Leí dos veces el informe de Goldman Sachs del 8 de julio. La segunda vez regresé específicamente por un detalle: Goldman Sachs colocó la electricidad en la cima de la cadena de valor de la IA en China, relegando los modelos y las aplicaciones a posiciones inferiores. Al principio, pensé que era solo otro movimiento emocional del mercado: Corea sube demasiado y cae, China cae demasiado y sube, con el capital buscando la siguiente historia. Pero después de terminar el informe completo, cambié de opinión. Lo que Goldman Sachs realmente dice no es solo que "la IA china va a subir", sino que toda la cadena de valor de la IA en China ha formado un circuito cerrado, y la valoración del mercado está muy por detrás de su peso económico real. Aún más contraintuitivo es que el eslabón con mayor certeza en toda la cadena es el que la mayoría de la gente pasa por alto primero al hablar de IA: la electricidad.
Esta clasificación merece más reflexión que el cambio de posiciones en sí mismo porque responde a una pregunta directa: ¿dónde debería ir el dinero para igualar la participación actual del 16% de China en los ingresos globales de IA, que actualmente solo recibe el 1.2% de las asignaciones de fondos? En este artículo, desglosaré las cinco áreas—electricidad, semiconductores, infraestructura, modelos y aplicaciones—explicando qué tipo de dinero genera cada una y quiénes son los objetivos representativos. A medida que leas, encontrarás varios puntos que son contraintuitivos.
▸ Por qué Goldman Sachs abandonó Corea por China ▸ Electricidad: El cuello de botella subyacente infravalorado ▸ Semiconductores: Sustitución nacional en el súper ciclo de la memoria ▸ Infraestructura: Donde realmente aterriza el gasto de capital ▸ Modelos: Por qué están clasificados más abajo ▸ Aplicaciones: El punto de monetización de menor riesgo ▸ Cómo combinar las cinco áreas y dónde están los riesgos
¿Qué dice realmente este informe?
Durante más de un año, el capital global prácticamente hizo fila para invertir en acciones de fabricantes de chips de memoria en Corea del Sur y Taiwán. Samsung y SK Hynix llevaron al índice KOSPI a máximos históricos. La lógica era simple: la IA necesita entrenamiento e inferencia, y la memoria es una necesidad; quien tenga la capacidad, gana.
Pero esta lógica comenzó a debilitarse este año. El mercado empezó a dudar de la sostenibilidad del gasto de capital en IA. El mercado de valores coreano cayó más del 5% en un solo día, con una caída acumulada de más del 20%, entrando en un mercado bajista técnico. Ese mismo día, el índice Hang Seng China Enterprises subió casi un 4.5%. Las huellas de la migración de capital son obvias.
Mi reacción inicial fue que esto podría ser solo un movimiento emocional—lo que sube tiene que bajar, y el capital siempre busca una nueva historia. Pero después de leer el informe completo, cambié de opinión porque el argumento de Goldman no es solo que la IA china va a subir, sino que la cadena de valor de la IA en China ha formado un circuito cerrado completo, y la valoración del mercado está muy por detrás de su peso económico real.
Las cifras son directas: China representa aproximadamente el 16% de los ingresos globales de IA y alrededor del 10% del valor de mercado global, pero la asignación de los fondos mutuos globales a la tecnología de IA en China es solo del 1.2%. Goldman Sachs estima que esta brecha podría significar un potencial alcista del 50% al 100%.
Goldman Sachs dividió este circuito cerrado en cinco áreas: Electricidad, Semiconductores, Infraestructura de IA, Modelos de IA y Aplicaciones de IA, y le dio un nombre de cartera específico: GSXACART. El orden del desglose en sí mismo es una declaración de intenciones. Cuanto más adelante esté clasificado, mayor será la certeza y la prioridad. Entonces, la pregunta es: ¿por qué la electricidad—un sector que suena más "terrenal" y tradicional—está clasificada antes que los chips y los modelos?
1. Electricidad: El Cuello de Botella Subyacente Infravalorado
El entrenamiento y la inferencia de la IA consumen mucha energía. Una sola consulta a ChatGPT consume casi 10 veces la electricidad de una búsqueda normal. Este número podría haberse ignorado hace unos años, pero a medida que las escalas de entrenamiento e inferencia aumentan simultáneamente, la electricidad ha pasado de ser una variable de fondo a una restricción dura. El problema en EE. UU. es típico: tienen los chips y la tecnología, pero la red eléctrica no puede seguir el ritmo. Muchos proyectos de centros de datos están atascados en el paso de acceso a la electricidad. China, por otro lado, tiene una ventaja: suministro de energía a gran escala, bajos costos de energía verde en el oeste, rápido apoyo político y velocidades de construcción que se mantienen al día. Estos factores se combinan en una ventaja comparativa que otros no pueden replicar fácilmente a corto plazo.
Goldman Sachs predice que las principales empresas de internet de China invertirán alrededor de $70 mil millones en centros de datos en 2026, con una demanda de energía de los centros de datos creciendo a una tasa interanual de aproximadamente el 25%. La cifra a más largo plazo de la Administración Nacional de Energía es que para 2030, el consumo de energía de los centros de datos de China alcanzará los 800 TWh, representando aproximadamente el 6% del consumo total de electricidad del país, con una tasa de crecimiento compuesto de casi el 36% de 2025 a 2030. Bloomberg New Energy Finance es aún más agresivo, creyendo que la demanda de energía de los centros de datos podría acercarse a los 600 TWh para 2030, más del doble que ahora.
La política de "Cálculo del Este, Datos del Oeste", que muchos pensaron inicialmente que era solo un eslogan, en realidad hace algo muy específico: convierte los bajos precios de la electricidad, los bajos precios del suelo y los entornos de baja temperatura del oeste directamente en ventajas de costos operativos para los centros de datos. Se estima que para 2025, esto podría ahorrar más de 300 mil millones de yuanes en costos de energía, y el entorno de baja temperatura optimiza naturalmente las relaciones de eficiencia energética.
Objetivo | Lógica Central |
|---|---|
Xuji Electric | Acceso UHV + distribución de energía para centros de datos |
Pinggao Electric | Equipos de conmutación de alta tensión, acceso a la energía para hubs de cómputo |
Sifang Shares | Automatización de energía, sistemas de gestión de energía para centros de datos |
TGOOD / Sinexcel | Refrigeración líquida + integración de energía, renovación energética interna de centros de datos |
La parte más fácilmente subestimada de esta área es que todos están acostumbrados a tratar la electricidad como infraestructura tradicional con valoraciones conservadoras. Pero en el ciclo de la IA, la electricidad ha pasado de ser un elemento de costo a ser la competitividad misma. EE. UU. tiene ventajas en chips y algoritmos, pero está limitado por la red eléctrica. China, por el contrario, ha convertido la electricidad—el recurso más básico—en un foso para los costos de potencia de cómputo. Hasta cierto punto, la certeza de las empresas de equipos eléctricos puede ser mayor que la de las empresas de semiconductores porque los semiconductores dependen del ritmo de la recuperación tecnológica, mientras que la adquisición de equipos eléctricos es rígida siempre que se estén construyendo centros de datos.
2. Semiconductores: Sustitución Nacional en el Súper Ciclo de la Memoria
La electricidad resuelve el problema de si puedes encender la máquina. ¿Qué pasa después de que se enciende? ¿Son suficientes los chips y la memoria? Eso es lo que responde la segunda área.
Goldman Sachs clasifica los semiconductores en segundo lugar, con un nicho fácilmente pasado por alto: no los chips lógicos, sino la memoria. La demanda de los servidores de IA de DRAM, NAND y HBM está creciendo casi exponencialmente, y China justo ha alcanzado la ventana para la producción en masa y la sustitución nacional de la memoria de uso general. Las cifras son más directas que la historia: la participación global de NAND de Yangtze Memory (YMTC) aumentará del 8% al 13% en el primer trimestre de 2026, empatando en el 4º lugar global, con ingresos aumentando un 445% interanual. Los ingresos de ChangXin Memory (CXMT) aumentaron un 719% interanual en el mismo período, con una guía de ingresos para el primer semestre de 11 a 12 mil millones de RMB. Las exportaciones de circuitos integrados de China en mayo de 2026 aumentaron un 111% interanual a $35.55 mil millones, impulsadas principalmente por el aumento de los precios de la memoria. Estas cifras juntas muestran que esto no es solo un sueño; es un rendimiento ya realizado en pedidos y precios.
Objetivo | Lógica Central |
|---|---|
ChangXin Memory (CXMT) | Líder en DRAM, participación global entrando en el top cuatro, en proceso de OPI |
Yangtze Memory (YMTC) | Líder en NAND, participación aumentando del 8% al 13%, se espera OPI |
SMIC | Plataforma de fundición de obleas, apoyando toda la cadena de sustitución nacional |
Lo interesante de esta área es que el auge y la posterior caída de Corea del Sur en esta ronda se debieron esencialmente a que Samsung y SK Hynix apostaron casi todo al eslabón único de la memoria. Una vez que el mercado duda de la sostenibilidad del gasto de capital, el riesgo de un eslabón único explota. La memoria china, sin embargo, avanza en tres dimensiones simultáneamente: volumen, rentabilidad y seguridad de la cadena de suministro. No es una apuesta de un solo punto. La elasticidad de las ganancias del eslabón de la memoria también suele ser mayor que la de los chips lógicos porque es un consumible estándar utilizado en todos los servidores de IA, no una opción.
3. Infraestructura de IA: Donde Realmente Aterriza el Gasto de Capital
La memoria resuelve el problema de tener materiales. Una vez que los materiales están hechos, ¿dónde los pones? Eso lleva a la tercera área.
Si la electricidad y la memoria son materias primas, la infraestructura es donde esas materias primas se ensamblan en potencia de cómputo. Los servidores, los módulos ópticos, la refrigeración líquida y los propios centros de datos están todos en esta capa. El camino de China aquí también es claro: "Cálculo del Este, Datos del Oeste" materializa las ventajas de costos en la selección de ubicaciones, y las cadenas industriales nacionales de servidores y módulos ópticos son lo suficientemente maduras. El resultado es una construcción rápida y un uso rentable.
Objetivo | Lógica Central |
|---|---|
Innolight | Líder global en módulos ópticos de alta velocidad, lanzamiento de volumen de 800G/1.6T |
Inspur Information | Servidores de IA + refrigeración líquida, pronóstico de ganancias del primer semestre hasta 226%-288% |
Sugon | Soluciones integrales de servidores + almacenamiento + refrigeración líquida |
Tongfei / Envicool | Soporte de integración de refrigeración líquida y energía |
Cuando miro esta área, un punto fácilmente pasado por alto es que la atención de todos siempre se dirige primero a grandes eventos únicos como el entrenamiento de modelos. Pero lo que realmente gasta dinero de forma continua es la inferencia y la iteración posteriores al entrenamiento. Esta parte de la demanda es a largo plazo y recurrente. Las empresas de infraestructura se benefician de esta parte, no solo de pedidos únicos de una sola tarea de entrenamiento. El hecho de que Goldman Sachs clasifique la infraestructura antes que los modelos es, hasta cierto punto, un recordatorio de que lo que se puede escalar y monetizar continuamente son a menudo los eslabones de activos pesados como construir salas de máquinas, suministrar energía y conectar redes, en lugar de los modelos aparentemente más atractivos.
4. Modelos de IA: Por Qué Están Clasificados Más Abajo
La infraestructura construye el camino; ¿qué pasa con el coche? El coche es el modelo.
Me sorprendió un poco cuando vi esta área, ya que los modelos son la parte que a todos les encanta discutir más cuando hablan de IA. Pero Goldman Sachs lo colocó en cuarto lugar, solo un puesto por delante de las aplicaciones. El camino de los modelos de China no es la ruta de EE. UU. de apilar parámetros y quemar potencia de cómputo. DeepSeek ha demostrado que se pueden hacer modelos de primer nivel a bajo costo. Junto con datos de escenarios nacionales suficientes, pueden lograr una mayor rentabilidad en campos verticales como código, matemáticas y multimodalidad.
Objetivo | Lógica Central |
|---|---|
iFLYTEK | Voz + multimodalidad, líder en escenarios verticales (educación/salud/automoción) |
Baidu | Ernie Bot + Búsqueda + Nube, integración modelo-aplicación |
Alibaba | Tongyi Qianwen + Nube + Comercio Electrónico, ecosistema más completo |
Una cosa que aún no he entendido completamente es si Goldman Sachs clasificó los modelos más abajo porque cree que el ritmo de comercialización de los modelos es más lento que el de la infraestructura, o porque la competencia en esta capa ya es lo suficientemente feroz como para que el espacio para retornos extraordinarios se haya reducido. Todavía no tengo evidencia definitiva para ninguna de las dos explicaciones, pero al menos una cosa está clara: el modelo es la lanza. Si la energía y las fábricas de enfrente no se configuran primero, la lanza no llegará muy lejos.
5. Aplicaciones de IA: El Punto de Monetización de Menor Riesgo
La lanza está hecha; necesita golpear algo. Ese es el eslabón final: las aplicaciones.
La primera impresión de muchos sobre la capa de aplicaciones es que es la más concurrida y la más difícil de ganar dinero, con quema de efectivo por usuarios y una fuerte homogeneización. Pero en el mercado chino específico, la situación podría ser la opuesta. China tiene el mercado de internet único más grande del mundo. Empresas como Tencent, Meituan y Xiaomi poseen cantidades masivas de usuarios y escenarios reales. Las funciones de IA no necesitan contar una gran historia primero; pueden integrarse directamente en los productos existentes como puntos de pago.
Objetivo | Lógica Central |
|---|---|
Tencent | Recomendación de anuncios + generación de contenido + actualizaciones de IA en juegos |
Meituan | Optimización de cumplimiento de entregas, aterrizaje de escenarios de IA en la vida local |
Xiaomi | Ecosistema AIoT + cabina inteligente/IA de conducción inteligente |
Que esta área sea la última en la cadena de valor no significa que no sea importante. Por el contrario, sin que el extremo de la aplicación recupere el dinero, las inversiones anteriores en electricidad, memoria e infraestructura se convierten en costos hundidos sin retorno. La capa de aplicación es el punto final y la fuente de energía que mantiene girando toda la cadena.
Cómo Combinar las Cinco Áreas y Dónde Están los Riesgos
El cambio de Goldman Sachs de Corea a China esta vez no es esencialmente un movimiento emocional, sino capital moviéndose de apostar por un solo eslabón a apostar por un circuito cerrado completo. Si tuviera que dar una idea de configuración, la clasificaría así: La electricidad y la infraestructura proporcionan certeza—mientras se construyan y expandan centros de datos, esta adquisición es rígida. Los semiconductores, especialmente la memoria, proporcionan elasticidad—el rendimiento ya se está realizando, y la elasticidad de la valoración es la mayor. Los modelos y las aplicaciones proporcionan retornos extraordinarios a más largo plazo, pero el ritmo y el panorama competitivo aún son variables.
Los riesgos también deben establecerse claramente: problemas geopolíticos, ritmo de ejecución y fluctuaciones de valoración—ninguno de estos faltará. Además, los datos y las métricas de valoración enumerados aquí son una instantánea basada en información pública. Los gigantes de la memoria aún están en proceso de OPI, y las cifras cambiarán. Verifica los últimos datos tú mismo antes de actuar. Este artículo se trata más de desglosar el marco y la lógica de Goldman para ti y no constituye un consejo de inversión.
La brecha entre la asignación del 1.2% y la participación de ingresos del 16% todavía está ahí. Si se cerrará y qué tan rápido, no puedo garantizarlo. Pero esta vez, Goldman Sachs no dio una nueva historia; dieron un libro de contabilidad ya desglosado para ti. El hecho de que la electricidad ocupe el primer lugar en ese libro de contabilidad es, creo, más digno de recordar que la frase "Long China" en sí misma.
Si tienes una opinión diferente sobre alguna área, no dudes en intercambiar ideas en los comentarios. Tengo curiosidad por saber cuál clasificarías primero, jaja.
