¿Es un buen momento para comprar Nvidia?
Aaron Polhamus, CEO de Vest, analiza la caída del 24% en sus acciones y el impacto de DeepSeek en su futuro. ¿Oportunidad o riesgo? Descúbrelo en esta entrada:
Lo que sigue es opinión y análisis personal, no un consejo de inversión, y no representa las opiniones de Vest ni de sus directivos. Léalo bajo su propio riesgo.
La semana pasada, las acciones de Nvidia cayeron casi un 24%, lanzando un balde de agua fría en la cara de los inversores de NVDA. El impacto fue amplio: acciones de semiconductores, energía, proveedores de tecnología de redes — básicamente todas las industrias impulsadas por la fiebre del oro de la IA — también experimentaron una fuerte presión vendedora.
Trabajo en el sector de inversiones, y amigos comenzaron a preguntarme: "¿Es un buen momento para comprar Nvidia?" Después de investigar extensamente esta pregunta, mi respuesta para mis inversiones personales es "sí". Es cierto que DeepSeek representa el proceso inevitable de cómo una nueva tecnología innovadora se vuelve más eficiente y accesible. A medida que esto ocurre en toda la industria, la cuota de mercado y los márgenes de Nvidia se verán presionados. Dicho esto, la empresa todavía tiene mucho potencial de crecimiento por tres razones:
Si acaso, seguimos subestimando la demanda futura de computación.
Nvidia puede mitigar sus vulnerabilidades competitivas a través de fusiones y adquisiciones (M&A).
Aún estamos tratando de entender lo que realmente pasó: DeepSeek puede no estar describiendo con precisión sus verdaderos costos.
Una nota rápida sobre mí no soy un líder de la industria de IA, y no voy a decir nada más inteligente sobre el potencial transformador de la IA que Mark Zuckerberg¹, Sam Altman² o Dario Amodei³. Tampoco entraré en detalles tan técnicos como lo hace Jeffrey Emmanuel en su increíble análisis sobre la tesis bajista de NVDA⁴.
Soy un científico de datos de carrera, trabajando en el campo desde que obtuve mi Maestría en Estadística Aplicada en 2009. También soy el CEO de Vest, una plataforma global de inversión enfocada en inversores minoristas no estadounidenses. Conectamos la oferta de capital — personas trabajadoras en todo el mundo — con la demanda de capital — los innovadores globales que cotizan en las bolsas de EE.UU. — y, en este proceso, ayudamos a nuestros clientes a alcanzar la libertad financiera a través del crecimiento compuesto de activos en dólares (USD).
Como muchos otros, estamos fascinados por el potencial de la IA y trabajando para comprender qué significa para nuestro negocio y nuestros clientes. Al mismo tiempo, nuestros clientes están tratando de entender qué significa todo esto para sus portafolios de inversión.
En mis propias inversiones personales, he sido optimista sobre este sector desde hace tiempo, y tuve la suerte de estar en el lugar correcto en el momento adecuado con mis apuestas en acciones de semiconductores justo cuando la IA despegó:
Es emocionante cuando las convicciones se vuelven realidad.
Qué pasó
El colapso ocurrió cuando DeepSeek demostró públicamente un modelo de razonamiento en cadena que igualaba o superaba los benchmarks de rendimiento de los modelos de los líderes del mercado estadounidense, con solo el 2% del costo de entrenamiento y un uso significativamente menor de poder computacional.⁵ Esto socavó la tesis de que construir modelos más inteligentes requiere una inversión continua de miles de millones de dólares en chips de NVDA, que cuentan con márgenes brutos del 90%. De repente, parecía que la narrativa de crecimiento futuro de Nvidia colapsaba, y los inversores entraron en pánico.
Los ciclos de hype van y vienen a largo plazo, las valoraciones siguen los flujos de caja, y desde hace un par de años, NVDA ha sido una máquina de generar efectivo. Sus últimos resultados financieros y sus récords históricos han sido simplemente absurdos:
Créditos: https://finance.yahoo.com/quote/NVDA/analysis/
Créditos: https://www.investopedia.com/nvidia-earnings-4775455
Big Tech está haciendo compromisos de capital realmente notables para el entrenamiento de modelos fundacionales y la infraestructura del futuro: al leer el anuncio de Stargate, recordé cuando solo veía números tan grandes como $500,000,000,000 en el presupuesto nacional de EE.UU.⁶ El dominio actual de mercado de Nvidia, combinado con las previsiones de gasto futuro, es lo que ha impulsado su valoración. Esto no es un simple hype al estilo de las puntocom en 1999: algo muy real y profundo está ocurriendo.⁷ La pregunta siempre ha sido quiénes serán los ganadores y perdedores en esta transformación. Desde la semana pasada, esa pregunta también incluye si NVDA seguirá siendo uno de ellos.
(Nota rápida: hablaremos sobre “entrenamiento” versus “inferencia” más adelante. “Entrenamiento” es cuando un modelo de IA realmente se construye exponiéndolo a terabytes de datos. Aquí es donde brillan los chips de Nvidia. “Inferencia” es el proceso de hacer preguntas a un modelo y obtener respuestas después de que ha sido entrenado, lo que implica resolver problemas ligeramente diferentes).
DeepSeek afirma haber entrenado su modelo R1 de razonamiento en cadena por $6M, en comparación con costos de más de $100M en Anthropic y OpenAI. Igualmente importante, empresas como Groq y Cerberas están ejecutando inferencias en hardware dedicado, no-NVDA, con hasta 57 veces la eficiencia de la inferencia basada en GPU.⁸ Es un gran avance, y el análisis de Jeff hace un trabajo magistral al desglosar cómo múltiples amenazas competitivas están conspirando para socavar tanto las márgenes como la cuota de mercado de NVDA en el futuro.⁴
El argumento alcista para Nvidia: la IA está creciendo más rápido de lo que cualquiera de nosotros pudo haber imaginado, y Nvidia es la líder del mercado.
El argumento bajista: DeepSeek acaba de romper el mercado, comprimiendo márgenes y desatando la competencia contra Nvidia.
Los líderes empresariales invocaron de inmediato el paradoxo de Jevons, con Satya Nadella escribiendo:⁹
“¡La paradoja de Jevons ataca de nuevo! A medida que la IA se vuelve más eficiente y accesible, veremos su uso dispararse, convirtiéndola en una mercancía de la que simplemente no podremos tener suficiente.”
En otras palabras, lo que Big Tech está a punto de perder por la compresión de márgenes, lo va a compensar con creces gracias al aumento del volumen impulsado por la adopción generalizada.
The Economist argumenta que los líderes de Big Tech pueden estar siendo demasiado optimistas respecto a la paradoja de Jevons en este caso: para que se aplique, el aumento total de la demanda resultante de las ganancias de eficiencia en el uso de una mercancía debe ser mayor que el ahorro total de costos generado por dicha eficiencia.¹⁰ Esto es relativamente raro — la energía ha sido más la excepción que la regla — y con solo el 5% de las empresas estadounidenses utilizando IA, y solo el 7% reportando planes para hacerlo en el futuro, no es inevitable que la paradoja se aplique aquí tampoco.
La pregunta clave para los inversores de Nvidia es: a medida que los costos de entrenamiento e inferencia de la IA continúan disminuyendo, ¿se aplicará la paradoja de Jevons? Y si es así, ¿seguirá Nvidia capturando una parte lo suficientemente grande del valor creado como para justificar su valoración actual? Creo que la respuesta es “sí”, y mi posición sobre NVDA es de “compra” por tres razones:
Nadella tiene razón sobre la paradoja de Jevons. Creo que, si acaso, estamos subestimando la demanda futura de computación.
Nvidia es el gorila de 1.000 libras de la industria: si no puede vencer a su competencia en el campo de batalla, simplemente la comprará.
DeepSeek puede no estar contando toda la historia: insiders de la industria especulan que DeepSeek utilizó modelos fundacionales de EE.UU. en su entrenamiento mientras minimizaba sus verdaderos costos.
Crecimiento exponencial de la computación
Considera este gráfico de The Singularity is Near, que muestra el crecimiento exponencial en la cantidad de cálculos que se pueden realizar por segundo con $1,000 desde el inicio de la computación digital. Kurzweil publicó el libro en 2005, y la flecha roja es mi propia anotación, trazando una línea hasta el día de hoy.
A aproximadamente 10¹⁶ cálculos por segundo, una computadora alcanza capacidades computacionales equivalentes a las del cerebro humano:
Fuente: https://www.singularity.com/charts/page70.html
La precisión de Kurzweil ha sido asombrosa: el modelo o3 de OpenAI, que logra un rendimiento a nivel de genio en la resolución de problemas matemáticos complejos, cuesta hasta $3,000 por consulta.¹¹ Pero recuerda, DeepSeek / Cerberas / Groq acaban de reducir los costos de inferencia — el costo de hacer preguntas — en 45 veces. Estamos a punto de superar el punto de referencia de "$1,000 para pagar a una computadora tan inteligente como un humano", si es que no lo hemos hecho ya.
Los analistas hablan de lo elevado que es este costo de $3,000, y de cómo ilustra los desafíos económicos para los creadores de modelos fundacionales. Claro, pero se pierde el punto clave: el hecho de que estemos discutiendo si $3,000 es un precio razonable para consultar a una computadora más inteligente que un PhD en matemáticas ya es un cambio de paradigma impresionante. ¿Puedes siquiera imaginar haber tenido esta conversación a principios de 2020? Hoy, es normal. Este costo será mucho menor al final del año. Muchísimo menor en 2027. En poco tiempo, estaremos ejecutando servidores de inferencia ultrapotentes en laptops personales.
Al mismo tiempo, el consumo global de energía dedicado a la computación está aumentando exponencialmente. Como civilización, estamos consumiendo cada vez más energía para operar computadoras que son cada vez más inteligentes. Estamos viendo un crecimiento exponencial dentro de un crecimiento exponencial de la computación global. El aumento de la eficiencia hace que esto sea posible. Desde esta perspectiva, el avance de DeepSeek no fue una sorpresa en absoluto: era inevitable.
El futuro de la industria de la computación es prometedor. Sin embargo, DeepSeek acaba de mostrarnos cómo la cuota de mercado de Nvidia se contraerá y sus márgenes se reducirán. Es probable que en el futuro Nvidia ya no sea utilizada en el 97% de todos los sistemas de aprendizaje de IA mientras disfruta de márgenes del 90%.¹² Más allá de DeepSeek, empresas como Tiny Corp están trabajando intensamente para "comoditizar el petaflop", desarrollando software similar a CUDA para GPUs de AMD que ofrecen computación más eficiente por dólar.¹³ Sin duda, la competencia ha llegado.
Como señala el profesor Scott Galloway, "eventualmente todo se convierte en Walmart o Tiffany’s".¹⁴ Los modelos premium, de alto costo y tecnología de vanguardia son la opción "Tiffany’s" en este caso, y Nvidia sigue siendo el proveedor indiscutible de GPUs de calidad Tiffany’s. Aunque los LLMs premium pueden perder participación dentro del mercado general, la dinámica de crecimiento exponencial de la industria sugiere que Nvidia aún tiene mucho espacio para crecer. Además, Apple ha demostrado que es posible ofrecer un producto premium a gran escala con márgenes elevados durante décadas. La clave para Nvidia en el futuro será mantener su ventaja en rendimiento premium mientras soluciona sus vulnerabilidades relacionadas con la eficiencia.
Defensa a través de Fusiones y Adquisiciones (M&A)
Facebook dominó las redes sociales a principios de los años 2000, pero llegó tarde a la era de las redes móviles y la mensajería. Por eso, compró Instagram y WhatsApp, consolidando una gran parte del ecosistema global de redes sociales.
Al ver el auge del streaming, Google adquirió YouTube por $1.65 mil millones en 2006. Hoy, estas tres plataformas adquiridas son las redes sociales más populares de internet después de Facebook.
Meta y Alphabet escribieron el manual de estrategias para el crecimiento agresivo de Big Tech a través de fusiones y adquisiciones (M&A):
https://www.shopify.com/blog/most-popular-social-media-platforms
Nvidia no va a quedarse sentada sobre su pila de $38.48 mil millones en efectivo lamentándose mientras la competencia la adelanta. O bien aumentará la eficiencia de sus propios chips, o comenzará a adquirir startups y las integrará en su ecosistema de hardware y software. Por ejemplo, la valoración de Cerberas se encuentra en un rango entre $1 mil millones y $10 mil millones.¹⁵ Predigo que Nvidia hará adquisiciones importantes en el próximo año, comenzando por el área de inferencia, donde aparentemente es más débil. Esta dinámica ya ocurrió en 2020 con la tecnología de redes, cuando Nvidia adquirió Mellanox, desbloqueando la construcción de los masivos clústeres de GPU que hoy impulsan el entrenamiento de LLMs.¹⁶
Trucos sucios, a precio de ganga (supuestamente)
Una empresa china cometiendo robo de propiedad intelectual para crear una copia de bajo costo de un producto estadounidense de clase mundial es una historia tan antigua como la relación comercial entre EE.UU. y China. Para ser claro, no estoy apoyando esa narrativa aquí, y aunque DeepSeek realmente resultara tener una dinámica de “copia china”, seguiría siendo un logro de ingeniería extraordinario. Mis respetos a los desarrolladores increíblemente talentosos de DeepSeek 🎩
Dicho esto, en la última semana han surgido dudas sobre si la versión oficial de DeepSeek realmente coincide con la realidad:
OpenAI afirma que el equipo de DeepSeek utilizó “distillation”, un proceso que recicla llamadas y respuestas de otro LLM durante el entrenamiento del modelo.¹⁷ ¹⁸ Si esto es cierto, sería una violación grave de su SLA. Además, confirmaría que los entrenamientos de alto costo, impulsados por GPUs de Nvidia, siguen siendo necesarios para expandir los límites de la inteligencia artificial.
Expertos están analizando con escepticismo la afirmación de DeepSeek de haber gastado solo $6 millones en el entrenamiento de su modelo, así como la cantidad de GPUs de Nvidia utilizadas en su clúster de servidores. Según una estimación, la empresa pudo haber gastado hasta $1.6 mil millones en la construcción de su clúster, incluyendo 50,000 GPUs de Nvidia.¹⁹
Los logros de DeepSeek son impresionantes y claramente encontraron formas de optimizar el costoso proceso de entrenamiento de modelos. Sin embargo, si realmente “rompieron el mercado” o no, es una cuestión que se debatirá en las próximas semanas. Por ahora, hay razones para un escepticismo saludable.
En conclusión
Nvidia es actualmente el proveedor monopolista del hardware y software necesarios para el entrenamiento de modelos de IA de vanguardia en una industria cuyo crecimiento exponencial futuro probablemente superará las previsiones de los analistas de Wall Street. Aunque sus márgenes y su cuota de mercado se contraerán a medida que la industria evolucione, defenderá su dominio en el entrenamiento mediante la innovación continua, al mismo tiempo que reforzará sus debilidades en la inferencia a través de fusiones y adquisiciones, algo que ya ha demostrado hacer con éxito. Finalmente, aún está por verse hasta qué punto DeepSeek realmente rompió la economía unitaria de la industria de la IA. Los expertos seguirán cuestionando la verdadera escala de su clúster de servidores e investigando la posibilidad de que modelos premium, entrenados en enormes clústeres de GPUs Nvidia, hayan sido destilados durante el proceso de entrenamiento del modelo.
El índice P/E actual del S&P500 es de 30.18²⁰, mientras que el de Nvidia es de 47.39²¹, lo que representa una prima de aproximadamente un 50 % sobre el mercado en general. Dadas las perspectivas de la empresa, esto no me parece irracional. En los próximos días reduciré algunas de mis posiciones para aumentar mi exposición a NVDA.
Creo que los creadores de modelos fundacionales — OpenAI, Anthropic, etc. — tienen mucho más de qué preocuparse, ya que la combinación de DeepSeek / Groq / Cerberas representa una competencia directa para ellos. Nvidia, por otro lado, vende palas para una fiebre del oro que, al igual que internet, nunca se detendrá.
Es un ecosistema increíblemente complejo y predecir ganadores y perdedores es un juego difícil. En un discurso de 1999 en Sun Valley, dirigiéndose a una multitud entusiasmada con el auge de las acciones puntocom, Warren Buffet lanzó una advertencia:²²
"En total, parece haber habido al menos 2,000 fabricantes de automóviles en una industria que tuvo un impacto increíble en la vida de las personas. Si hubieras previsto en los primeros días del automóvil cómo se desarrollaría esta industria, habrías dicho: ‘Aquí está el camino a la riqueza’, [pero,] después de una carnicería corporativa que nunca terminó, terminamos con solo tres compañías automotrices en EE.UU., que tampoco fueron un gran negocio para los inversores."
En cualquier revolución tecnológica transformadora, los ganadores y perdedores finales a menudo no son los primeros en llegar. Los inversores que despliegan miles de millones de dólares empujan la frontera de la innovación hacia adelante, pero no hay pagos garantizados. Por eso se llama "capital de riesgo".
Además de aumentar moderadamente mi posición en NVDA, también exploraré ETFs que brinden exposición sectorial a la energía y la computación, lo que me permitirá apostar por las tendencias discutidas aquí sin concentrarme demasiado en una sola empresa.
Hay muchas oportunidades y peligros ahí afuera. Desarrolla y perfecciona tus propias convicciones, mantén la calma y nunca inviertas más en posiciones de alto riesgo de lo que puedas permitirte perder mientras sigues durmiendo tranquilo por la noche. En la próxima publicación ampliaré el panorama y especularé sobre lo que la IA significa para los negocios en general y la inversión en particular.
Solo con fines ilustrativos. No representa una recomendación de inversión. Para más información, consulta nuestra Divulgación de redes sociales.
Referencias:
https://about.fb.com/news/2024/07/open-source-ai-is-the-path-forward/
https://youtubetranscriptoptimizer.com/blog/05_the_short_case_for_nvda
(Of course something very profound was happening in 1999, too, as the internet began to seriously disrupt traditional business models. However the run-out on a price-to-earnings basis was far more exaggerated then, with the Nasdaq hitting a PE ratio over 200, compared to about 49.31 today (see https://fullratio.com/stocks/nasdaq-ndaq/pe-ratio). Prices are rich in the AI boom, but they are supported by cash flows in a way that dotcom companies were not.)
https://www.investing.com/academy/statistics/nvidia-facts-and-statistics/
https://geohot.github.io/blog/jekyll/update/2023/05/24/the-tiny-corp-raised-5M.html
https://nymag.com/intelligencer/article/deepseek-may-be-the-walmart-of-ai.html
https://www.crunchbase.com/organization/cerebras-systems/company_financials
https://www.theverge.com/news/601195/openai-evidence-deepseek-distillation-ai-data
https://www.berkshirehathaway.com/1999ar/FortuneMagazine.pdf