Morgan Stanley Investigación de Semiconductores en Gran China publicó un nuevo informe el 8 de mayo de 2026.

-> Los racks y servidores siguen siendo el principal impulsor del CAPEX, representando alrededor del 58-63% del costo total del centro de datos de 1 GW, excluyendo HBM y CPU.
-> Para ASICs personalizados, los racks y servidores son mucho menores, alrededor del 39% del costo total. Esa es la razón más clara por la que los hyperscalers siguen impulsando el silicio interno.
-> Morgan Stanley estima que un centro de datos con GPU de NVIDIA de 1 GW cuesta:
Vera Rubin: ~$NVDA
GB300: ~$41B
B200: ~$33B
H100: ~$24B
En comparación con ASICs personalizados:
TPUv7: ~$23B
Trainium3: ~$27B
-> Los sistemas NVIDIA de generación actual pueden costar hasta aproximadamente el doble por GW que los ASICs personalizados. Vera Rubin casi triplica a Trainium3 en esta estimación.
-> Esto no significa que los ASICs personalizados sean automáticamente mejores. NVIDIA aún tiene el ecosistema de pila completa más fuerte, software, redes, disponibilidad y soporte de modelos. Pero muestra por qué los hyperscalers tienen un incentivo económico masivo para escalar ASICs.
-> El segundo mayor gasto es en redes, alrededor del 19-23% en la mayoría de los sistemas.
-> La fuente de energía, refrigeración, DRAM, HBM y CPU son significativos, pero secundarios en comparación con racks, servidores y redes.
-> Esto también es alcista para los proveedores de infraestructura a escala de rack, porque el debate sobre CAPEX en IA no es solo GPU vs ASIC. Es racks, redes, distribución de energía, refrigeración y toda la construcción del centro de datos.
-> El mundo de los hyperscalers se dividirá entre clústeres premium de NVIDIA para máximo rendimiento y flexibilidad, y clústeres de ASICs personalizados para cargas de trabajo más económicas y más optimizadas.
-> NVIDIA aún captura la parte más rica del CAPEX de infraestructura de IA, pero los ASICs personalizados se están convirtiendo en el mecanismo de presión de costos que los hyperscalers usarán para reducir la dependencia a largo plazo.