Reflexiones De Un Viaje Para Hablar Sobre la IA
El ritmo de la innovación en torno a la GenAI sigue acelerándose y, como inversores, creemos que es fundamental escuchar las perspectivas de los ejecutivos de las empresas a la vanguardia del cambio. Con este objetivo en mente, hace poco viajamos a la costa oeste de EE. UU. para reunirnos con ejecutivos de veinte empresas tecnológicas, tanto cotizadas como privadas, a lo largo de todo el espectro de capitalización de mercado. Algunas de estas empresas crean modelos de GenAI o fabrican los semiconductores necesarios para ejecutar cargas de trabajo de IA; otras son empresas de software que alojan cargas de trabajo de IA o integran GenAI en sus productos.
Estas son nuestras conclusiones del viaje:
La GenAI Está Impulsando Un Ciclo Tecnológico Duradero, Pero Aún Se Encuentra En Una Fase Temprana
Una de las principales conclusiones a la que llegamos es que nos encontramos en una fase muy temprana del desarrollo de modelos fronterizos y de la inversión necesaria para la infraestructura de GenAI. Los modelos fronterizos (Frontier) son los grandes modelos de lenguaje (large language models, LLM) más avanzados y capaces que se están desarrollando actualmente. Las empresas a la vanguardia de este desarrollo de modelos fronterizos son Google, OpenAI, Anthropic y Meta, con los modelos Gemini, ChatGPT, Claude y Llama, respectivamente. Cada una de estas empresas señala que sus capacidades de GenAI avanzan rápidamente. Sin embargo, también hacen hincapié en que sus modelos aún están a nivel de “grado”, y no de “máster” o “doctorado”, de lo que se deduce que todavía estamos en las primeras etapas del desarrollo de modelos fronterizos. La GenAI ha experimentado un claro cambio en cuanto a la capacidad cada 12-18 meses aproximadamente, y creemos que esto seguirá ocurriendo. Los indicadores clave para medir el rendimiento de los modelos fronterizos se centran en la inteligencia y la latencia. Ambas han mejorado, no solo gracias a los avances en la potencia de procesamiento, sino también porque el software utilizado para entrenar los modelos ahora es más eficiente. NVIDIA cree que sus unidades de procesamiento gráfico (graphic processing units, GPU), con el mismo tipo de infraestructura de chip, serán un millón de veces más eficientes en el procesamiento de la GenAI en la próxima década. Este avance facilitará una mayor aceleración del desarrollo de modelos fronterizos.1
A pesar de estar en una fase temprana, el desarrollo de modelos fronterizos avanza a gran velocidad. Estos modelos integran e incorporan gran parte de la funcionalidad que las start-ups iniciales de IA habían ofrecido a través de la interfaz de programas de aplicaciones en los modelos anteriores menos capaces. Esto se ha ralentizado debido al rápido avance en los modelos fronterizos, un factor importante que nos lleva a creer que la mayor oportunidad potencial de inversión se concentra en los mercados cotizados más que en los privados.
Los Inversores Se Centran En La Rentabilidad De La Inversión Para Hiperescaladores
Un enfoque clave cuando nos reunimos con estas empresas fue determinar las expectativas de rentabilidad de la inversión (return on investment, ROI). Con el fin de crear los modelos más avanzados y capaces posibles, Microsoft, Google, Amazon y Meta (los “hiperescaladores”) invertirán 188 000 millones de USD en 2024 para obtener el hardware necesario para la construcción de centros de datos de última generación con capacidad de entrenar la GenAI, lo que representa la mayor parte de la inversión en capital del S&P 500 en 2024.2 Cualquier empresa que participe en el desarrollo de modelos fronterizos necesita vastos recursos, así como la voluntad de gastar en el desarrollo de GenAI. Este panorama nos lleva a pensar que no veremos surgir un conjunto de desarrolladores con modelos fronterizos competitivos.
Gracias a las numerosas conversaciones con sus equipos de gestión, sabemos de primera mano cuán disciplinadas son estas empresas con su capital. El director financiero de una de estas empresas tenía claro que adquirían más GPU si pudieran, a pesar del coste sustancial. El aumento del coste de las GPU se debe a la competencia entre los proveedores de modelos fronterizos para crear el marco más capaz, y no esperamos que esa competencia vaya a ralentizarse pronto. Desde una perspectiva de ROI, si bien los hiperescaladores están empezando a ver un aumento de sus ingresos de la GenAI, podrían pasar uno o dos años hasta que sea tangible un progreso significativo, y a esto es a lo que se enfrenta el mercado.
Los primeros casos de uso de GenAI incluyen desarrolladores que aprovechan la tecnología en programación, la colocación de anuncios y la mejora de la productividad para las funciones de ventas. Además, Microsoft puede ofrecer una versión premium de su paquete de Office que incorpora una función de copiloto; Google está integrando GenAI en su motor de búsqueda líder y Gmail para mejorar la experiencia de los usuarios; y las ofertas de redes sociales de Meta podrían integrar GenAI para pasar de ser una plataforma de publicación de contenido a una plataforma de generación de contenido. Creemos que estas mejoras podrían conducir a una aceleración de los fundamentales y de las ventajas competitivas.
Es Probable Que Los Semiconductores En Los Que Se Base La Próxima Generación De Procesamiento De GenAI Trasciendan Las GPU
Aunque las GPU de NVIDIA han disfrutado de una cuota casi absoluta del mercado de entrenamiento de GenAI debido a su incomparable potencia de procesamiento y ecosistema de software, creemos que otros fabricantes de semiconductores también están bien posicionados para beneficiarse potencialmente en este ámbito. Cabe destacar que los hiperescaladores han desarrollado sus propios circuitos integrados de aplicación específica (application-specific integrated circuits, ASIC) que, aunque no son tan potentes, son eficaces para ejecutar tareas repetibles en grandes volúmenes.
Por ejemplo, los ASIC se utilizan en la infraestructura de recomendaciones de Google para YouTube porque la tarea es limitada y se repite a un gran volumen. Los ASIC, que están diseñados para cargas de trabajo específicas, pueden realizar esa tarea de forma mucho más eficiente y a un coste significativamente menor que una potente GPU de NVIDIA. Aunque el coste inicial para construir la infraestructura de ASIC es alto, el coste para ejecutar cargas de trabajo de GenAI en estos chips probablemente será menor una vez realizada la inversión inicial. Los hiperescaladores también están en una posición única de gasto en el software necesario para admitir la infraestructura ASIC, tanto para el entrenamiento como para la inferencia. Nos centramos en identificar a los posibles ganadores en la industria de semiconductores, quienes pueden beneficiarse de esta transición.
En nuestra opinión, las empresas de bienes de capital de semiconductores también cuentan con un sólido contexto de demanda creado por la inversión en IA. Esto se debe principalmente a la mayor sofisticación y demanda de semiconductores relacionados con la IA. Creemos que el gasto total en equipos de fabricación de wafers (Wafer Fab Equipment, WFE) podría superar los 130 000 millones de USD en 2025, un aumento de casi el 40 % con respecto a los niveles de 2023.3
La Incorporación De Modelos Simplificados En Dispositivos Podría Impulsar Un Ciclo de Sustitución Del Teléfono
Tiene relevancia el potencial de que la GenAI exista en el “edge” (acceder a las capacidades de IA localmente en lugar de en la nube). Esto se conseguiría mediante “modelos simplificados”, es decir, derivados de modelos fronterizos, con menos parámetros pero altamente capaces para muchos casos de uso de consumo. Durante nuestro viaje, tuvimos la oportunidad de observar demostraciones en directo de modelos de GenAI integrados en asistentes de chat de voz, una mejora significativa en comparación con las ofertas actuales. Nuestro objetivo es comprender el impacto de las capacidades de GenAI existentes en el edge y si podrían iniciar un nuevo ciclo de sustitución de los teléfonos personales. Esto representaría uno de los primeros y más tangibles ejemplos de repercusiones de la GenAI en los ingresos y beneficios de las empresas que integran la tecnología de GenAI en las nuevas ofertas de dispositivos.
Uno de los desafíos técnicos de los modelos simplificados es cómo gestionar consultas que son demasiado sofisticadas para procesarse en el edge. Los modelos simplificados deben ser lo suficientemente inteligentes como para enviar consultas sofisticadas a un centro de datos con más potencia de procesamiento. Todavía estamos determinando cómo se traduciría eso para las empresas que potencialmente enviarían o recibirían consultas sofisticadas.
El Primer Trimestre Fue Cíclico Para El Software, No Secular
A pesar de los sólidos ingresos del primer trimestre de 2024, vimos que las empresas de software mantenían sus previsiones para todo el año, en lugar de aumentarlas. El mercado interpretó esto como una indicación de que la GenAI podría provocar disrupción para estas empresas o de que sus clientes gastaban menos en software para compensar el mayor gasto en integración de GenAI. Como resultado, creemos que la ligera debilidad en los resultados del primer trimestre de las empresas de software es probablemente una cuestión cíclica, y no una indicación de caída secular.
En lugar de estar en riesgo de disrupción por los modelos fronterizos, creemos que muchas de las empresas de software más grandes son más valiosas en el contexto del desarrollo de modelos fronterizos, ya que tienen grandes cantidades de datos propios de clientes. De hecho, hay muchas iniciativas de integración de GenAI potencialmente interesantes entre las empresas de software más grandes. También observamos que se están desarrollando asociaciones entre empresas de software empresarial que tienen conjuntos de datos valiosos y proveedores de modelos fronterizos. Esta colaboración crea ventajas claras para los proveedores, que pueden entrenar sus modelos fronterizos con datos de máxima calidad.
Seguimos Apostando Por La Ciberseguridad
La ciberseguridad sigue siendo una prioridad principal tanto para los gobiernos como para las empresas, y creemos que esa demanda de soluciones más innovadoras se mantendrá sólida. Las tensiones geopolíticas y la incertidumbre política aún son elevadas. En 2024, más de 50 países, hogar de la mitad de la población mundial, celebran elecciones nacionales y se ha producido un aumento de ciberamenazas avanzadas. En consecuencia, también está aumentando la inversión en protección contra estas amenazas. La ciberseguridad eficaz también es fundamental para la GenAI, dada la enorme cantidad de datos implicados en el entrenamiento de modelos fronterizos. Las corporaciones y los gobiernos intentan mantenerse al día con el panorama cambiante de posibles amenazas y proteger sus datos no públicos, y esto ofrece a los proveedores de ciberseguridad de última generación oportunidades para ayudar a los clientes a proteger sus activos más valiosos.
Además de un aumento en el volumen de las ciberamenazas, los avances tecnológicos han conducido a una mayor sofisticación de los ataques. La GenAI no solo crea nuevos canales de amenaza, sino que también democratiza técnicas complejas y dañinas. El aumento del volumen y la sofisticación de los ciberataques ha provocado un mayor gasto en soluciones de ciberseguridad, ya que las organizaciones tienen la necesidad crítica de emplear las soluciones de ciberseguridad más sólidas e integrales.
El Desarrollo De IA Por Parte De Gobiernos Se Está Acelerando Y Las Capacidades De China Han Avanzado Más Rápido De Lo Esperado
Existe una competencia global para construir e implementar la GenAI, no solo a nivel corporativo, sino también entre los gobiernos. Cada vez más gobiernos de todo el mundo reconocen el potencial transformador de esta tecnología, que tiene aplicaciones en seguridad nacional y gobernanza, y además implica potenciales aumentos significativos de la productividad laboral. Todo esto ha propiciado un incremento de las inversiones estratégicas y de la financiación pública por parte de los gobiernos. Este es un claro impulso para el ciclo de construcción de la GenAI a escala global y nos da confianza adicional en la durabilidad de este ciclo tecnológico. Creemos que la infraestructura de IA localizada (o fábricas de IA) será fundamental para los países que pretenden desarrollar capacidades de IA, pero que no quieren depender de centros de datos ubicados en EE. UU. ni la necesidad de modelos de GenAI multilingües (grandes modelos de lenguaje) en diferentes ubicaciones geográficas.
China ha podido desarrollar su sector nacional de semiconductores de IA mucho más rápido de lo que el mercado había previsto, a pesar de las restricciones rigurosas impuestas por el Gobierno estadounidense a la exportación de semiconductores de vanguardia a China, utilizados para desarrollar la GenAI. La velocidad a la que China ha aumentado la escala de sus capacidades ha tomado a muchos por sorpresa y nos hace pensar que este país seguirá desarrollando su propio ecosistema tecnológico, que existirá en paralelo con el que está desarrollando Occidente, pero funcionará de forma independiente.
Los Desafíos Futuros
Creemos que la GenAI es una de las innovaciones tecnológicas más significativas de nuestra generación. Desde una perspectiva de inversión, también creemos que puede respaldar un ciclo tecnológico duradero y significativo. En nuestra opinión, todavía estamos en las primeras etapas de este ciclo y, de cara al futuro, es probable que el conjunto de oportunidades se amplíe, por lo que surgirán nuevos ganadores y perdedores.
Dada la considerable inversión requerida para desarrollar capacidades de IA y la necesidad de grandes cantidades de datos de alta calidad, creemos que los principales beneficiarios de la transformación de la GenAI se encontrarán en los mercados cotizados y no en el mercado de private equity. Si bien los denominados “7 Magníficos” 4 han estado entre los beneficiarios más inmediatos en términos de apreciación del precio de las acciones, creemos que otras empresas de menor capitalización de mercado también podrían prosperar con el auge de la GenAI. Se trata de un ámbito dinámico que cambia rápidamente. A medida que avance la tecnología de GenAI y surjan nuevos líderes, invertir en las empresas adecuadas será fundamental para el éxito de la inversión a largo plazo.
El equipo de Fundamental Equity Technology de Goldman Sachs Asset Management lleva a cabo análisis en profundidad sobre las tendencias del sector y las empresas en todo el espectro de capitalización de mercado, y se reúne regularmente para debatir la dinámica del mercado y los valores en cartera. También colabora con el equipo general de Fundamental Equity, compuesto por más de 100 analistas en todo el mundo.
1 NVIDIA. A 6 de junio de 2024.
2 MSCI, Wind, Bloomberg, FactSet, Goldman Sachs Global Investment Research. A 24 de mayo de 2024.
No existe garantía de que se vayan a cumplir los objetivos. Las previsiones económicas y de mercado que aquí se presentan han sido generadas a efectos informativos en la fecha de esta presentación. No puede garantizarse que se vayan a alcanzar dichas previsiones. Consulte la información importante adicional que figura al final de esta presentación.
3 Goldman Sachs Asset Management, Bloomberg, Visible Alpha. A 30 de junio de 2024.
4 Se refiere a Microsoft, Apple, Google, Amazon, NVIDIA, Meta y Tesla.
