El muro de la memoria: cómo la escasez de HBM está redefiniendo la economía de la inteligencia artificial

Está surgiendo una limitación silenciosa en el núcleo de la expansión de la inteligencia artificial, y no es la disponibilidad de capacidad de cómputo. Es la memoria que la alimenta. Durante los últimos meses, una escasez mundial de memoria de alto ancho de banda ha pasado de ser una nota al pie de la cadena de suministro a convertirse en una fuerza decisiva que determina los precios, las estrategias corporativas y el ritmo al que puede desplegarse la infraestructura de IA. Los efectos ya son visibles en toda la cadena de valor, desde el coste de las tarjetas aceleradoras en Shenzhen hasta los márgenes brutos de las mayores empresas de semiconductores del mundo.

La mecánica de la escasez es sencilla, aunque sus implicaciones no lo sean. La memoria de alto ancho de banda, o HBM, es una forma especializada de memoria dinámica de acceso aleatorio que apila verticalmente capas de chips de memoria y las conecta a un procesador mediante miles de canales microscópicos. Es lo que permite a un acelerador de IA acceder a enormes cantidades de datos a velocidades que la memoria convencional no puede igualar. A medida que los modelos de IA han crecido y se han vuelto más complejos, la cantidad de HBM necesaria por procesador ha aumentado considerablemente. El H100 de Nvidia contaba con 80 gigabytes de HBM. El B200 cuenta con 192 gigabytes. El Blackwell Ultra cuenta con 288 gigabytes, un aumento de 3,6 veces en apenas dos generaciones.

El problema es que producir HBM es significativamente más difícil que producir memoria estándar. Requiere vías a través del silicio, adelgazamiento de obleas, apilamiento, pruebas y encapsulado avanzado, todo lo cual consume capacidad de fabricación y produce un rendimiento inferior al de la DRAM convencional. Cada gigabyte de HBM consume aproximadamente cuatro veces la capacidad de oblea de la DRAM estándar, y los rendimientos se mantienen en el rango del 50 al 60 por ciento. Cuando tres empresas representan prácticamente todo el suministro mundial, y cuando esas empresas han redirigido espacio de salas blancas que antes producía memoria para consumidores hacia HBM de mayor margen, el resultado es una presión estructural que se extiende mucho más allá del propio segmento de la IA.

Las cifras que describen esta presión son llamativas. Se prevé que el mercado total de HBM crezca de 35 mil millones de dólares en 2025 a 54,6 mil millones de dólares en 2026, un aumento de más del 50 por ciento en un solo año. Samsung y SK Hynix han elevado casi un 20 por ciento los precios contractuales de 2026 para la generación actual de HBM, y el mercado espera que las pilas HBM4 de próxima generación se sitúen entre 500 y 600 dólares por unidad, otro 55 a 70 por ciento por encima de los niveles actuales. Fuentes del sector citadas por DigiTimes sugieren que el precio de HBM4 podría subir de alrededor de 2 dólares por gigabit en la segunda mitad de 2026 a 4 o 5 dólares o más, impulsado por la extrema complejidad del proceso de fabricación, que requiere entre cuatro y seis meses de producción y sufre rendimientos iniciales significativamente inferiores.

Estos aumentos de precios ya se están transmitiendo por la cadena de suministro de formas visibles. En China, donde los controles de exportación han limitado el acceso a la memoria avanzada de los tres proveedores dominantes, los fabricantes de chips de IA se han visto obligados a depender cada vez más de canales del mercado gris, pagando varias veces más de lo que pagan por los mismos componentes los compradores fuera de China. El resultado ha sido un fuerte aumento del coste de las tarjetas aceleradoras terminadas. Huawei ha elevado el precio indicado de su tarjeta Ascend 950DT a más de 250.000 yuanes, aproximadamente 37.000 dólares, un aumento del 20 al 50 por ciento respecto a los precios cotizados apenas dos meses antes. Cambricon ha reajustado el precio de su procesador de próxima generación entre un 20 y un 30 por ciento al alza. Incluso los productos de generaciones anteriores han subido: la Ascend 950PR, que se vendía por alrededor de 60.000 yuanes por tarjeta a principios de año, ahora se ofrece por más de 80.000 yuanes. Como la memoria representa una parte importante del coste de producción de un acelerador, los precios más altos se están trasladando directamente a las tarjetas terminadas, elevando el coste de construir capacidad informática de IA precisamente cuando la demanda de esa capacidad se está acelerando.

Los efectos no se limitan a China. La escasez ha reforzado la posición de los proveedores de memoria frente a las empresas que compran sus productos. Micron, que durante mucho tiempo ha sido el menor de los tres productores de HBM, planea casi duplicar su capacidad mensual de obleas de HBM hasta aproximadamente 100.000 obleas para finales de 2026, frente a las entre 40.000 y 50.000 obleas del año pasado. Samsung y SK Hynix tienen cada una una capacidad mensual de HBM de aproximadamente entre 150.000 y 200.000 obleas, entre tres y cuatro veces la escala actual de Micron. La brecha se está reduciendo, pero sigue siendo considerable. Más importante aún, el poder de fijación de precios que acompaña a la escasez está ahora firmemente en manos de los proveedores. Como señaló un análisis, la escasez de memoria es una de las pocas tendencias de IA en las que Nvidia puede beneficiarse simultáneamente de una mayor demanda final y perder algo de poder de negociación frente a un proveedor.

Este cambio tiene implicaciones que van más allá de los márgenes de empresas individuales. El mercado de memoria en general está siendo remodelado por las mismas fuerzas. Los precios contractuales de la DRAM convencional subieron aproximadamente entre un 90 y un 95 por ciento intertrimestralmente en los tres primeros meses de 2026, un aumento trimestral récord. Los precios contractuales de NAND subieron entre un 55 y un 60 por ciento en el mismo periodo, con nuevos aumentos del 70 al 75 por ciento previstos para el segundo trimestre. A finales de agosto, el índice de suficiencia de suministro del mercado al contado había caído por debajo del 50 por ciento, lo que significa que los fabricantes de módulos y los fabricantes de equipos originales no podían obtener suficiente DRAM y NAND de uso general para cubrir sus necesidades. Algunos productos de memoria antiguos, como DDR4, cotizan por encima de la DDR5 más nueva porque la capacidad se ha desviado hacia productos más rentables. Los analistas independientes describen ahora la situación como la mayor escasez de memoria de la historia, y se espera que los precios elevados persistan durante el resto de la década.

A nivel técnico, la escasez refleja un desequilibrio más profundo sobre el que los ingenieros llevan años advirtiendo. El rendimiento de cómputo de los aceleradores de IA se triplica aproximadamente cada dos años, mientras que el ancho de banda de HBM crece menos del doble durante el mismo periodo. La brecha entre la velocidad a la que un procesador puede calcular y la rapidez con la que los datos pueden llegar hasta él se está ampliando, no reduciendo. Como afirmó un investigador de Micron en una conferencia reciente del sector, este muro de la memoria no se está reduciendo; está creciendo. La consecuencia práctica es que añadir más capacidad de cómputo a un sistema produce rendimientos decrecientes si la memoria no puede suministrar datos con suficiente rapidez para mantener ocupadas las unidades de cómputo. En la inferencia de modelos de lenguaje grandes, especialmente en tareas con tamaños de lote pequeños y contextos largos, el sistema puede pasar la mayor parte del tiempo leyendo pesos y caché en lugar de realizar cálculos. En ese entorno, un mayor ancho de banda de memoria puede ser más valioso que una mayor capacidad de cómputo bruta.

La respuesta del sector ha sido tratar la memoria no como un único conjunto, sino como un sistema por capas. Los datos más activos, los pesos y las cachés de clave-valor a los que hay que acceder de inmediato, residen en HBM. Los datos menos sensibles al tiempo se encuentran en memoria DDR o LPDDR. Los datos más fríos, los parámetros de modelos y las cachés a los que se accede con poca frecuencia, se almacenan en unidades de estado sólido. Gestionar eficazmente esta jerarquía requiere software capaz de predecir qué datos serán necesarios y moverlos eficientemente entre las distintas capas. Es un problema que tiene tanto que ver con el software y el diseño de sistemas como con el hardware.

Para quienes siguen los mercados de activos digitales, la escasez de memoria ofrece una perspectiva útil sobre el ciclo más amplio de infraestructura de IA. Las mismas fuerzas que impulsan la demanda de HBM, la expansión de la capacidad de entrenamiento e inferencia de modelos, están dando forma a los flujos de capital, la demanda energética y la estrategia corporativa en todo el sector tecnológico. Los centros de datos que se están construyendo para entrenar y ejecutar modelos de lenguaje grandes se están diseñando para dar cabida a infraestructura financiera tokenizada, y los inversores institucionales que financian la expansión de la IA son cada vez más los mismos inversores que destinan capital a los activos digitales. Ambos mundos son cada vez más difíciles de separar, y la escasez de memoria se encuentra en su intersección.

¿Qué debería observar un analista cuidadoso en los próximos trimestres? Primero, la trayectoria de los precios de HBM4. Los contratos que se están negociando ahora fijarán la base de costes para la próxima generación de aceleradores de IA, y esos costes acabarán reflejándose en el precio de los servicios de IA. Segundo, el ritmo de expansión de la capacidad de Micron, Samsung y SK Hynix. La duplicación prevista de la capacidad de obleas de Micron es significativa, pero no se espera que una nueva oferta sustancial alivie el mercado hasta finales de 2027 como pronto. Tercero, la disposición de los fabricantes de chips de IA a absorber los mayores costes de memoria. Si los márgenes se comprimen demasiado, podría ralentizar el ritmo de despliegue de infraestructura, lo que tendría efectos en cadena en toda la cadena de suministro de IA.

La verdad más profunda es que la expansión de la IA ha entrado en una fase en la que las limitaciones vinculantes ya no se refieren únicamente a cuántos procesadores pueden fabricarse. Se refieren a si la infraestructura circundante —memoria, encapsulado, energía y refrigeración— puede mantener el ritmo. HBM es el ejemplo más claro de este cambio, pero no será el último. El sector está aprendiendo que la inteligencia a escala requiere no solo computación, sino también la capacidad de trasladar datos a esa computación de manera eficiente. Las empresas que resuelvan ese problema capturarán una parte sustancial del valor que se está creando. El resto observará, calculará y se preparará.
#ShareWeekly
#HBMShortageBoostsAIChipPrices