiable. A medida que las grandes compañías tecnológicas globales siguen incrementando su gasto de capital en IA, la construcción de centros de datos se acelera con rapidez. Sin embargo, la capacidad de la red eléctrica, la infraestructura de transmisión y la velocidad de acceso a la energía quizá no crezcan al mismo ritmo. La disponibilidad de energía se está convirtiendo cada vez más en un factor determinante para que el poder de cómputo de la IA pueda desplegarse en la práctica.

En su nota de investigación más reciente, Morgan Stanley elevó su previsión del déficit neto de electricidad para centros de datos en EE. UU. de 33 GW a 38 GW para 2026–2028, reflejando una preocupación creciente del mercado sobre la capacidad de suministro eléctrico para la infraestructura de IA. Al mismo tiempo, la firma continúa destacando a Nvidia (NVDA) y Broadcom (AVGO) como apuestas positivas relevantes en semiconductores. Considera que factores como la visibilidad de los envíos de chips, la expansión en mercados internacionales y la eficiencia de cómputo por unidad de potencia podrían ayudar a algunas de las principales compañías a mantener la competitividad en un entorno con energía limitada.

Este cambio sugiere que la competencia en la industria de chips para IA se está moviendo más allá de la mera persecución de un mayor rendimiento computacional. Ahora también se centra de forma creciente en la eficiencia de cómputo, la disponibilidad de energía y la rentabilidad del gasto de capital. Para los inversores, un hueco eléctrico de 38 GW no solo afecta a los plazos de construcción de los centros de datos. También puede alterar la relación competitiva entre GPU y ASIC, e influir en la demanda futura en distintas partes de la cadena de suministro de semiconductores, incluidas memoria, comunicaciones ópticas y gestión de la energía.

¿Qué significa el déficit eléctrico de 38 GW para los centros de datos de EE. UU.?

Morgan Stanley elevó su previsión del déficit neto de electricidad para centros de datos en EE. UU. de 33 GW a 38 GW. Esto significa que la firma espera un desajuste mayor entre la demanda eléctrica de los centros de datos de IA y el suministro disponible durante los próximos años. En este contexto, 38 GW se refiere a un hueco previsto de capacidad de potencia, no al tamaño de apagones reales que ya hayan ocurrido. Tampoco debe interpretarse como que la red estadounidense, en conjunto, carece de 38 GW de capacidad de generación.

GW (gigavatios) es una unidad de potencia. 1 GW equivale a 1.000 MW. Los grandes centros de datos de IA suelen requerir decenas o cientos de megavatios de capacidad eléctrica, mientras que los campus hipercalizados pueden planificar demandas eléctricas aún más elevadas. Como resultado, un posible hueco de decenas de gigavatios implica que muchos centros de datos ya planificados podrían necesitar esperar a mejoras de la red, ajustar sus ubicaciones de construcción o adoptar soluciones energéticas alternativas.

Conviene tener en cuenta que el suministro eléctrico de un centro de datos está influenciado por múltiples factores, incluida la capacidad de interconexión con la red local, la construcción de subestaciones, las líneas de transmisión, los recursos de generación y las aprobaciones relacionadas. Incluso si una región tiene generación suficiente en general, eso no garantiza que un centro de datos específico pueda asegurar la energía necesaria dentro del plazo previsto. Por tanto, el déficit eléctrico refleja principalmente un desajuste entre oferta y demanda tanto a nivel temporal como geográfico.

Para la industria de la IA, las restricciones de energía podrían retrasar algunas ampliaciones de capacidad de cómputo. Esto puede afectar la adquisición de GPU, las entregas de servidores y el calendario de lanzamiento de servicios en la nube. Los inversores deben diferenciar entre la capacidad planificada de los centros de datos, la capacidad eléctrica realmente aprobada y la capacidad de cómputo ya en operación. Estas métricas no son idénticas.

¿Por qué una escasez de energía podría cambiar el panorama competitivo GPU vs. ASIC?

Las GPU y los ASIC son dos categorías clave de chips en la computación para IA. Las GPU tienen una fuerte capacidad de cómputo paralelo de propósito general y pueden soportar el entrenamiento de modelos, la inferencia y una amplia gama de tareas de cómputo. Los ASIC son circuitos integrados de aplicación específica diseñados para casos de uso concretos. Habitualmente mejoran el rendimiento y la eficiencia optimizando la arquitectura del chip y los flujos de trabajo computacionales.

Cuando el suministro de energía es relativamente suficiente, los operadores de centros de datos pueden valorar el precio de compra de los chips, el rendimiento de cómputo, la compatibilidad de software y los costes operativos a largo plazo. Pero cuando la capacidad de potencia se convierte en una restricción estricta, las empresas necesitan centrarse más en cuántas tareas computacionales puede completar una unidad de potencia. En el caso de los negocios de inferencia de IA, esto puede expresarse como el número de Tokens procesados por vatio de electricidad.

Morgan Stanley considera que Nvidia tiene una ventaja competitiva en eficiencia de salida de tokens por vatio. En entornos con potencia limitada, algunos productos ASIC podrían sufrir presión sobre su cuota de mercado. El núcleo de esta visión es que los clientes de los centros de datos podrían priorizar plataformas de cómputo que generen una salida real mayor dentro de un presupuesto de potencia limitado, en lugar de centrarse únicamente en los costes de adquisición del chip.

Sin embargo, no es correcto concluir que todos los ASIC sean menos eficientes que las GPU. Google TPU, Amazon Trainium y otros aceleradores de IA personalizados también pueden ofrecer ventajas de eficiencia bajo ciertos modelos y cargas de trabajo. El rendimiento real de distintos chips depende de la arquitectura del modelo, la precisión de la inferencia, los tamaños de lote, la configuración de la memoria, la optimización del software y la utilización del sistema.

Así que no existe una conclusión fija que aplique a todos los escenarios de la competencia entre GPU y ASIC. La visión de Morgan Stanley se entiende mejor así: en las condiciones actuales de producto y despliegue, la eficiencia a nivel de sistema para algunas plataformas de cómputo de Nvidia podría recibir más atención. La competitividad de los ASIC aún debe evaluarse en función de cargas de trabajo específicas.

¿Por qué Morgan Stanley sigue favoreciendo a Nvidia (NVDA)?

Nvidia (NVIDIA, NVDA) es un proveedor importante en el mercado global de computación de aceleración para IA. Su ventaja competitiva no proviene solo de los chips GPU en sí, sino también del ecosistema de software CUDA, los elementos de interconexión de red, los sistemas de servidor y las herramientas de desarrollo relacionadas. A medida que crece la demanda de entrenamiento e inferencia de modelos de IA, Nvidia continúa lanzando nuevas plataformas de cómputo para mejorar el rendimiento de cómputo, el ancho de banda de memoria y la eficiencia general del sistema.

Morgan Stanley mantiene su preferencia por Nvidia principalmente en función de factores como la orientación conservadora de resultados, la mejora de la visibilidad de los envíos de chips, la expansión en mercados internacionales y la eficiencia de cómputo por unidad de potencia. Para los inversores, la visibilidad de los envíos implica que las entregas del producto y la demanda de los clientes en el próximo periodo podrían ser más claras, lo que puede reducir parte de la incertidumbre en las previsiones de ingresos. Aun así, los pedidos y las expectativas de entrega pueden cambiar si los clientes ajustan su gasto de capital o si se producen movimientos en la cadena de suministro.

En un contexto con energía limitada, la eficiencia a nivel de sistema de Nvidia podría convertirse en una ventaja competitiva relevante. Los operadores de centros de datos deben comparar no solo el rendimiento de una GPU concreta, sino también la eficiencia de los servidores, la red, los sistemas de refrigeración y el rendimiento del software en tiempo de ejecución. Si una plataforma de cómputo puede completar más tareas de inferencia con la misma capacidad de potencia, podría aumentar el potencial de ingresos de un centro de datos.

Al mismo tiempo, Nvidia enfrenta presión competitiva a largo plazo. Las grandes compañías de computación en la nube desarrollan continuamente chips de IA personalizados para reducir costes de cómputo y mejorar la autonomía de la cadena de suministro. Incluso si los ingresos de Nvidia siguen creciendo, su cuota de mercado, sus márgenes brutos y el nivel de valoración podrían no aumentar al mismo ritmo. Por ello, al analizar la acción de NVDA, los inversores deben seguir centrados en los ingresos de centros de datos, los márgenes brutos de producto, el gasto de capital de los clientes y la competencia procedente de chips personalizados.

¿Por qué Broadcom (AVGO) también atrae la atención de Morgan Stanley?

Broadcom (Broadcom, AVGO) es una empresa importante de semiconductores y software de infraestructura, con exposición en áreas como aceleradores de IA personalizados, chips de conmutación de red y enlaces de alta velocidad. A medida que las grandes empresas de computación en la nube expanden la construcción de centros de datos para IA, la demanda de chips personalizados y de infraestructura de red se convierte en una oportunidad de crecimiento relevante para Broadcom.

A diferencia de Nvidia, cuyo negocio clave se centra en gran medida en proporcionar plataformas GPU de propósito general, una de las direcciones importantes de Broadcom es ayudar a grandes clientes tecnológicos a desarrollar chips personalizados adaptados a cargas de trabajo concretas. Para proveedores de nube con numerosas tareas de cómputo repetitivas, los ASIC personalizados pueden reducir algunos costes de cómputo gracias a optimizaciones específicas. Además, los grandes clústeres de IA requieren chips de conmutación de alta velocidad y equipos de red para conectar nodos de cómputo, lo que también crea oportunidades de mercado para Broadcom.

La postura positiva simultánea de Morgan Stanley sobre Nvidia y Broadcom indica que no ve las GPU y los ASIC como direcciones de inversión completamente enfrentadas. Aunque algunos productos ASIC puedan sufrir presión de cuota de mercado en entornos con potencia limitada, los chips personalizados podrían seguir creciendo en clientes y escenarios de cómputo específicos. Broadcom tampoco depende únicamente de un negocio de ASIC. Su negocio de semiconductores de red puede participar en la expansión de la escala de los clústeres de IA.

Dicho esto, el negocio de chips personalizados de Broadcom podría verse afectado por los plazos de los proyectos de grandes clientes. Si los clientes cambian sus planes de I+D de chips, los calendarios de construcción de centros de datos o sus planes de gasto de capital, el crecimiento de ingresos relacionado podría fluctuar. Como resultado, la tesis de inversión de AVGO debe considerar, al mismo tiempo, la demanda de chips de IA personalizados, el crecimiento del negocio de redes y el riesgo de concentración de clientes.

¿Por qué se cuestionan las expectativas de capex de centros de datos para 2027–2028?

Morgan Stanley señala que el mercado intenta alinear las previsiones de 2027 de alrededor de 1,5 billones de dólares y la previsión de 2028 de alrededor de 1,6 billones de dólares en gastos de capital para centros de datos con la capacidad real de suministro eléctrico. Estas cifras son previsiones del mercado sobre la escala futura de inversión, no gastos de capital que ya hayan sido aprobados, firmados o que efectivamente se hayan materializado. El alcance estadístico exacto también debe confirmarse con la nota de investigación subyacente.

El capex de los centros de datos de IA normalmente incluye proyectos como chips de cómputo, servidores, equipamiento de red, construcción de instalaciones y la infraestructura de energía y refrigeración. Incluso si las empresas tecnológicas tienen una intención inversora sólida, parte del hardware podría no desplegarse en el calendario previsto si la red no puede proporcionar suficiente capacidad dentro del plazo planificado.

Este problema puede afectar a las decisiones de asignación de capital de las empresas. Por ejemplo, si un centro de datos planea iniciar operaciones en 2027, pero la entrega de energía se retrasa hasta 2029, un operador podría decidir posponer la compra de GPU y servidores para evitar largos periodos de inactividad tras la llegada temprana del equipamiento. Para los chips de IA que se actualizan con rapidez, la compra anticipada también podría aumentar el riesgo de depreciación del equipamiento.

Por tanto, el mercado necesita diferenciar entre tres etapas distintas: cuando las empresas anuncian sus planes de capex, cuando en realidad compran y construyen la infraestructura, y finalmente cuando el equipamiento de cómputo se pone oficialmente en operación y empieza a generar ingresos. Solo la etapa final convierte de manera real esos activos de cómputo en flujos de caja operativos continuos.

¿Por qué un ritmo más lento en la construcción de centros de datos podría afectar a chips de almacenamiento y módulos ópticos?

La cadena de la industria de centros de datos de IA tiene ciclos de adquisición y producción prolongados. Los fabricantes de chips, los proveedores de memoria y las empresas de equipamiento de redes suelen planificar la producción en función de las necesidades anticipadas por los clientes durante los próximos varios trimestres. Cuando el mercado espera un crecimiento rápido en la inversión de infraestructura de IA, los clientes pueden comprar componentes clave con antelación para asegurar la disponibilidad del equipamiento futuro.

Pero si la construcción de centros de datos se retrasa por escasez de energía, algunos componentes planificados podrían no desplegarse a tiempo. Como resultado, las empresas podrían retrasar compras, ajustar inventarios o reprogramar entregas. Estos cambios pueden exponer de repente a productos que antes estaban ajustados por oferta ante una demanda con un ritmo más lento.

Los chips de almacenamiento son un área que conviene vigilar de cerca. La demanda de HBM y de DRAM de servidor está estrechamente ligada a la escala y el ritmo de despliegue de los aceleradores de IA. Si se ralentiza la puesta en marcha de nuevos clústeres de GPU, también podría verse afectado el calendario de adquisición de memoria relacionada. Al mismo tiempo, la industria de chips de almacenamiento es cíclica. Las ampliaciones de las empresas y que los clientes acumulen inventario con antelación pueden amplificar aún más los cambios en oferta y demanda.

Los módulos ópticos y los componentes de interconexión de alta velocidad también dependen de construir grandes clústeres de cómputo. Si se retrasan los despliegues de los centros de datos, los pedidos de equipamiento de red relacionado podrían posponerse. Para las empresas de gestión de potencia y de chips analógicos, el progreso real de construcción de servidores y sistemas de suministro eléctrico también influirá en la demanda de producto.

Sin embargo, los retrasos en la construcción no significan necesariamente que la demanda final desaparezca. Algunos pedidos pueden sufrir solo retrasos en la entrega, en lugar de cancelarse de forma permanente. El impacto real todavía depende de los inventarios del proveedor, los acuerdos de compra de los clientes y el crecimiento de la demanda en otras regiones. Por ello, los inversores deben diferenciar entre fluctuaciones de pedidos de corto plazo y cambios en el tamaño del mercado de largo plazo.

¿Qué acciones de semiconductores podrían verse afectadas por cuellos de botella de energía en centros de datos de IA?

Las distintas empresas de semiconductores ocupan posiciones diferentes en la cadena de suministro de IA, por lo que el impacto de las restricciones de suministro eléctrico varía según su negocio.

Para NVDA y AVGO, los cuellos de botella de energía pueden generar tanto oportunidades como desafíos. Por un lado, los clientes podrían poner más énfasis en la eficiencia energética, lo que potencialmente incrementaría la demanda de plataformas de alto rendimiento y chips optimizados. Por otro lado, si se ralentiza la construcción de centros de datos, las entregas reales de chips también podrían verse afectadas.

Para MU y otros proveedores de memoria, la pregunta clave es si las compras de servidores de IA pueden seguir creciendo, y si la acumulación temprana de inventario conduce a una acumulación excesiva. En empresas de infraestructura eléctrica como VRT y ETN, el crecimiento de la demanda eléctrica de los centros de datos podría crear un nuevo mercado de equipamiento, pero los proyectos relevantes siguen condicionados por calendarios de construcción, aprobaciones y presupuestos de inversión.

Por tanto, no es correcto asumir que la escasez de energía beneficiará automáticamente a las empresas de equipamiento eléctrico, ni que perjudicará automáticamente a todas las compañías de semiconductores. La combinación de pedidos de cada empresa, sus fortalezas técnicas y sus niveles de valoración siguen determinando cuánto puede beneficiarlas realmente.

Cómo usar Gate Stock para seguir la cadena de suministro de chips de IA y la energía de centros de datos

Para los inversores que quieran seguir el ciclo de inversión en infraestructura de IA, pueden usar Gate Stock para seguir a empresas de semiconductores como Nvidia (NVDA), Broadcom (AVGO) y Micron Technology (MU). También pueden combinarlos con ETFs de sectores tecnológicos relacionados con la gestión de energía en centros de datos, el equipamiento de refrigeración y la tecnología asociada para observar cómo se comportan distintos segmentos de la cadena de suministro en el mercado.

Gate Stock ofrece una forma de usar USDT para operar con acciones y ETFs de EE. UU. Los tickers específicos disponibles para operar, las comisiones de trading y las reglas del producto dependen de las páginas reales de la plataforma.

Al analizar acciones relacionadas, los inversores deberían observar tres dimensiones al mismo tiempo: primero, si la demanda de cómputo de IA sigue creciendo; segundo, si los centros de datos pueden asegurar suficiente energía y ponerse en marcha a tiempo; y por último, si las empresas pueden convertir pedidos y ventajas técnicas en beneficios y flujo de caja. Depender solo de previsiones de capex de centros de datos no es suficiente para evaluar el valor a largo plazo de una acción.

Resumen

Morgan Stanley elevó su previsión del déficit neto de electricidad para centros de datos de EE. UU. en 2026–2028 de 33 GW a 38 GW. Esto refleja unas restricciones energéticas cada vez más claras para la expansión de la infraestructura de IA. Incluso si las grandes tecnológicas siguen elevando su gasto de capital, que los centros de datos puedan asegurar la energía según lo planeado seguirá afectando al tamaño real del despliegue de GPU, ASIC, chips de memoria y equipamiento de red.

En este contexto, la competencia de chips podría poner aún más énfasis en la eficiencia de cómputo por unidad de potencia. Morgan Stanley mantiene su preferencia por Nvidia y Broadcom, reflejando confianza a largo plazo en plataformas de alto rendimiento, chips personalizados y la demanda de redes de alta velocidad. Aun así, la competencia GPU vs. ASIC depende de la carga de trabajo específica. No se puede juzgar la futura cuota de mercado basándose únicamente en un indicador de eficiencia.

Mientras tanto, si se ralentiza la construcción de centros de datos por insuficiencia de suministro eléctrico, los componentes de almacenamiento, módulos ópticos y gestión de la energía que se adelantaron anteriormente debido a tensiones de oferta podrían enfrentarse a ajustes de inventario y volatilidad de pedidos. Para los inversores, el foco a partir de ahora debería estar en la capacidad efectivamente desplegada, las tasas de materialización de capex de las empresas, la eficiencia energética de los chips y los inventarios de la cadena de suministro, y no solo en la cantidad total incluida en los planes de construcción de centros de datos.

En la siguiente etapa de inversión en infraestructura de IA, la clave ya no es únicamente cuántos chips se pueden comprar. Es cuáto cómputo efectivo puede soportarse con recursos de potencia limitados, y cuásoos ingresos comerciales generan finalmente esas capacidades de cómputo.

Preguntas frecuentes

¿Qué significa el déficit eléctrico de 38 GW para los centros de datos de EE. UU.?

Se trata de la previsión de Morgan Stanley sobre la brecha neta entre oferta y demanda de electricidad para centros de datos en EE. UU. de 2026 a 2028. Refleja la posibilidad de una diferencia significativa entre la demanda eléctrica planificada y la capacidad eléctrica disponible. No significa que EE. UU. ya haya experimentado 38 GW de apagones reales.

¿Por qué podría beneficiar a Nvidia una escasez de energía?

Cuando la electricidad disponible para los centros de datos está limitada, los operadores pueden dar más peso a cuántas tareas de cómputo de IA pueden completarse por vatio. Si las plataformas de cómputo de Nvidia ofrecen una eficiencia energética a nivel de sistema superior bajo cargas de trabajo específicas, Nvidia podría ganar una ventaja competitiva. Aun así, el resultado real depende de la configuración de los chips, las optimizaciones de software y los escenarios de aplicación.

¿Los chips ASIC perderán cuota de mercado por una escasez de energía?

Algunos productos ASIC podrían enfrentar presión competitiva, pero no se puede generalizar. Los ASIC personalizados también pueden lograr alta eficiencia energética para tareas específicas de IA. La cuota de mercado futura depende del rendimiento del chip, su coste, el ecosistema de software y las estrategias de despliegue de los clientes.

¿Por qué Morgan Stanley favorece tanto a NVDA como a AVGO?

Nvidia tiene ventajas en GPU, sistemas de cómputo acelerado y ecosistemas de software. Broadcom participa en el mercado de chips de IA personalizados y redes de alta velocidad. Ambas empresas se benefician de maneras distintas de la inversión en infraestructura de IA, y no significa que solo las GPU o solo los ASIC puedan crecer.

¿Por qué una construcción más lenta de centros de datos podría afectar a chips de almacenamiento?

Si los centros de datos retrasan el despliegue de servidores por limitaciones de energía, los clientes podrían retrasar correspondientemente la compra de HBM, DRAM y otros componentes. Si hubiera existido una acumulación temprana de inventario, los ajustes de inventario a corto plazo podrían amplificar aún más la volatilidad de pedidos y precios.

¿Un déficit eléctrico de 38 GW hará que la inversión en IA se detenga en general?

No necesariamente. Las empresas pueden mitigar algunas limitaciones ajustando ubicaciones de construcción, desplegando por fases, mejorando la eficiencia energética del cómputo o añadiendo infraestructura energética. Sin embargo, estas medidas suelen requerir tiempo y dinero, por lo que no pueden garantizar que todos los proyectos planificados se completen a tiempo.